Apprendre

Every developer's agent on your team works a different way, and the shared instructions file grows until nobody reads it. In nine lessons you give the team one way of working, built by asking Claude Code: a short AGENTS.md that routes to your standards and docs, a locked review list, a hook, one bug-fix workflow, and three loops that keep it small. Lesson 9 checks your own repo for the certificate.

Le test d'acceptation piloté par agent est une boucle de vérification dans laquelle un agent IA déroule chaque parcours utilisateur dans un vrai navigateur et rend un verdict de réussite ou d'échec au regard de critères d'acceptation figés. Nous menons nos tests d'acceptation avec Playwright MCP sur ConvOps : l'agent qui teste ne corrige jamais, et un échec repart vers la construction jusqu'à ce que le passage complet réussisse à nouveau.

Un système d'IA auto-améliorant est un dépôt de standards, une base de mémoire et des workflows à points de validation qui transforment les leçons de chaque travail terminé en règles que le travail suivant lit. Il apprend en six couches, de la mémoire à un pipeline qui passe en revue tout le système. Nous faisons tourner le nôtre sur ConvOps.

Une protection contre la suppression dans Claude Code repose sur quatre couches qui empêchent un agent d'effacer vos fichiers : une demande d'approbation, une règle de refus, un hook PreToolUse et un travail commité et poussé. ConvOps ajoute des exécutions isolées et une validation avant le merge pour les exécutions que personne ne surveille.

Un CLAUDE.md est trop long quand il contient des lignes sans lesquelles l'agent ne se tromperait pas. Neomanex le corrige par un audit : tester chaque ligne, garder ce qui évite une erreur et déplacer le reste vers une page de documentation, un skill, une règle de dossier, un workflow ConvOps ou un hook, pour CLAUDE.md comme pour AGENTS.md.

Diriger une entreprise avec des agents IA, c'est faire tourner chaque tâche sur un workflow écrit, pas dans un chat : sa première étape rappelle ce qui a déjà été décidé, une personne valide là où cela compte, et la tâche conserve ce qui mérite d'être retenu. Nous dirigeons la nôtre sur ConvOps, où vivent nos tâches, nos workflows et nos mémoires.

Un agent IA d'autoréparation de site web est une boucle planifiée qui lit un site comme un lecteur le reçoit, ouvre un bug pour chaque défaut et confie à un agent, dans un environnement isolé, la réparation de ce qu'il peut réécrire et revérifier, en mettant le reste de côté pour une personne. ConvOps fait tourner le balayage hebdomadaire, le pool de bugs et la réparation bug par bug.

La boucle d'expériences SEO est une boucle d'agents qui transforme chaque correction SEO en expérience pré-enregistrée, avec un groupe témoin tiré au sort. ConvOps planifie chaque exécution, Claude Code effectue la modification, une personne la fusionne, et un script la juge par rapport à des pages intactes au jour 15 et au jour 31.

Le graph engineering consiste à concevoir un système d'agents IA comme un graphe : les nœuds font le travail, les arêtes décident de ce qui s'exécute ensuite, et l'état circule entre eux. Notre point de vue : le graphe remplace le fichier d'instructions, si bien qu'un CLAUDE.md peut se réduire à 8 lignes pendant que le processus et les règles vivent dans des workflows et des standards.