Je termine la série par l'opérationnel, comment lancer le workflow au quotidien. Un plan.md persistant, des hooks pre-commit comme garde-fous, un pipeline CI multi-niveaux, et un audit simple pour reprendre un repo existant.
Qualité Du Code
Je branche le workflow sur une pile moderne, React côté front, Go avec Gin, GORM et PostgreSQL côté back. Trois choix structurants gardent la suite fiable : testcontainers-go, MSW strict et Pact.
Les tests par exemples ratent les bords. Le property-based testing inverse l'approche. Je montre six patterns utiles, le stateful PBT pour les bugs de séquence, et pourquoi ce sujet se prête bien à un usage assisté par IA.
Une synthèse des idées de Mario Zechner sur les agents de code. Pourquoi le minimalisme de l'agent Pi, couplé à une ingénierie stricte du contexte et à des outils CLI, bat souvent les frameworks lourds.
Une suite de tests peut afficher une bonne couverture et rater un bug évident. Pour mesurer la qualité réelle, je regarde quatre axes complémentaires, avec un audit simple à appliquer sur un projet existant.
Une fois la spec posée, je répartis le travail entre humain, IA et outils déterministes. Le test critique ne vient pas toujours du même auteur que le code, et le critic-agent compte souvent plus qu'un writer-agent.
La première étape du workflow IA est la spécification. Cet article montre comment transformer une user story floue en spec exploitable par un humain et un agent, avec Gherkin, exemples typés et propriétés.
La promesse implicite des assistants de code IA était que les tests deviendraient une corvée du passé. La réalité documentée par Kent Beck, ThoughtWorks et plusieurs études de 2025 est l'inverse : avec l'IA, les tests deviennent indispensables — mais le travail s'est déplacé.