Maison
« Zero People Coding » : des ingénieurs d'OpenAI dévoilent la « distillation » de l'IA pour les agents, qu'ils présentent comme le coéquipier idéal, avec 10 millions de lignes de code

Ryan Lopopolo, ingénieur chez OpenAI, a récemment publié un article détaillé intitulé « Harness Engineering », dans lequel il explique comment les équipes internes s'appuient fortement sur Codex. Cette expérience a donné naissance à une « bibliothèque fantôme » baptisée Symphony et a établi un nouveau paradigme d'ingénierie.
Expérience principale : adopter la contrainte « pas de codage humain »
Dès le début de l’expérience, Ryan a imposé une contrainte radicale : ne jamais écrire de code manuellement.
De la frustration à la percée : au départ, le modèle peinait à gérer une logique complexe, ce qui rendait le développement dix fois plus lent que le travail humain.
Faire évoluer les outils : pour permettre à l’agent de travailler de manière autonome, l’équipe a mis au point un système « Harness » (console de développement) très sophistiqué.
Gains exponentiels d’efficacité : à mesure que des modèles tels que GPT-5.4 s’amélioraient, l’efficacité du système a fini par dépasser celle de n’importe quelle équipe d’ingénieurs.
Stratégies clés : maintenir le temps de compilation en dessous d’« une minute »
Au sein d’OpenAI , l’efficacité de l’Agent repose sur un retour d’information extrêmement rapide :
Boucle interne : l’équipe a reconstruit de manière itérative le système de compilation (de Makefile à Bazel puis à Nx), en maintenant les temps de compilation strictement en dessous d’une minute.
Décomposition logique : lorsque les compilations ralentissaient, l’Agent divisait automatiquement le graphe de compilation en parties plus petites jusqu’à ce que la complexité passe sous le seuil, préservant ainsi la concentration de l’Agent.
Changement de paradigme : les humains deviennent le goulot d’étranglement de la révision des PR
Lorsque le code pouvait être facilement parallélisé, la véritable ressource rare était l’attention humaine.
Révision post-fusion : l’équipe a automatisé les révisions pré-fusion, reportant la plupart des révisions manuelles après la fusion du code à des fins d’assurance qualité et de capitalisation des connaissances.
L’observabilité comme moyen d’autonomisation : les ingénieurs se concentrent désormais sur l’équipement de l’Agent en traces (tracing) et en outils d’observabilité, lui conférant ainsi des capacités d’auto-réparation, plutôt que de corriger eux-mêmes les bogues.
Distillation de l’expérience : les ingénieurs seniors codifient leurs connaissances tacites dans des documents de compétences et des tests, en les intégrant dans le contexte du système.
L’avenir du secteur : bibliothèques fantômes et internalisation des dépendances
Ryan a proposé une vision provocante : à mesure que le coût des jetons tend vers zéro, les dépendances logicielles pourraient disparaître.
Bibliothèques fantômes : les développeurs n’ont plus qu’à définir une spécification haute fidélité, laissant l’Agent la reconstruire et l’implémenter localement.
Internalisation des dépendances : pour les bibliothèques tierces de complexité moyenne à faible, l’Agent peut les intégrer directement dans le référentiel, en supprimant le code superflu et en créant une pile technologique entièrement autonome.
Conclusion : de Copilot à coéquipier autonome
Selon l’équipe Frontier d’OpenAI, le développement logiciel de demain s’optimisera en fonction de la lisibilité pour l’Agent plutôt que des habitudes humaines, restructurant ainsi l’ensemble de la base de code en conséquence. Lorsque les Agents géreront l’intégralité du cycle de vie — de l’écriture du code au déploiement en intégration continue, en passant par la surveillance en production —, les ingénieurs humains se consacreront entièrement à leur rôle de « berger » de l’architecture système.
Article connexe
Ctrip Business Travel dévoile un écosystème d'intelligence artificielle comprenant 7 agents sectoriels et 17 fonctionnalités clés
Ctrip Business Travel a officiellement dévoilé l’« Écosystème IA de Ctrip Business Travel », qui s’appuie sur des modèles linguistiques de grande envergure pour restructurer en profondeur la gestion d
Stripe va acquérir OpenRouter alors que le routage basé sur des modèles d'IA prend de l'ampleur
Stripe a conclu un accord en vue d’acquérir OpenRouter, une plateforme de routage de modèles d’IA qui permet aux développeurs d’accéder à des centaines de modèles via une interface unique. Cette acqui
Barrett Zoph, ancien chercheur chez OpenAI, revient chez Google pour contribuer au développement de Gemini
Barret Zoph, qui avait auparavant quitté brusquement l’entreprise pour rejoindre OpenAI en raison d’un désaccord avec Miriam Mularati, PDG de Thinking Machines Lab, a une nouvelle fois changé d’employ
Recommandations de sujets spéciaux liés
commentaires (0)

Ryan Lopopolo, ingénieur chez OpenAI, a récemment publié un article détaillé intitulé « Harness Engineering », dans lequel il explique comment les équipes internes s'appuient fortement sur Codex. Cette expérience a donné naissance à une « bibliothèque fantôme » baptisée Symphony et a établi un nouveau paradigme d'ingénierie.
Expérience principale : adopter la contrainte « pas de codage humain »
Dès le début de l’expérience, Ryan a imposé une contrainte radicale : ne jamais écrire de code manuellement.
De la frustration à la percée : au départ, le modèle peinait à gérer une logique complexe, ce qui rendait le développement dix fois plus lent que le travail humain.
Faire évoluer les outils : pour permettre à l’agent de travailler de manière autonome, l’équipe a mis au point un système
Gains exponentiels d’efficacité : à mesure que des modèles tels que
Stratégies clés : maintenir le temps de compilation en dessous d’« une minute »
Au sein
Boucle interne : l’équipe a reconstruit de manière itérative le système de compilation (de Makefile à Bazel puis à Nx), en maintenant les temps de compilation strictement en dessous d’une minute.
Décomposition logique : lorsque les compilations ralentissaient, l’Agent divisait automatiquement le graphe de compilation en parties plus petites jusqu’à ce que la complexité passe sous le seuil, préservant ainsi la concentration de l’Agent.
Changement de paradigme : les humains deviennent le goulot d’étranglement de la révision des PR
Lorsque le code pouvait être facilement parallélisé, la véritable ressource rare était l’attention humaine.
Révision post-fusion : l’équipe a automatisé les révisions pré-fusion, reportant la plupart des révisions manuelles après la fusion du code à des fins d’assurance qualité et de capitalisation des connaissances.
L’observabilité comme moyen d’autonomisation : les ingénieurs se concentrent désormais sur l’équipement de l’Agent en
Distillation de l’expérience : les ingénieurs seniors codifient leurs connaissances tacites dans des documents de compétences et des tests, en les intégrant dans le contexte du système.
L’avenir du secteur : bibliothèques fantômes et internalisation des dépendances
Ryan a proposé une vision provocante : à mesure que le coût des jetons tend vers zéro, les dépendances logicielles pourraient disparaître.
Bibliothèques fantômes : les développeurs n’ont plus qu’à définir une spécification haute fidélité, laissant l’Agent la reconstruire et l’implémenter localement.
Internalisation des dépendances : pour les bibliothèques tierces de complexité moyenne à faible, l’Agent peut les intégrer directement dans le référentiel, en supprimant le code superflu et en créant une pile technologique entièrement autonome.
Conclusion : de Copilot à coéquipier autonome
Selon l’équipe Frontier d’OpenAI, le développement logiciel de demain s’optimisera en fonction de la lisibilité pour l’Agent plutôt que des habitudes humaines, restructurant ainsi l’ensemble de la base de code en conséquence. Lorsque les Agents géreront l’intégralité du cycle de vie — de l’écriture du code au déploiement en intégration continue, en passant par la surveillance en production —, les ingénieurs humains se consacreront entièrement à leur rôle de « berger » de l’architecture système.
Ctrip Business Travel dévoile un écosystème d'intelligence artificielle comprenant 7 agents sectoriels et 17 fonctionnalités clés
Ctrip Business Travel a officiellement dévoilé l’« Écosystème IA de Ctrip Business Travel », qui s’appuie sur des modèles linguistiques de grande envergure pour restructurer en profondeur la gestion d
Stripe va acquérir OpenRouter alors que le routage basé sur des modèles d'IA prend de l'ampleur
Stripe a conclu un accord en vue d’acquérir OpenRouter, une plateforme de routage de modèles d’IA qui permet aux développeurs d’accéder à des centaines de modèles via une interface unique. Cette acqui
Barrett Zoph, ancien chercheur chez OpenAI, revient chez Google pour contribuer au développement de Gemini
Barret Zoph, qui avait auparavant quitté brusquement l’entreprise pour rejoindre OpenAI en raison d’un désaccord avec Miriam Mularati, PDG de Thinking Machines Lab, a une nouvelle fois changé d’employ











