AutoGen : une équipe d'agents IA qui développait du logiciel

Frustré par les limites de contexte des modèles de langage pour coder des applications d’envergure, j’ai développé AutoGen à la mi-2025 : une plateforme open source (licence MIT) où des agents IA collaboraient de manière autonome pour transformer une simple demande en projet logiciel. À l’époque, les fenêtres de contexte des modèles étaient encore courtes ; les modèles et les agents de code actuels ont depuis largement dépassé ces limites.

Une équipe de développement virtuelle

• Un superviseur découpait le projet en jalons et coordonnait.
• Un analyste concevait l’architecture et les spécifications.
• Un développeur écrivait le code et les tests.

Chaque agent disposait de ses outils, d’une mémoire partagée et d’un protocole de communication structuré. J’ai écrit l’orchestration directement, sans framework, pour en maîtriser chaque mécanisme.

L’architecture

• Un cycle réflexion puis action : chaque agent réfléchissait à sa tâche, la découpait, puis exécutait son plan à l’aide de ses outils.
• Des outils spécialisés et extensibles : lire et écrire des fichiers, communiquer, rechercher des informations.
• Une communication entre agents : ils se consultaient et rendaient compte au superviseur, qui pouvait modifier le plan.
• Une mémoire à deux niveaux : une mémoire de conversation par agent, et une mémoire de projet partagée avec recherche vectorielle et compression de l’historique.
• Indépendant du modèle : appels concurrents, limitation des quotas d’API, modèle configurable pour chaque agent.
• Une traçabilité complète : tableau de bord, journaux structurés et historique de tous les échanges avec les modèles.

L’architecture d’AutoGen : superviseur, analyste et développeur, système de mémoire, moteur de recherche et sorties du système.

Ce qu’AutoGen produisait

En phase de prototype avancé, AutoGen générait du code exploitable pour des projets de complexité intermédiaire : une calculatrice, un organisateur de fichiers, une API de collecte web, une API de prédiction immobilière par machine learning.

Ce que j’en retiens

Ce qui fonctionnait très bien : la planification et la cohérence d’ensemble, le code pour des schémas connus, la documentation et les tests, la mémoire partagée, l’économie de tokens. Ce qui restait difficile : la logique métier très spécifique, la tendance à la sur-ingénierie, le contrôle d’agents non déterministes et le débogage d’intégrations complexes.

AutoGen n’avait pas vocation à remplacer les développeurs. Il automatisait les tâches répétitives, accélérait le prototypage et repérait tôt les manques d’un cahier des charges, pour libérer du temps sur la logique métier.