Comment diriger 30 agents IA : décupler votre productivité de codage par 10 avec Gastown

L'ère où l'on posait une simple question sur le code à un chatbot en attendant sa réponse est révolue. Bien que Claude Code ou GitHub Copilot soient d'excellents assistants, ils s'avèrent trop lents et linéaires pour modifier des systèmes d'entreprise où s'entremêlent des centaines de fichiers. Confier l'intégralité d'une tâche à une seule IA, qui finit par perdre le contexte et s'égarer au fil des sessions prolongées, n'est désormais plus qu'un goulot d'étranglement pour la productivité.

Nous sommes désormais à l'ère de l'orchestration d'agents. Le projet open-source Gastown, proposé par Steve Yegge, vise à créer un système d'usine de codage capable de faire fonctionner plus de 30 agents IA simultanément pour décomposer les fonctionnalités et les construire en parallèle. Vous ne devez plus être un simple codeur, mais l'orchestrateur à la tête d'une légion d'IA.

L'architecture Gastown : des résultats parfaits à partir de travailleurs incertains

Gastown n'est pas un simple habillage (wrapper) d'IA. Il adopte les principes du calcul distribué pour résoudre l'instabilité individuelle des agents grâce à la structure même du système. La clé réside dans une séparation claire des rôles et une division du travail en unités atomiques.

• Le Maire (Mayor) : Le coordinateur central de l'ensemble du système. Il analyse les objectifs du développeur pour les décomposer en petites unités de travail appelées "beads".
• Le Bead : Une donnée d'issue persistante, sauvegardée par Git. C'est le dispositif central qui préserve l'historique du travail même si une session d'agent plante.
• Le Polecat : Un travailleur éphémère qui modifie réellement le code dans une arborescence de travail (worktree) Git indépendante. Il s'autodétruit immédiatement après avoir terminé sa tâche pour éviter tout conflit de code.

L'essence de cette structure est de s'échapper du Vibe Coding (codage au ressenti). Gastown empêche physiquement les agents de soumettre des commits directement sur la branche principale via un système de hooks PreToolUse. Tout le code est rédigé sur des branches de fonctionnalités distinctes et ne peut être intégré qu'après avoir passé les tests rigoureux de la raffinerie.

Stratégie de déploiement des agents selon la taille du projet

Déployer des dizaines d'agents pour chaque tâche serait un gaspillage de coûts d'API. Il convient de répartir la puissance de feu de manière appropriée selon la complexité du travail.

Taille du projet	Configuration des agents	Stratégie clé d'utilisation
Petite (Correction de bug)	1 Maire + 1~2 Polecats	Se concentrer sur les instructions et la revue des résultats plutôt que sur le codage direct
Moyenne (Nouvelle API)	1 Maire + 5~10 Polecats	Avancement parallèle des tâches front-end et back-end
Grande (Changement d'architecture)	1 Maire + 20~30 Polecats	Déploiement d'agents témoins pour résoudre les goulots d'étranglement en temps réel

Lors d'une transition à grande échelle, faire tourner 30 agents permet de réduire à environ 20 minutes une tâche qui en prendrait 6 manuellement. Cependant, cela suppose une optimisation de l'allocation des modèles. Confiez les tâches de conception au Maire avec un modèle haute performance comme Claude 3.5 Sonnet, et affectez des modèles au bon rapport qualité-prix comme Gemini aux Polecats chargés de l'implémentation simple ou des tests afin de maximiser l'efficacité des coûts.

Application pratique : Guide de mise en place d'un système d'authentification JWT

Imaginons l'ajout d'une authentification JWT à une application Go. Voici comment mettre en mouvement votre légion avec une seule ligne de commande :

1. Accès au Maire : Démarrez la session avec la commande gt mayor attach.
2. Définition de l'objectif : "Construire un système JWT pour le projet Go. Inclure les modifications du schéma de la base de données, l'API de connexion, le middleware et les tests d'intégration."
3. Orchestration : "Ne code pas directement, décompose le travail et délègue-le aux Polecats. Effectue la revue via la raffinerie."
4. Surveillance : Vérifiez la progression de chaque agent en temps réel avec gt convoy list.
5. Examen : Validez le résultat final fusionné par la raffinerie après vérification avec gt status.

Si le fonctionnement n'est pas fluide, vérifiez d'abord votre environnement. Il est notamment essentiel de s'assurer que la version de Dolt est 1.82.4 ou supérieure. Les anciennes versions provoquent des erreurs de synchronisation de la base de données Git, entraînant des conflits de travail entre les agents. De plus, si vous rencontrez des problèmes avec l'exécution du démon, vérifiez que la version de tmux -V est 3.0 ou plus, puis réinitialisez l'environnement avec gt doctor --fix.

Le nouveau rôle de l'ingénieur senior : Architecte système

Faire fonctionner 30 agents IA simultanément signifie que vous ne tapez plus de code vous-même. Désormais, la véritable compétence d'un ingénieur réside dans sa capacité à consigner avec précision les décisions architecturales dans des documents d'instruction tels que CLAUDE.md.

Les agents sont de formidables alliés, mais sans une gestion adéquate, ils ressemblent à des chimpanzés super-intelligents capables de paralyser le système. Veillez à les faire fonctionner dans un environnement expérimental (Rig) séparé et fixez des limites de budget API. Pour réduire la fatigue liée à l'examen de dizaines de Pull Requests, déployez un agent supplémentaire jouant le rôle de "shérif des PR" pour filtrer en amont les erreurs de syntaxe et les échecs de tests. Votre usine logicielle est maintenant prête à tourner.