Transcription
6h du matin, personne derrière l'écran. Le terminal est ouvert et Claude Code est en train de passer en revue les commits de la nuit, de vérifier qu'aucun bug n'a été introduit et de rédiger un résumé complet de l'état du projet. Quand le développeur arrive avec son café à 8h du matin, tout est déjà prêt. Il n'a rien demandé, il n'a rien lancé. C'est l'agent ICL Code qui a décidé que c'était l'heure et ce n'est pas un scénario effectif. C'est exactement ce que permettent les deux fonctionnalités qu'Antropic vient d'ajouter à Clode Code et elle transforme radicalement la manière dont on peut utiliser cet outil. On ne parle plus d'un assistant qui attend sagement vos instructions. Non, on parle d'un agent autonome capable de travailler pendant que vous dormez, de surveiller vos projets en continu et même de s'améliorer tout seul d'une exécution à l'autre. Messieursdames, dans les prochaines minutes, vous allez comprendre exactement comment ça fonctionne, comment le configurer et surtout pourquoi. C'est probablement le plus gros changement dans l'univers des outils de code assistés par IA depuis l'arrivée de Cloud Code lui-même. D'ailleurs, si vous avez rejoint la communauté Vision IA, sachez que j'ai une très bonne nouvelle pour vous, mais ça on en reparlera en fin de vidéo.
Commençons par la première brique qui a été ajoutée au nouveau cloud code, les tâches planifiées. Alors, vous allez voir, le principe est assez simple à comprendre. Vous allez écrire un prompt une seule fois. Vous choisissez une fréquence, donc disons toutes les heures ou tous les jours ou toutes les semaines et Cloud Code va l'exécuter automatiquement. Vous ouvrez l'application Cloud Code pour le bureau. Vous allez dans l'onglet schedule, vous cliquez sur nouvelle tâche et il vous suffit de remplir quatre champs. Un nom, un prompt, le modèle que vous voulez utiliser et la fréquence. Puis c'est terminé. Chaque exécution démarre une session fraîche avec un accès complet à tous vos fichiers, à vos serveurs MCP, vos skills, vos plugins et cetera avec de la sécurité tropique. L'agent va lire le prompt, il va travailler dans votre projet, il fait ce qu'il a à faire puis il s'arrête proprement et le lendemain il recommence. Ce qui rend cette fonctionnalité fondamentalement différente d'un simple Chrome Job classique, c'est que l'exécuteur n'est pas un script déterministe, c'est un agent. Dans un script Python classique, si la ligne 47 plante et bien ça plante euh il ne cherche pas à comprendre pourquoi il ne tente pas une autre approche. Il vous envoie une erreur et il attend. Clud code au contraire quand il rencontre un problème il analyse l'erreur. Il laissait trois autres stratégies. Il identifie celle qui fonctionne et il continue. C'est ce qu'on appelle un workflow autoréparateur. Et vous allez voir ça change absolument tout quand on parle d'automatisation sans supervision.
Mais ayant dit cela, ce n'est pas le plus impressionnant de cette histoire. La deuxième fonctionnalité s'appelle les boucles ou les loops en anglais et elle répond à un besoin complètement différent. Les tâches planifiées sont faites pour le long terme tous les matins à 8h30, chaque vendredi soir ou le premier lundi du mois, peu importe. Les loops, elles au contraire sont conçues pour le temps réel. Vous êtes en plein déploiement et vous voulez que Claud code vérifie toutes les 5 minutes si tout se passe bien. Une seule commande suffit. /loop 5 minutes check if deployment is finished. Cloud va créer un job intern et toutes les 5 minutes, il va exécuter cette vérification directement dans votre session en cours. Vous n'avez même pas besoin d'utiliser la commande/ash. Vous pouvez simplement écrire en langage naturel et en français aussi. Toutes les 10 minutes, vérifie mon clickup pour voir s'il y a du nouveau sur le projet et il va le faire. La différence essentielle avec les tâches planifiées, c'est que les loops fonctionnent à l'intérieur d'une seule et même session. Ça veut dire que chaque itération a accès au contexte des précédentes. L'agent voit ce qu'il a vérifié il y a 10 minutes, il voit les résultats d'il y a 20 minutes et il peut adapter son comportement en conséquence. C'est un avantage énorme pour les tâches de surveillance. Mais attention, c'est aussi un piège potentiel. Bien sûr, si votre loupe, votre boucle génère un rapport détaillé toutes les 10 minutes, au bout de quelques heures, la fenêtre de contexte va commencer à saturer. Il faut donc penser à garder les outputs concis, les sorties concises. Les loops sont disponibles partout dans le terminal, dans VS Code, dans l'application de bureau et cetera. Elles prennent en charge les intervalles réguliers, donc toutes les 5 minutes, toutes les heures, toutes les 2hures et cetera, mais aussi les rappels ponctuels. Vous pouvez dire par exemple à 15h, rappelle-moi de mettre en production la branche de la branche officielle. Et Cloud programme un job unique qui s'autodétruit après cette exécution. Chaque session peut contenir jusqu'à 50 tâches planifiées simultanément. Et si vous voulez tout annuler, vous fermez la session ou alors vous dites tout simplement annule tous les jobs en cours. Il y a toutefois une limite importante à connaître. Les loops expirent automatiquement après 3 jours. C'est une sécurité mise en place par un tropic pour éviter que des boucles oubliées ne tournent indéfiniment. Si votre besoin dépasse 3 jours, c'est un signal clair qu'il faut basculer vers une tâche planifiée classique plutôt que des loops. Et d'ailleurs, la question à se poser est très simple. Est-ce que j'ai besoin d'aide maintenant sur ce projet pendant quelques heures ou alors quelques jours ? Si oui, alors c'est une loupe. Est-ce que j'ai besoin d'une automatisation qui tourne chaque semaine indéfiniment ? Si oui, c'est une tâche planifiée.
On arrive maintenant à la partie qui personnellement me fascine le plus. Les tâches planifiées sont statlessess. Ça veut dire que chaque exécution démarre sans aucune mémoire de la précédente. Et les loops, donc les boucles L, partagent le contexte mais sont éphémères. Alors, comment faire pour qu'un agent autonome devienne réellement plus intelligent au fil du temps ? La réponse tient en un concept un fichier mémoire partagée. Le principe c'est le suivant. Vous structurez le prompt de votre tâche planifiée en trois phases. Phase numéro 1, avant de commencer tout travail, vous dites à votre agent, lis le fichier dernierrun.md qui contient le résumé de ta dernière exécution. Phase numéro 2, vous lui dites fais ton travail principal. Et phase numéro 3, une fois que tu as terminé, écrase ce fichier avec ce nouveau résumé. Ce que tu as fait, combien de temps ça a pris, les problèmes rencontrés, les pistes d'amélioration et cetera. L'agent suivant, celui qui va se réveiller le lendemain, commence par lire ce fichier-là et hérite immédiatement du contexte de son prédécesseur. On peut aller encore plus loin. Rien n'empêche euh d'ajouter dans le promps une instruction du type euh "Si tu identifies une façon d'améliorer ce promp, réécris-le." Vous voyez l'autoamélioration ici. L'agent peut donc non seulement corriger son propre code quand il plante, mais aussi optimiser les instructions qu'il reçoit. On entre dans la logique d'un système auto-améliorant et ce n'est pas de la science-fiction, c'est littéralement ce que permet la combinaison de CR de code avec un accès en écriture à ses propres fichiers de configuration. D'ailleurs, cette semaine, André Schpati, l'ancien directeur IA de Tesla et cfondateur d'Openai, a rendu public un projet qui illustre parfaitement cette philosophie. Il s'appelle Auto Research. Le concept est assez simple. Vous donnez à un agent IA un GPU, donc une carte pour faire des calculs IA, un setup d'entraînement de modèle de langage et un fichier d'instruction. Puis vous allez dormir. L'agent va modifier le code d'entraînement. Il va lancer un run de 5 minutes, vérifier si le les résultats se sont améliorés. Il va garder ou rejeter les modifications et recommencer ainsi de suite. En une nuit, environ 100 expériences sont réalisées sans aucune intervention humaine. Et au petit matin, vous récupérez un modèle optimisé et un journal complet de tout ce qui a été testé. Carpati a commenté la chose avec une phrase qui résume parfaitement l'époque. Il dit, je cite, "Je n'ai touché à rien." Voilà ce que ça a fait le poste AGI. Le parallèle avec code est frappant. Autosarch utilise une boucle autonome avec un agent qui modifie, test et Cloud Code avec ses tâches planifiées et ses loops offrent exactement la même architecture mais appliqué à n'importe quel projet de développement, pas uniquement à l'entraînement des modèles. La différence c'est que Cloud Code est ici accessible à tous, même sans GPU, donc sans carte graphique pour faire les calculs d'IA.
Parlons maintenant d'un aspect pratique qui est vraiment crucial. Comment savoir quand une tâche automatisée a terminé son travail ? Parce que si Cloud Code fait tout seul ses reviews de code à 6h du matin, c'est bien. Mais si vous ne voyez le résultat qu'en fouillant dans les logs 3 jours plus tard, ça perd tout son intérêt, n'est-ce pas ? Première option, l'application de bureau affiche toutes vos tâches de manière organisée avec l'historique complet de chaque exécution. Vous pouvez consulter chaque run, voir ce qu'il s'est passé et identifier les éventuels problèmes. Mais soyons honnête, personne ne va vérifier ça proactivement tous les matins. Euh la solution, ce sont tout simplement les hooks. Cloud code permet aussi de configurer des hooks, donc des actions qui se déclenchent automatiquement à certains moments du cycle de vie d'une session. Vous pouvez par exemple configurer un hook qui joue un son à chaque fois qu'une session se termine ou mieux encore intégreer directement dans le prompt de votre tâche une instruction finale du type une fois terminée envoie-moi un message avec le résumé. L'argent ont fait son travail et la dernière chose qu'il fait c'est vous notifier. Depuis cette semaine Cloud Code prend également en charge les hooks http ce qui signifie que vous pouvez déclencher n'importe quel web hook. Donc que ce soit Slack, Discord, Telegram et email, ClickUp et cetera, tout ce que vous voulez. Et pour ceux qui veulent aller encore plus loin, il existe une troisième voie, les GitHub action. Antropic propose une action officielle qui permet de programmer Cloud Code directement dans vos pipelines. L'avantage est assez considérable. Ça tourne sur les serveurs de GitHub, donc pas besoin de laisser votre ordinateur allumer parce que oui, c'est la principale limitation actuelle des tâches planifiées en local. Votre machine doit être allumée et l'application doit être ouverte pour que les tâches s'exécutent. Si votre ordinateur dort, Cloud code dort aussi. La bonne nouvelle, c'est que quand vous rallumez, il vérifie automatiquement les sept derniers jours et il rattrape les tâches manquées.
Si vous regardez l'évolution d'entropique ces derniers mois, la trajectoire est assez limpide. Clude Opus 4.6 vient de prendre la première place du classement webdev arena devant tous les modèles d'openhei et de Google pour le code informatique. Cowork est sorti pour les utilisateurs pro. Les plugin, le marketplace, le remote control, la mémoire persistante, tout converge vers un seul et même objectif. faire de cloud code un véritable collègue autonome, pas juste un outil qu'on interroge. Et nous n'en sommes qu'au début, hein. Les tâches planifiées ne sont disponibles dans l'application Cloud Descope, donc Cloud Bureau que depuis quelques semaines. Les loops, les boucles viennent tout juste d'arriver. Alors oui, au rythme actuel auquel Anthopique livre des mises à jour, on parle de release quasi quotidien. Il est probable que les tâches planifiées soient bientôt disponibles directement dans le terminal et dans les extensions VS Code aussi. Et quand cela arrivera, la barrière entre outil de développement et agent autonome permanent aura définitivement disparu.
Alors messieurs dames, si tout ce que vous venez d'entendre vous donne envie de maîtriser clot code mais que vous ne savez pas trop par recommencer ou alors que ça vous semble un peu compliqué ou si vous vous l'utilisez déjà mais que vous sentez que vous n'exploitez qu'une fraction de son potentiel, alors j'ai une très bonne nouvelle pour vous. D'ailleurs, je suis en train de finaliser un module complet sur Cloud Cloud dans ma formation qui vous amène de la toute première installation jusqu'à la mise en place de ces workflow automatisés. Tout est en français, tout est pensé pour être accessible et tout est mis à jour en permanence pour suivre le rythme d'anthropique. Je suis en train d'y travailler en ce moment, mais vous pouvez vous y abonner dès maintenant et avoir accès au tout nouveau module Cloud code dès qu'il sera dispo et à beaucoup d'autres modules tout de suite pour 49 €. D'ailleurs, à tous ceux qui ont acquis la formation, je sais que vous êtes très très nombreux. Bonne nouvelle, une très très grosse mise à jour de celle-ci arrive. On va tout revoir, on va tout actualiser et comme je vous l'avais promis, cela ne vous coûtera rien de plus. Les liens sont en description.