SDLC agentique : les 5 composants essentiels (board, agents, porte de revue)

Ce qu'il faut concrètement pour un SDLC agentique : un tableau partagé, des agents assignables, un agent de revue distinct, un circuit de renvoi et un humain qui met en production. La boucle, étape par étape.

Ashley Innocent

Ashley Innocent

18 novembre 2026

SDLC agentique : les 5 composants essentiels (board, agents, porte de revue)

Réponse rapide : un SDLC agentique est une boucle de livraison logicielle où des agents de codage rédigent le travail et où ce sont les humains qui décident de ce qui est livré. Elle nécessite cinq éléments : un tableau partagé, des agents qui prennent en charge les tâches qui leur sont assignées, un agent relecteur distinct, un mécanisme pour renvoyer le travail avec des retours écrits, et un humain qui effectue la publication. La boucle suit les étapes : assigner, rédiger, relire, réviser, livrer.

« SDLC agentique » est l'expression du moment. Postman a organisé une session en direct sur la conduite d'un SDLC agentique complet depuis un seul terminal le 17 novembre 2026, et chaque fournisseur d'agents dispose désormais de sa diapositive sur le cycle de vie. Mettez les diapositives de côté, et la question pour votre équipe est plus simple : que faut-il mettre en place pour que le travail d'un agent passe de la demande à la livraison sans qu'une personne supervise chaque étape ?

Ce guide y répond avec la boucle que nous utilisons nous-mêmes. Chaque article de ce blog la suit : un agent rédacteur produit le brouillon, un agent relecteur contrôle, un commentaire renvoie le travail, et une personne publie. Si vous voulez adopter la même organisation avec vos propres agents de codage, Sharkly est le tableau sur lequel nous la faisons tourner.

Ce qu'est un SDLC agentique (et ce qu'il n'est pas)

Un SDLC agentique est un processus de livraison dans lequel des agents prennent en charge des étapes définies du travail — rédaction, tests ou relecture — tandis qu'un registre partagé trace chaque transfert et qu'une personne conserve la décision de mise en production. C'est un changement de processus, pas un outil qu'on installe.

Ce n'est pas « un agent qui fait tout en une seule session », une approche qui échoue dès que deux tâches touchent le même dépôt. Ce n'est pas non plus « du CI avec un chatbot greffé dessus » : le CI vérifie ce que vous avez écrit, tandis qu'un SDLC agentique décide aussi qui travaille sur quoi et où va le travail quand une vérification échoue.

Si vous débutez du côté de l'exécution, commencez par ce qu'est le codage agentique. Cet article porte sur la couche qui l'entoure.

Pourquoi un seul terminal ne suffit pas

Une session de terminal contient le contexte d'un seul agent. Ajoutez une deuxième tâche, un autre agent ou une autre personne, et trois problèmes apparaissent :

  • Pas de registre partagé. Le plan, le diff et la raison du diff vivent dans un historique que personne d'autre ne peut consulter.
  • Pas de vérification indépendante. L'agent qui a écrit le code décide aussi que c'est terminé. L'auto-relecture attrape les fautes de frappe, pas les hypothèses erronées.
  • Pas de chemin de retour. Quand un relecteur détecte un problème, il n'existe aucun moyen structuré de renvoyer le travail avec la liste des corrections.

L'intégration continue repose sur une branche principale partagée et un retour rapide. Un SDLC agentique a besoin des deux, un niveau au-dessus : un lieu partagé pour le travail et un moyen rapide de dire « pas encore, voici pourquoi ».

Les cinq éléments dont un SDLC agentique a besoin

  1. Un tableau partagé où chaque tâche porte son objectif, son statut, ses commentaires et son historique d'exécution.
  2. Des agents assignables qui démarrent quand une tâche leur est assignée et s'arrêtent quand elle est mise en attente.
  3. Un agent relecteur distinct, avec ses propres instructions, déclenché par un changement de statut.
  4. Un mécanisme de renvoi : un commentaire ou une commande qui retourne la tâche au rédacteur avec les constats du relecteur.
  5. Une étape de publication humaine qu'aucun agent ne peut contourner.

Le choix du modèle, le style de prompt et l'environnement d'exécution sont interchangeables. Ces cinq éléments constituent le squelette.

Étape 1 : Assigner

La boucle démarre quand une personne assigne une tâche. Dans Sharkly, une tâche assignée à un Agent ou à une Crew ne déclenche aucune exécution tant qu'elle reste dans le Backlog. La sortir de là démarre l'Agent assigné dès que son Computer (le portable ou le serveur connecté qui l'exécute) est prêt. Vous obtenez une zone d'attente : rédigez le brief et définissez le responsable avant de dépenser le moindre token.

Selon la documentation des statuts de tâche, chaque statut appartient à une catégorie fixe : Backlog, Unstarted, Started, Completed, Canceled ou Duplicate. Déplacer une tâche vers Canceled ou Duplicate arrête ses exécutions actives. La déplacer vers Completed la rend terminale mais n'annule pas une exécution déjà en cours.

Étape 2 : Rédiger

L'agent rédacteur s'exécute sur un Computer connecté via un Runtime tel que Claude Code ou Codex. Sharkly transmet à l'exécution le titre et la description de la tâche, les commentaires récents, l'Espace et le Sprint, ainsi que les statuts autorisés pour ce type de tâche. Chaque tâche reçoit un répertoire isolé, et le travail sur un dépôt peut utiliser un worktree séparé par exécution, pour que deux agents modifiant le même code ne se marchent pas dessus.

L'état d'exécution et le statut de la tâche sont distincts : une exécution peut se terminer ou échouer pendant que la tâche reste In Progress. L'agent rédacteur signale donc « prêt pour relecture » en changeant le statut de la tâche, pas en terminant une exécution.

Notre agent rédacteur termine chaque brouillon par un commentaire de synthèse (slug, nombre de mots, résultats des vérifications, questions en suspens) et par un passage au statut Ready for Release.

Étape 3 : Relire

Le relecteur est un autre agent, avec d'autres instructions. Dans Sharkly, on le câble avec une Automation : une règle détenue par un Espace qui démarre un Agent ou une Crew quand un déclencheur se produit. La documentation des Automations liste quatre types de déclencheurs : une planification cron, un changement de statut de tâche, une phrase dans un commentaire et un webhook. Un contrôle de relecture utilise le déclencheur de statut de tâche.

Trois Automations Sharkly connectées aux événements du tableau : Revise sur /revise (un déclencheur de commentaire), Social follow-up quand le statut passe à Done, et Review gate quand le statut passe à Ready for Release

Un détail piège les gens : la correspondance des statuts et des commentaires s'applique à toute l'Organisation. Si deux Espaces partagent le statut Ready for Release, un changement dans l'un comme dans l'autre déclenche le contrôle. La documentation recommande un statut étroit et des instructions qui vérifient d'abord la tâche déclencheuse. Les instructions de notre relecteur commencent par cette vérification. En voici une version simplifiée :

Review gate instructions (simplified)
1. Read the triggering task. If its body does not say "Brand: Sharkly", reply "Not mine" and stop.
2. Run the check script on the draft. Record word count and failures.
3. Check every product claim against the live docs, not a local copy.
4. Verdict: GATE PASS, or start the comment with /revise and list numbered fixes
   with the line, the problem and the source.

Séparer rédacteur et relecteur est le principal levier de qualité de la boucle. Nous avons exposé le raisonnement dans pourquoi les agents IA devraient relire les pull requests avant vous, et l'angle du mélange de modèles dans les Crews à modèles mixtes.

Étape 4 : Réviser

Une relecture en échec nécessite un chemin de retour qui transporte les constats. Le nôtre est un commentaire qui commence par /revise. Une seconde Automation avec un déclencheur de commentaire surveille cette phrase (la correspondance est insensible à la casse et s'applique partout dans le commentaire) et relance l'agent rédacteur sur la même tâche, avec le commentaire du relecteur dans son contexte.

Le commentaire d'un Agent relecteur sur une tâche Sharkly : il commence par /revise et GATE BLOCKED, indique que deux affirmations sur le produit contredisent la documentation d'aide en ligne, et note que la vérification automatisée a réussi à 1 534 mots

Cette capture d'écran est un contrôle réel de ce blog, sur un article aujourd'hui en ligne. Le brouillon avait passé ses vérifications automatisées à 1 534 mots, et le relecteur l'a quand même bloqué : deux affirmations sur le produit contredisaient la documentation d'aide en ligne. Le rédacteur a corrigé les deux, a répondu dans le même fil et a remis la tâche en Ready for Release. Le contrôle s'est exécuté à nouveau et a passé.

Gardez la liste des corrections numérotée et précise : l'emplacement, ce qui ne va pas, la source qui le prouve. Un vague « resserre ça » produit une révision vague.

Étape 5 : Livrer

La dernière étape appartient à une personne. Quand un Agent laisse une tâche en attente de relecture humaine, ce transfert apparaît dans les Task Chats de la barre latérale, tandis que le travail en échec ou bloqué atterrit dans l'Inbox. La personne responsable lit le verdict du relecteur, ouvre le résultat et décide.

Dans notre pipeline, aucun agent ne peut publier. Le rédacteur pousse un brouillon, le relecteur le valide ou le bloque, et un humain clique sur publier. Passer la tâche en Done déclenche alors une troisième Automation qui rédige des publications pour les réseaux sociaux une fois qu'elle a confirmé que l'article est en ligne.

Pour le code, la même règle se traduit par les branches protégées de GitHub, qui peuvent exiger des relectures approuvées avant la fusion d'une pull request. Les agents ouvrent la PR et la commentent ; une personne approuve la fusion.

Quand utiliser une Crew plutôt que des agents distincts

Utilisez des agents distincts avec des automations quand les étapes sont fixes : rédiger, relire, livrer. Chaque agent a un seul rôle et un seul déclencheur, et toute la boucle se lit directement dans la liste des Automations.

Utilisez une Crew — un groupe de People et d'Agents dirigé par un Agent leader — quand le travail nécessite un coordinateur qui décide qui agit ensuite. Pour un contrôle de relecture répétable, le simple déclencheur de statut est plus facile à auditer.

Alternatives à un SDLC agentique piloté par un tableau

  • Flux PR uniquement. Les agents ouvrent des pull requests, un bot de relecture commente, la protection de branche bloque la fusion. Efficace pour le code ; cela laisse de côté le travail hors code et tout ce qui précède la création de la PR.
  • Agents pilotés par le CI. Un job de pipeline exécute un agent à chaque push. Solide pour la vérification, faible pour l'assignation.
  • Orchestration en session unique. Un agent crée des sous-agents dans un seul terminal. Rapide pour un développeur solo ; le registre disparaît avec la session.

Ces approches se combinent bien : un tableau décide qui travaille sur quoi, et le CI protège la fusion.

Là où la boucle casse en pratique

Conclusion

Un SDLC agentique n'a pas besoin d'une nouvelle théorie du cycle de vie. Il a besoin d'un tableau où vit le travail, d'agents qui démarrent à l'assignation, d'un relecteur différent du rédacteur, d'un chemin de retour qui transporte la liste des corrections, et d'une personne qui livre. Câblez ces cinq éléments et vous pourrez remplacer n'importe quel agent ou modèle sans reconstruire le processus.

L'étape suivante est concrète : choisissez une tâche récurrente, créez un statut Ready for Review, et ajoutez une Automation déclenchée par statut pour un agent relecteur. Le guide des automations Sharkly détaille la configuration, et vous pouvez démarrer un tableau sur sharkly.ai.

FAQ

Que signifie « SDLC agentique » ?

Un cycle de vie du développement logiciel dans lequel des agents IA prennent en charge des étapes définies, comme la rédaction et la relecture, tandis qu'un registre partagé trace les transferts et qu'une personne approuve les mises en production.

Un agent IA peut-il relire son propre travail ?

Il peut exécuter des tests, mais il partage les angles morts de la session qui a écrit le code. Un relecteur distinct, avec ses propres instructions et un contexte vierge, détecte les hypothèses erronées.

Comment renvoyer le travail d'un agent pour modifications ?

Utilisez un déclencheur structuré. Dans Sharkly, une Automation basée sur une phrase de commentaire peut surveiller une commande telle que /revise et relancer l'agent rédacteur sur la même tâche, avec les constats numérotés du relecteur dans son contexte.

Faut-il autoriser un agent à fusionner ou publier ?

Gardez la mise en production finale entre les mains d'une personne. La protection de branche ou une étape de publication limitée aux brouillons rend cette approbation contraignante, et pas seulement conventionnelle.

Comment empêcher une boucle de relecture de tourner indéfiniment ?

Plafonnez les révisions. Notre règle empirique est de deux tours : après une seconde relecture bloquée, le relecteur remet la tâche à une personne au lieu de la renvoyer. D'expérience, une boucle qui échoue sans fin signale un problème de brief, pas un problème de brouillon.

Faut-il une Crew pour un SDLC agentique ?

Non. Des étapes fixes fonctionnent bien avec des agents distincts reliés par des déclencheurs de statut et de commentaire. Utilisez une Crew quand un agent leader doit choisir ses membres pour chaque tâche.

À explorer aussi

Agents IA Human-in-the-Loop : ce que le transfert vers le navigateur fait bien

Agents IA Human-in-the-Loop : ce que le transfert vers le navigateur fait bien

Les agents IA avec un humain dans la boucle ont besoin de deux types de points de contrôle : les étapes que seule une personne peut accomplir et celles qu’une personne doit évaluer. Ce que le transfert de Browse fait bien, et comment le transposer sur un tableau de tâches.

19 novembre 2026

Orchestrateur Gemini 4 Neon : associez-le à des sous-agents Hydrogen

Orchestrateur Gemini 4 Neon : associez-le à des sous-agents Hydrogen

Comment exécuter un orchestrateur Gemini 4 Neon au-dessus de sous-agents Hydrogen : le contrat de sous-tâches qu’il rédige, le dimensionnement du fan-out, le calcul du coût par exécution par rapport à Carbon et les règles en cas d’échec.

19 novembre 2026

Claude Fable 5.2 : Comment évaluer les agents sur votre propre base de code

Claude Fable 5.2 : Comment évaluer les agents sur votre propre base de code

Évaluez Claude Fable 5.2 sur votre base de code à l'aide de tâches contrôlées, de tests d'acceptation, de l'effort de revue, du temps écoulé et du coût par modification acceptée.

12 novembre 2026