Lors de la conférence @Scale de Meta, Boris Cherny, créateur de Claude Code, a confirmé que les boucles d'intelligence artificielle constituent une avancée structurelle majeure et non une simple tendance. Selon lui, l'écriture du code logiciel a déjà connu deux transitions fondamentales : des développeurs écrivant manuellement, aux agents autonomes générant le code, puis à des agents sollicitant d'autres agents pour produire des lignes de programmation. Les boucles autonomes représentent un bond d'une importance similaire. Ce concept repose sur l'orchestration continue d'agents en arrière-plan. Au lieu d'attendre une validation humaine à chaque étape, plusieurs intelligences artificielles collaboreront de manière itérative. Un agent peut ainsi auditer en permanence l'architecture logicielle tandis qu'un autre identifie les duplications pour les unifier. Ces systèmes soumettent directement des demandes de fusion et fonctionnent sans interruption aussi longtemps que les ressources le permettent. Ce mécanisme s'appuie sur une logique récursive où un sous-agent détermine le moment où la tâche est suffisamment avancée pour arrêter la boucle, remplaçant les conditions d'arrêt traditionnelles par un jugement contextuel. Des pratiques existantes facilitent déjà cette approche. La Ralph Loop, par exemple, consiste à résumer le travail effectué à chaque cycle et à vérifier si l'objectif initial est atteint, permettant au modèle de recentrer son action s'il s'égarre. Cette méthodique s'inscrit dans la démarche du calcul au moment de l'exécution, une stratégie observée par les chercheurs comme Noam Brown. L'idée est d'investir progressivement plus de puissance de calcul jusqu'à ce que le problème soit résolu, particulièrement efficace pour des tâches itératives comme l'optimisation progressive d'une base de code. Toutefois, cette autonomie engendre des coûts élevés. Contrairement aux modèles de conversation classiques, les boucles d'agents consomment massivement des jetons, les unités de base qui mesurent l'usage des grands modèles de langage. Sans surveillance, ces cycles continus peuvent générer des dépenses rapidement prohibitives. Pour les fournisseurs de ces services, cette consommation représente un avantage commercial, mais elle impose aux développeurs de mettre en place des garde-fous stricts pour éviter la dérive des réponses et contrôler le budget. Malgré ces défis, les perspectives restent prometteuses. Si une supervision adéquate et des limites de dépenses sont correctement configurées, les gains en productivité et en qualité logicielle pourraient largement compenser les coûts. À mesure que les capacités des modèles s'améliorent, l'adoption de ces boucles autonomes pourrait transformer l'exécution des tâches complexes, marquant le passage d'une assistance ponctuelle à une collaboration continue et fiable.