Ratchet Pattern
Qu'est-ce qu'un « turn » dans reins ?
Une anatomie du turn, la plus petite unité d'exécution de reins. Ce qui n'est pas enregistré n'est pas un turn — de cette seule définition découlent l'indépendance du driver, la résilience au redémarrage et l'auditabilité. Comparé au discours du Loop Engineering de juin 2026, on voit comment le turn convertit ces recommandations en structure.
Les systèmes font briller le génie
Un génie sans structure dérive, et une structure seule reste médiocre. Ce n'est que quand génie et structure se multiplient que la vraie valeur émerge. Le benchmark ZenFlow (Claude Sonnet, 32 endpoints, 43 minutes) et les preuves historiques du B-17, de Toyota et des checklists de l'OMS illustrent tous le même principe.
Pourquoi la dérive ne meurt jamais
La dérive revient même après correction. J'ai verrouillé la logique métier dans un SSOT, mais la même dérive est remontée d'un étage — dans le générateur qui fabrique ce SSOT. Pourquoi refuse-t-elle de mourir ? On reconstruit la réponse depuis l'entropie.
abloq — un blog opéré par des agents, dont la machine verrouille la vérification
Confiez un blog à un agent et l'article sort. Le problème, c'est qu'on ne peut pas s'y fier — il fabrique des sources, relève le lastmod d'un article qu'il n'a même pas modifié, touche à des fichiers qu'on ne lui a pas demandés. Si l'humain doit tout relire, l'avoir délégué n'avait aucun sens. La réponse d'abloq, c'est la division du travail : la génération est probabiliste, la vérification est déterministe. L'humain n'écrit qu'une seule chose, une spécification d'insight (insight.yaml) ; la rédaction, la traduction, l'actualisation et le renforcement des preuves sont assurés par l'agent sous forme de quêtes ; et la qualité est garantie par une porte déterministe dérivée d'un unique blog.yaml. Un PASS verrouillé est irréversible — l'agent est jetable, mais la progression s'accumule.
Pourquoi votre boucle d'agent diverge
Plus le Loop Engineering se généralise, plus les gens butent sur le même mur — la boucle ne converge pas, elle diverge. Rotation infinie, dérive, reward hacking : ces trois visages ont une seule racine. On a rebranché le générateur lui-même dans le slot de jugement de la boucle. Or, diverger, c'est encore avoir de la chance. Parce qu'on le voit. Le vrai cauchemar, c'est la boucle qui a faussement convergé en silence. L'ordonnance est unique — ne confier le pouvoir de verrouiller l'achèvement qu'à une porte déterministe, jamais au LLM.
Le trafic de production est la spécification
Le code legacy n'a pas de documentation. Pas de tests non plus. Et pourtant il tourne en ce moment même. Un mois de logs bien tenus est déjà une spécification — créez des tests d'intégration Hurl qui capturent le comportement actuel à partir du trafic de production, et vous figez les fonctionnalités du legacy et posez un filet de sécurité pour la refactorisation, sans lire une seule ligne de code.
Brûler une ville entière pour obtenir une seule réponse
Un modèle de mille milliards de paramètres brûle autant d'électricité et d'eau qu'une ville entière pour cracher une seule réponse. J'ai trouvé ça insensé. À force de chercher une réponse, j'ai compris. Le défaut que tout le monde voulait corriger, la flagornerie du LLM, était justement la réponse. Nourrissez-le de fact et la flagornerie devient de la précision. Ce texte raconte pourquoi j'ai lancé Reins.
reins — ne garder du Quest CLI que le domaine, le ratchet devient un framework
how-make-quest enseignait à bâtir un Quest CLI à mains nues. Mais dès le deuxième CLI, on réécrit le même ratchet, les mêmes scan/next/submit, la même agrégation. reins extrait cet invariant en framework — le ratchet, le squelette de commandes, l'agrégation et l'export sont fournis par reins, et vous n'implémentez que la porte de votre domaine (les 4 méthodes de gate.Definition). La porte est un catalogue de règles de défense anti-cheese, et le defeat graph de toulmin renvoie à l'agent un guide stratégique « pourquoi tu as perdu, et quoi changer pour gagner ».
Comment créer un Quest CLI — bâtir soi-même l'outil qui laisse la machine juger de l'achèvement
L'IA dit « C'est fait ». En réalité, ce ne l'est pas. Cet article explique comment bâtir soi-même l'outil qui résout ce problème — un Quest CLI. Du principe (le pourquoi) au squelette de commandes cobra (le comment), cet article unique suffit à ce qu'un agent crée un Quest CLI en Go. huma en est l'exemple pratique.
Les conditions préalables à l'amélioration de la précision des LLM multi-agents
Lancer plusieurs agents rend-il plus précis ? À moitié vrai. Des modèles entraînés sur les mêmes données se trompent aux mêmes endroits. Le multi-agent ne fonctionne qu'à deux conditions : concevoir l'indépendance des erreurs, ou, dans un domaine vérifiable, dresser un verifier en dehors du LLM.
Pourquoi votre agent ne s'arrête jamais
Face à la fierté de faire tourner un agent 24 heures sur 24, le sentiment qui surgit n'est pas l'admiration mais l'interrogation — pourquoi n'a-t-il pas encore fini ? Le code n'est pas un problème de recherche, mais un problème de satisfaction de contraintes. Un système sain est un système capable de s'arrêter.
Qui définit l'«achèvement» ? — Ce que le jeu a résolu 40 ans avant nous
Définir la libération d'un locataire par cinq photos spécifiques, c'est en faire une quête de jeu vidéo. Définir l'«achèvement» non pas comme une affirmation de l'acteur, mais comme une condition vérifiable mécaniquement — c'est ce que le jeu a résolu 40 ans avant nous, et c'est la bonne façon de confier du travail à un agent IA.
filefunc × Hono — Du code lisible par un agent en un passage : de 60 lignes à 18
Nous avons refactorisé Hono, un framework réel à 23k étoiles, avec filefunc. Les 4419 tests passent intégralement. Et la mesure révèle — quand un agent lit un concept, la médiane de lignes lues passe de 60 à 18, soit une réduction de 71 %. Ce qui compte, ce n'est pas le nombre de fichiers, mais la longueur de lecture.
Le précédent n'est pas la vérité — Comment l'IA transforme un bricolage en autorité
L'IA lit la structure du code mais ne distingue pas une décision d'un bricolage. Ainsi, plus elle réplique, plus le défaut acquiert une fausse autorité. Ce qui a brisé cette boucle n'était pas un modèle plus puissant, mais une seule ligne de remise en question humaine.
Construire des systemes operables par les agents
60 a 80 % des budgets IT du Fortune 500 servent a garder un legacy verrouille. Parce qu'on ne peut pas l'ouvrir. Le vrai sens de la bulle IA, ce n'est pas des modeles plus intelligents — c'est que la memoire d'entreprise verrouillee commence a devenir accessible.
huma -- Un cliquet qui ne saute aucun endpoint
Quand vous demandez a un agent IA de tester 42 endpoints il declare avoir fini vers le 15e. huma transforme la liste des endpoints en session cliquet pour que l agent ne puisse en sauter aucun. scan next write verify.
Agent Operable Codebase
Le code facile à lire pour les humains est-il le même que le code facile à opérer pour les agents ? Non. Quand un fichier a 20 fonctions, la performance de l'agent chute de 30-85%. Le bureau doit devenir une usine.
Cours 6. Réussi puis verrouillé — Principes et application massive du Ratchet Pattern
L'IA a déclaré avoir terminé. En réalité 40/527. Le Ratchet Pattern confie le jugement d'achèvement à la machine.
Reins Engineering — L'IA avec des renes
Le harness engineering est une cloture. Il empeche l'agent de sortir, mais ne garantit pas qu'il atteigne la destination. Reins Engineering, ce sont les renes — diriger avec des contrats deterministes, verrouiller avec des cliquets, separer les decisions de l'implementation.
Hurl stoppe la derive du vibe coding
Le vibe coding s'effondre sous la derive logique en 3 mois. Les cas CMU, METR, DORA et Amazon le prouvent. Declarez des contrats API en texte brut avec Hurl et verrouillez-les avec un cliquet -- supprimez la derive structurellement sans limiter la liberte de l'IA.
yongol — La quille du SaaS code par IA
Le vibe coding s'effondre a 200 endpoints parce que l'IA ne peut pas distinguer les decisions des details d'implementation. yongol deplace la cible de travail de l'IA du code vers 10 specifications declaratives et impose la coherence inter-couches avant la compilation. Harness with reins.
Le biais de flagornerie de l'IA est une feature commerciale
Le biais de flagornerie des LLM n'est pas un bug. C'est une inévitabilité mathématique du RLHF et une fonctionnalité commerciale que les big tech n'ont aucun intérêt à corriger. Voici pourquoi LLM-as-Judge est structurellement impossible.
Pourquoi les agents de code fonctionnent et pourquoi ils s'effondrent
Le même modèle hallucine dans le chat web mais livre une fonctionnalité de 200 lignes dans un agent de code. Pas parce que le modèle a changé — parce que la topologie a changé. La génération peut être probabiliste. La vérification doit être déterministe.
Ratchet Pattern — comment forcer un agent à aller jusqu'au bout
J'ai demandé à un agent AI d'écrire les tests de 527 fonctions. Il s'est arrêté à 40 et a déclaré : 'C'est fait.' Le Ratchet Pattern confie la décision d'achèvement à un verifier mécanique, forçant l'agent à aller jusqu'au bout.
tsma -- La ligne de defense contre les regressions du code legacy
Un outil CLI qui indexe toutes les fonctions, detecte la presence de tests, mesure le coverage et fournit un feedback precis a l'agent LLM. Une seule commande pour construire une ligne de defense contre les regressions dans le code legacy.
filefunc — un fichier, un concept
L'unité de navigation d'un agent de code IA, c'est le fichier. filefunc est une convention de structure et un outil CLI qui impose un seul concept par fichier dans les projets Go.