Anthropic détaille comment elle relit un code écrit à 90% par Claude

Anthropic a montré à quoi ressemble la code review quand le code est écrit presque entièrement par un modèle. Environ 90% du code de Claude Code est produit par Claude lui-même, et l'attention humaine est devenue la ressource la plus rare. L'équipe formule son objectif ainsi : un minimum de temps humain consacré à la revue, pour un même niveau de rollbacks et d'incidents. De juin à septembre, le nombre de merges a plus que doublé, et la part de rollbacks a chuté de plus de 40%.

Les métriques sont choisies avec une vraie astuce d'ingénieur. L'équipe optimise le nombre d'approbations par PR, le nombre de commentaires et le temps d'attente côté humain. Les rollbacks et les incidents servent de garde-fou : s'ils augmentent gagner en vitesse ne compte pas comme un gain.

Un pipeline à sept couches où l'humain n'intervient que tard

Le système repose sur une série de filtres successifs. Chacun décharge un peu le relecteur humain :

• Avant la PR. Claude lance lui-même les tests, le build et le linter. Un sous-agent au contexte vierge examine ensuite le diff. Des skills internes existent pour la recherche de bugs, la simplification du diff et la vérification e2e.
• Revue par IA sur chaque PR. Plusieurs agents cherchent des bugs en parallèle, un groupe distinct vote sur chaque trouvaille, et les remarques purement stylistiques sont écartées. Les trouvailles sont classées Important, Nit ou Pre-existing, afin qu'un vieux bug ne soit pas imputé à l'auteur. Chaque trouvaille appelle une réponse. Depuis le lancement de la préversion, la part de PR avec des commentaires de fond est passée de 16% à 54%.
• Revue de sécurité. Elle bloque le merge.
• CI classique. Lint, vérification des types et tests sur toutes les plateformes.
• Approbation selon le risque. Un classificateur détermine combien d'humains sont nécessaires. Les docs, les textes et les fonctionnalités derrière un flag n'en demandent aucun, les changements ordinaires un, les plus critiques deux. La facturation, l'auto-updater et les workflows CI exigent toujours un humain.
• Déploiement. Merge queue et flags. Le changement est d'abord visible des utilisateurs internes, puis du canal latest, puis de stable.
• Rollback rapide.

La logique est la suivante : des vérifications automatiques peu coûteuses écartent l'évident, et le temps humain, précieux, est réservé aux endroits où une erreur coûte cher.

Quand l'agent auteur et l'agent relecteur se renvoient la balle toute la nuit

L'épisode le plus révélateur de l'analyse concerne les boucles sans fin. L'agent auteur et l'agent relecteur peuvent s'échanger des correctifs indéfiniment. Une PR a ainsi traversé plus de 50 cycles en une nuit, jusqu'à ce que l'auteur interrompe le processus. L'analyse a montré qu'environ 59% des remarques portaient sur du code ancien. À chaque cycle, le relecteur trouvait deux ou trois nouveaux bugs hérités, et non de nouvelles erreurs dans la modification.

Côté tokens, c'est une perte sèche : chaque cycle se paie en contexte du diff, en exécution de plusieurs agents et en vote. L'équipe a fixé une limite de trois cycles, et la re-revue n'examine désormais que le nouveau diff. Le marquage Pre-existing règle l'autre moitié du problème : la dette ancienne reste visible, mais elle ne bloque pas la PR d'un autre.

Un mécanisme distinct contrôle la qualité du relecteur lui-même. Chaque incident passé est transformé en eval, et le relecteur est testé quotidiennement sur ces cas. Toute modification du prompt ou du modèle qui dégrade le score est annulée. L'agent de revue est testé comme n'importe quel composant de production.

Quatre règles transposables à n'importe quelle équipe

L'analyse contient un ensemble de principes qui ne dépendent pas de l'infrastructure d'Anthropic :

• Le niveau de risque est déterminé par la modification, et non par son auteur.
• La voie allégée n'est accessible qu'aux auteurs de confiance.
• L'approbation d'un agent ne compte jamais comme une approbation humaine.
• Celui qui confie une tâche à un agent répond du code comme s'il l'avait écrit lui-même.

Pour les équipes où les agents écrivent déjà une part notable du code, un plan concret en découle. Il faut commencer par classer les chemins du dépôt selon leur risque : ce qui peut être mergé sans humain et ce qui exige toujours une revue, comme la facturation et la CI chez Anthropic. Il faut ensuite mettre en place une revue multi-agents avec vote et classement des trouvailles, limiter le nombre de cycles et constituer ses propres evals à partir d'incidents réels. Pour ceux qui ne veulent pas tout assembler eux-mêmes, Code Review pour Claude Code est disponible en GA sur les offres Team et Enterprise. L'article original est publié sur claude.dev.