Le support, avec ses agents IA, a construit son rapport en 17 heures grâce à un abonnement à $20
Le responsable du support demandait tantôt des objectifs par groupe, tantôt une autre période, et chaque modification du rapport se heurtait à la file d'attente de l'équipe de développement. L'équipe a décrit la tâche en langage naturel dans SimpleGen, un outil d'IA de la plateforme SimpleOne, et les agents l'ont menée à une page prête à l'emploi en 17 heures. Selon le product owner, il aurait fallu au moins deux fois plus de temps à la main. Les 786 330 tokens de Claude Code ont tenu dans un abonnement à $20 par mois. Les formules, elles, restent vérifiées par un humain.
Traité par IA depuis Habr AI ; édité par Hamidun News
Une situation familière : le responsable du support reçoit son rapport sur les tickets et s'en déclare satisfait. Une semaine plus tard, il demande d'ajouter des objectifs pour chaque groupe, puis une autre période, puis d'isoler un type de tâches. Chaque demande prend cinq minutes, mais l'équipe de développement a une file d'attente, et dans le constructeur de rapports standard de SimpleOne, il faudrait assembler chaque variante séparément.
L'équipe a choisi de ne pas faire la queue : elle a décrit la tâche en langage courant dans SimpleGen, un outil de développement par IA construit sur la plateforme SimpleOne, qui sert à piloter les processus de support de l'entreprise. Le «harness» désigne ici l'environnement de travail dans lequel plusieurs agents IA écrivent, vérifient et déploient le code. Entre la demande et le rapport terminé, il a fallu 17 sessions et environ 17 heures, pauses comprises.
Selon le product owner, un rapport de ce type aurait demandé au moins deux fois plus de temps à la main. Toute la consommation de tokens, soit 786 330 tokens dans Claude Code, a tenu dans un abonnement à $20 par mois. Pour vous, c'est une réponse à la question : peut-on traiter de petites demandes internes sans lancer un projet de développement dédié ?
Pourquoi le constructeur standard ne suffisait pas
Les rapports et tableaux de bord standard de SimpleOne calculent bien des sommes par table. Mais le bilan de flux (combien de tickets sont arrivés et combien ont été clos), la médiane du temps de réaction, la part de tickets rouverts et les objectifs par groupe exigent une logique de calcul spécifique. De plus, selon l'équipe, la table d'historique grossit jusqu'à environ 30 millions d'enregistrements. Résultat : les responsables d'équipe, les chefs de service et les DSI parcourent à la main des listes de tickets et passent à côté de l'essentiel. Pour les statistiques annuelles, il existe un outil de BI, mais le support a besoin de ses propres métriques, de ses objectifs et de sa propre disposition d'écran.
Comment s'articulent les quatre étapes
SimpleGen fait travailler différents agents : auteur du code, correcteur, relecteur et d'autres. Le temps s'est réparti de façon inégale entre les étapes :
- spécification : environ 5,5 heures, avec 11 itérations « rédaction puis relecture » et 28 questions de l'agent ;
- plan : 1,5 heure, avec 11 phases et 42 tâches ;
- code : environ 7 heures, avec génération par phases, relecture et patch sur l'environnement de test ;
- démo : environ 2 heures, avec scénario, données de démonstration, exécution et corrections.
La spécification, c'est-à-dire le cahier des charges détaillé, est l'étape la plus rentable. Vous rédigez la tâche en texte libre, l'agent auteur compose le document, le relecteur le vérifie, et ainsi de suite jusqu'au verdict « ok ». En chemin, l'agent pose des questions : qu'est-ce qu'un ticket résolu, le bilan de flux peut-il passer en négatif, comment calculer la médiane du temps de réaction, quel objectif fixer pour des groupes aux valeurs différentes. Si vous acquiescez sans regarder, l'agent comblera les trous du cahier des charges à sa façon, et le résultat ne correspondra pas au besoin.
L'agent a aussi relevé des écarts avec l'environnement de test : la description mentionnait trois classes dérivées d'ITSM Task, il y en avait en réalité dix. Les statuts d'attente et les codes de clôture différaient eux aussi selon les groupes. Corriger cela dans la spécification coûte moins cher que refaire un widget terminé. La spécification, le plan, le journal des modifications et les logs sont stockés dans Git, ce qui permet de vérifier un calcul contesté à la source.
Le code a été généré par phases : l'auteur, puis le relecteur, puis le patch sur l'environnement de test. La relecture a repéré des détails faciles à manquer à la main, par exemple une valeur par défaut vide.
Le résultat et son coût
Le responsable a obtenu une nouvelle page et une entrée de menu. En haut, trois filtres : période, groupe de support, types de tâches. En dessous, quatre blocs : flux, vitesse, découpages et qualité. Un référentiel d'objectifs vit à part : par exemple, la part des tickets de première ligne résolus dans le délai du SLA ne doit pas descendre sous 75 %. Si la valeur baisse, la tuile passe immédiatement au rouge, et non en fin de mois.
La merge request comptait 169 enregistrements et 161 fichiers, dont 130 fichiers de localisation. Le code du widget représente environ 2 600 lignes. Le SOP de 288 enregistrements a été déployé sur un environnement de test vierge, sans aucune modification manuelle dans l'interface.
L'abonnement Opus 5 à $20 par mois a couvert les 786 330 tokens, sans dépassement de limite ni supplément. Les scénarios d'entreprise soumis à des exigences de sécurité nécessitent plus souvent l'API. Selon les calculs de l'équipe, le même volume de réponses y coûterait $19,66, plus le prix du contexte entrant, l'écart est donc faible.
Ce qu'il a fallu réparer
Le déploiement a échoué trois fois : l'environnement de test a refusé une longue infobulle en russe contenant un tiret long, un champ a reçu un tableau vide au lieu d'une chaîne, et la plateforme avait elle-même créé un formulaire que l'on tentait de créer une seconde fois. Chaque cas a pris environ cinq minutes ; la commande product sync, qui rapatrie le formulaire dans le dépôt, a aidé. La démo a passé 25 étapes sur 28 : les trois restantes exigent une authentification et des actions manuelles. L'exécution a duré environ 7 minutes et révélé deux défauts : un bloc vide s'affichait mal et les infobulles des champs d'objectifs n'étaient pas visibles.
La principale limite : personne n'a relu le code ligne par ligne, c'est pourquoi un humain vérifie les formules. Une partie des métriques prête à discussion. Le bloc « goulot d'étranglement » est mal nommé, car des violations de SLA par priorité ne prouvent pas l'existence d'un goulot. Le bilan de flux passe en négatif à cause de tickets en attente de réponse du client, qui ne dépendent pas de l'équipe. Le rapport lui-même est rétrospectif et ne remplace pas les tableaux de bord opérationnels.
À retenir
L'équipe en a tiré cinq règles. Répondre à l'agent avec soin. Modifier d'abord la spécification, puis régénérer le code. Déployer par phases et vérifier chacune sur l'environnement de test. Faire un commit après chaque patch. Ne pas sauter le demo run, qui révèle des défauts invisibles dans le code.
On peut commencer par une page de texte : notez le rapport le plus souvent demandé, les chiffres nécessaires, les objectifs et la définition d'un ticket « résolu ». Comptez ensuite combien de fois il a déjà été refait.
- 20 nov. 2026Daydream lance un styliste IA : il achète lui-même des vêtements parmi 10 000 marques
- 20 nov. 2026Orca apprend à ses bots à vérifier seuls les projets toutes les 4 heures et propose 24 modèles
- 20 nov. 2026Un développeur publie 30 skills SEO pour Claude Code et Cursor, ainsi que des serveurs MCP
- 20 nov. 2026Model ML lève 250 millions de dollars pour des agents IA destinés aux banquiers, à 1,5 milliard de dollars de valorisation
Questions clés sur cet article
Pourquoi le constructeur standard ne suffisait pas?
Les rapports et tableaux de bord standard de SimpleOne calculent bien des sommes par table. Mais le bilan de flux (combien de tickets sont arrivés et combien ont été clos), la médiane du temps de réaction, la part de tickets rouverts et les objectifs par groupe exigent une logique de calcul spécifique. De plus, selon l'équipe, la table d'historique grossit jusqu'à environ 30 millions d'enregistrements.
Comment s'articulent les quatre étapes?
SimpleGen fait travailler différents agents : auteur du code, correcteur, relecteur et d'autres. Le temps s'est réparti de façon inégale entre les étapes : spécification : environ 5,5 heures, avec 11 itérations « rédaction puis relecture » et 28 questions de l'agent ; plan : 1,5 heure, avec 11 phases et 42 tâches ; code : environ 7 heures, avec génération par phases, relecture et patch sur l'environnement de test ; démo : environ 2 heures, avec scénario, données de démonstration, exécution et corrections.
Que sait-on sur Le résultat et son coût ?
Le responsable a obtenu une nouvelle page et une entrée de menu. En haut, trois filtres : période, groupe de support, types de tâches. En dessous, quatre blocs : flux, vitesse, découpages et qualité. Un référentiel d'objectifs vit à part : par exemple, la part des tickets de première ligne résolus dans le délai du SLA ne doit pas descendre sous 75 %. Si la valeur baisse, la tuile passe immédiatement au rouge, et non en fin de mois.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.