Le vainqueur du hackathon d'Anthropic publie son kit Claude Code : 68 sous-agents et 286 compétences
Le vainqueur du hackathon d'Anthropic a publié sous licence MIT toute sa configuration Claude Code, baptisée ECC. Au lieu d'un seul assistant, on obtient un « département d'ingénierie » : 68 sous-agents, 286 compétences et 94 commandes pour la relecture, les tests et la sécurité. L'ordre est strict : d'abord un plan, ensuite un test qui échoue, puis le code. Les modifications sont enfin vérifiées par un reviewer qui repart d'un contexte vierge. Il ne faut pas tout activer d'un coup : commencez par un seul plan et un seul jeu de règles.
Traité par IA depuis X: @Mr_Buzzoni ; édité par Hamidun News
La plupart des gens utilisent Claude Code comme un stagiaire très rapide : ils décrivent une tâche, récupèrent du code, puis tentent de comprendre ce qu'il a fait. Le vainqueur du hackathon d'Anthropic propose une autre approche et la publie en intégralité : toute sa configuration de travail, baptisée ECC. L'auteur du post sur X qui relaie l'information y voit le remplacement d'un assistant solitaire par « un département d'ingénierie complet ». Le kit comprend 68 sous-agents, 286 compétences (skills) et 94 commandes, sous licence MIT.
Précision importante : il ne s'agit ni d'un nouveau modèle ni d'une publication d'Anthropic elle-même. C'est une configuration qui se greffe sur Claude Code, c'est-à-dire un ensemble de rôles, d'instructions et de règles prêts à l'emploi. La source ne fournit aucune mesure indépendante de l'accélération du travail ou de la réduction du nombre de bugs. Pour l'instant, c'est le récit d'un passionné, pas un benchmark.
Comment fonctionne ce « département » d'agents
L'idée est de répartir le travail comme on le fait dans une équipe réelle. D'abord le plan : vous donnez une phrase, et vous obtenez un plan que vous validez avant qu'une seule ligne de code ne soit écrite. Ensuite le test : un test qui échoue d'abord, puis la correction (le TDD classique). Enfin la vérification : chaque modification est relue par un reviewer qui n'a pas vu comment le code a été écrit. Ce contexte vierge compte. Un auteur de code a tendance à ne pas voir ses propres erreurs, et le modèle rencontre le même problème quand toute l'histoire de son raisonnement occupe sa fenêtre de contexte.
Les autres rôles sont répartis par tâche :
- Relecture. Un reviewer dédié à chaque langage examine votre diff.
- Réparation du build. Un « réparateur » propre à chaque toolchain, y compris PyTorch et CUDA.
- Architecture. Détecte les erreurs de conception avant qu'elles ne se transforment en migrations.
- Travail applicatif. Requêtes vers les bases de données, pipelines ML, tests e2e, documentation.
- Livraison. Docker, CI/CD, health-check, rollbacks et migrations.
- Packs de langages. Python, Go, Rust, C++, Django, Laravel, Spring Boot, Next.js.
Deux techniques servent à gérer le contexte. Search-first oblige l'agent à consulter d'abord la documentation, puis à écrire le code. Iterative-retrieval empêche le dépôt entier de saturer la fenêtre du modèle. Le kit contient aussi des compétences qui n'ont rien à voir avec le code : rédaction de textes dans votre style, étude de marché, pitch decks.
Sécurité : la partie la plus sous-estimée
L'auteur met en avant un duo d'agents dédiés à la sécurité : une vérification selon la liste OWASP (les vulnérabilités typiques des applications web) et un scanner qui recherche des failles d'injection dans la configuration même de l'agent. Le second point est particulièrement d'actualité : les fichiers de règles et d'instructions deviennent eux-mêmes une surface d'attaque si l'agent lit un texte non fiable.
L'auteur affirme qu'un audit OWASP externe coûte une somme à quatre chiffres et prend une semaine, alors qu'ici la vérification se termine sur votre branche « avant le déjeuner ». C'est son estimation, et il ne faut pas considérer un tel passage comme un substitut à un audit complet. Mais comme premier filtre peu coûteux avant une mise en production, l'idée est raisonnable.
Que faire de tout cela
Le conseil principal de l'auteur paraît ennuyeux, et c'est pour cela qu'il mérite d'être suivi : n'activez pas les 286 compétences d'un coup. Selon lui, c'est le moyen le plus rapide de dégrader le résultat. Chaque compétence superflue occupe de la place dans le contexte et offre au modèle une occasion de plus de se disperser. Commencez par un seul plan et un seul jeu de règles adapté à votre stack, puis ajoutez le reste au fur et à mesure des besoins.
L'ordre pratique est le suivant :
- Forkez le dépôt et supprimez immédiatement tout ce qui ne concerne pas votre langage et votre toolchain.
- Conservez le trio « plan, test, relecture en contexte vierge » et testez-le sur une petite tâche.
- Ajoutez les agents de sécurité avant la première mise en production.
- N'étendez le kit que là où vous constatez de vraies erreurs récurrentes.
Il y a aussi un revers. Une configuration extérieure intègre les habitudes et les hypothèses de quelqu'un d'autre. Elle peut entrer en conflit avec vos conventions de code et vos processus. Une approche multi-agents consomme plus de tokens qu'une requête unique. Lisez donc ce que vous exécutez, en particulier les commandes et les scripts : un ensemble de centaines de composants ne s'adopte pas les yeux fermés, comme n'importe quelle dépendance tierce.
Une fois ces réserves admises, l'intérêt du kit est clair. Il montre comment un utilisateur expérimenté de Claude Code transforme un assistant de chat en chaîne de production dotée de contrôles. Même si vous ne reprenez pas ECC en entier, vous pouvez en emprunter la structure. L'auteur résume ainsi : celui qui configure tout cela pendant un week-end passera le trimestre suivant surtout à vérifier le travail, plutôt qu'à le produire à la main.
- 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. 2026Le support, avec ses agents IA, a construit son rapport en 17 heures grâce à un abonnement à $20
Questions clés sur cet article
Comment fonctionne ce « département » d'agents?
L'idée est de répartir le travail comme on le fait dans une équipe réelle. D'abord le plan : vous donnez une phrase, et vous obtenez un plan que vous validez avant qu'une seule ligne de code ne soit écrite. Ensuite le test : un test qui échoue d'abord, puis la correction (le TDD classique). Enfin la vérification : chaque modification est relue par un reviewer qui n'a pas vu comment le code a été écrit. Ce contexte vierge compte.
Que sait-on sur Sécurité : la partie la plus sous-estimée ?
L'auteur met en avant un duo d'agents dédiés à la sécurité : une vérification selon la liste OWASP (les vulnérabilités typiques des applications web) et un scanner qui recherche des failles d'injection dans la configuration même de l'agent. Le second point est particulièrement d'actualité : les fichiers de règles et d'instructions deviennent eux-mêmes une surface d'attaque si l'agent lit un texte non fiable.
Que sait-on sur Que faire de tout cela ?
Le conseil principal de l'auteur paraît ennuyeux, et c'est pour cela qu'il mérite d'être suivi : n'activez pas les 286 compétences d'un coup. Selon lui, c'est le moyen le plus rapide de dégrader le résultat. Chaque compétence superflue occupe de la place dans le contexte et offre au modèle une occasion de plus de se disperser. Commencez par un seul plan et un seul jeu de règles adapté à votre stack, puis ajoutez le reste au fur et à mesure des besoins.
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.