Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarHabr AI→ original

VibeCBS repère les surnoms des projets à l'avance : l'agent trouve 2,8 fois plus de documents

Un même projet vit sous trois noms : « Menu de la semaine » dans le tracker, « Abonnement repas hebdomadaire » dans le wiki, « Dîner-Bot » dans le chat. Un agent qui ne connaît que le premier répondra « on livre vendredi » et ne verra pas le chat où le lancement a déjà été reporté. VibeCBS collecte ces surnoms à l'avance : sur 300 épics (grands projets), la recherche renvoie 13 178 documents au lieu de 4 741, soit 2,8 fois plus. Il faut chercher les surnoms avant la première question.

Traité par IA depuis Habr AI ; édité par Hamidun News
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireHabr AI ↗
Rédacteur en chef
Chiffre clé #1Le nom est enregistré avec 3 confirmations notées au-dessus de 0,8, ou 2 confirmations notées au moins 0,95
Collecte d'une fiche76 requêtes vers les sources, zéro lors d'une relance
Analyse d'une fiche7 appels au modèle et environ 250 000 tokens

Un même projet vit presque toujours sous plusieurs noms dans une entreprise, et l'agent de recherche n'en connaît généralement qu'un seul. Imaginons un projet fictif, « Menu de la semaine » : à partir de vendredi, l'entreprise veut vendre des dîners pour sept jours d'affilée. Vous ouvrez un épic (on appelle ainsi une grande tâche qui regroupe de plus petites) dans le tracker.

Toutes les tâches sont fermées, et le dernier commentaire indique : « discuté dans le chat ». Dans quel chat, on ne sait pas. Un développeur s'étonne : « Mais c'est dans Dîner-Bot !

» Et la page des exigences dans Confluence s'intitule « Abonnement repas hebdomadaire ». Ces trois noms désignent un même projet : ce sont des alias. Au sein de l'équipe, tout le monde les connaît, mais pas l'agent.

Le développeur de la plateforme VibeCBS montre, sur des données de production, dans quelle mesure cela restreint la recherche : sur 300 grands épics, le nombre de documents trouvés est passé de 4 741 à 13 178, soit 2,8 fois plus, lorsque les alias ont été intégrés à la requête.

Pourquoi l'agent répond avec assurance à côté

Si l'agent ne dispose que du nom issu du tracker, il trouvera les tâches fermées et le plan avec la date de vendredi. Il aura de vraies références et répondra : « Oui, on livre vendredi. » La réponse paraît fiable, puisqu'elle s'appuie sur des sources. Pourtant, la décision du product manager de reporter le lancement se trouve dans une discussion Telegram, où le projet est appelé « Dîner-Bot ».

L'auteur de VibeCBS, une plateforme de travail sur les données d'entreprise, montre comment on parvient à ce mot. Il part du numéro d'épic MENU-42 et le cherche dans les textes de Confluence. Il trouve des exigences sous un autre titre.

Grâce à l'adresse de la page, il retrouve dans le chat la réponse d'un développeur, et dans la question posée à ce développeur apparaît le mot « Dîner-Bot ». Avec ce mot, il trouve dans Slack le rapport d'un testeur, puis dans Telegram la question « on garde Dîner-Bot dans l'e-mail ? » et la réponse du product manager : « On reporte le lancement à la semaine suivante.

» L'ancien nom renvoyait à la réponse « on envoie » d'hier ; le surnom donne la réponse d'aujourd'hui : « on n'envoie pas ».

Quand un mot devient le nom d'un projet

Tous les mots ne peuvent pas servir d'alias. Si l'on cherche simplement « abonnement », le chat voisin renverra « corrigé l'abonnement », qui n'a aucun rapport avec les commandes de la semaine. C'est pourquoi VibeCBS isole la recherche d'alias dans une étape distincte, en deux temps.

Un mot peut être testé dans la recherche à partir d'une seule réplique : le modèle propose la requête suivante et indique d'où vient le mot. La requête entre dans la file d'attente du projet, le code lance la recherche, écarte grâce aux identifiants les entrées déjà examinées et ne transmet au modèle que les nouvelles.

En revanche, inscrire le mot sur la fiche du projet est plus délicat. Il faut des confirmations indépendantes. Le modèle attribue à chacune une note de 0 à 1, qui mesure la solidité du lien entre le mot et le projet, et le code vérifie si les preuves suffisent.

Trois confirmations notées au-dessus de 0,8, ou deux confirmations dont les notes ne sont pas inférieures à 0,95, suffisent. Les seuils sont configurables. L'indépendance compte : le même rapport de testeur peut être transféré dans dix chats, mais il reste un seul rapport.

Pour « Dîner-Bot », il y a deux confirmations : la réponse du développeur renvoyant vers les exigences et le rapport du testeur sur la tâche de MENU-42. Si le modèle attribue au moins 0,95 à chacune, le nom entre dans la fiche avec les liens vers les sources.

Chiffres de production et économie des tokens

Le 21 novembre, l'auteur a pris sur la production de VibeCBS 300 grands épics de 2026. Pour 217 d'entre eux, des alias ont été trouvés. Pour chaque épic, il a compté le nombre de documents distincts renvoyés par la recherche : un document peut être une tâche comme une page d'exigences. Avec les seuls noms des épics, le total était de 4 741 documents. Avec les alias confirmés figurant sur les fiches, il atteint 13 178. Les résultats ont augmenté presque de trois fois (plus précisément, de 2,8 fois).

Réserve méthodologique : à l'intérieur d'un épic, les documents sont comptés sans doublon, mais si une page traite de deux épics, elle est comptabilisée deux fois dans le total. De plus, l'augmentation du nombre de documents ne se traduit pas forcément par davantage de réponses utiles. C'est un indicateur de couverture, et non de précision.

L'idée d'ingénierie principale consiste à ne pas faire attendre le premier utilisateur. On pourrait confier au premier agent le soin de tout résoudre et de conserver les noms pour les suivants, mais l'humain attendrait alors que l'agent parcoure les tâches et les chats. À la place, les alias sont recherchés lors du bootstrap, c'est-à-dire lors de la première analyse de l'ensemble du corpus d'entreprise, puis mis à jour au fil des nouveaux messages et des modifications des tâches. Ce travail préalable s'appelle un précalcul.

La consommation a été mesurée sur un épic moyen. Le code a effectué 76 requêtes vers les sources pour rassembler les éléments de la fiche ; lors d'une relance, il a constaté que la collecte était terminée et n'a fait aucune nouvelle requête. L'analyse des éléments d'une fiche a demandé 7 appels au modèle et environ 250 000 tokens. Payer ce coût à chaque ouverture d'un nouveau chat serait un gaspillage. De plus, une fiche commune donne le même résultat à tous les agents : celui qui pose une question sur le lancement comme le collègue du marketing qui a besoin d'un e-mail.

Que faire concrètement

Si vous développez un RAG d'entreprise ou un agent d'assistance, vérifiez comment il retrouve les projets qui ne portent pas leur nom officiel. Constituez les alias à l'avance, exigez plusieurs sources indépendantes et conservez les références à côté du nom. Ne comptez pas un même document transmis plusieurs fois comme plusieurs confirmations.

Ce dispositif a aussi ses limites. Même avec une fiche, il faut vérifier jusqu'à quelle date les échanges sont visibles : l'auteur, avant d'envoyer un e-mail, vérifie quand même le dernier message du product manager. Si la recherche ne contient des données que jusqu'à jeudi, il faudra ouvrir le chat lui-même ou dire honnêtement au collègue jusqu'à quel jour vos informations vont.

Dossier

Questions clés sur cet article

Pourquoi l'agent répond avec assurance à côté?

Si l'agent ne dispose que du nom issu du tracker, il trouvera les tâches fermées et le plan avec la date de vendredi. Il aura de vraies références et répondra : « Oui, on livre vendredi. » La réponse paraît fiable, puisqu'elle s'appuie sur des sources. Pourtant, la décision du product manager de reporter le lancement se trouve dans une discussion Telegram, où le projet est appelé « Dîner-Bot ». L'auteur de VibeCBS, une plateforme de travail sur les données d'entreprise, montre comment on parvient à ce mot.

Quand un mot devient le nom d'un projet?

Tous les mots ne peuvent pas servir d'alias. Si l'on cherche simplement « abonnement », le chat voisin renverra « corrigé l'abonnement », qui n'a aucun rapport avec les commandes de la semaine. C'est pourquoi VibeCBS isole la recherche d'alias dans une étape distincte, en deux temps. Un mot peut être testé dans la recherche à partir d'une seule réplique : le modèle propose la requête suivante et indique d'où vient le mot.

Que sait-on sur Chiffres de production et économie des tokens ?

Le 21 novembre, l'auteur a pris sur la production de VibeCBS 300 grands épics de 2026. Pour 217 d'entre eux, des alias ont été trouvés. Pour chaque épic, il a compté le nombre de documents distincts renvoyés par la recherche : un document peut être une tâche comme une page d'exigences. Avec les seuls noms des épics, le total était de 4 741 documents. Avec les alias confirmés figurant sur les fiches, il atteint 13 178. Les résultats ont augmenté presque de trois fois (plus précisément, de 2,8 fois).

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…