Skaro : comment un seul développeur a monté un orchestrateur d'IA de bout en bout en quelques nuits blanches

Lorsque des codeurs IA comme Cursor, Copilot et Claude Code sont devenus un outil quotidien pour des milliers de développeurs, un paradoxe inattendu est apparu. Plus les modèles de langage gagnent en puissance, plus le besoin se fait sentir, non pas de la génération de code en soi, mais de sa bonne gestion. Un développeur russe s'est attaqué à ce problème précis en présentant sur Habr le projet Skaro, un orchestrateur d'IA qui promet de prendre en main tout le cycle de développement, de la spécification au code final.

L'histoire de Skaro a commencé, comme souvent dans la communauté open source, par une discussion dans les commentaires. L'auteur avait déjà publié un article sur son expérience du code assisté par IA, où il partageait des approches pratiques de génération de code. Les lecteurs lui ont suggéré la méthodologie SDD, Specification-Driven Development, c'est-à-dire le développement piloté par les spécifications. L'idée correspondait tellement à sa propre expérience qu'en quelques nuits blanches seulement, il a monté un prototype fonctionnel d'un outil qui met cette philosophie en pratique.

Le concept de Skaro paraît simple à première vue, mais cette simplicité cache un vrai défi d'architecture. Le développeur formule des spécifications : des descriptions claires de ce que le code doit faire, de la structure qu'il doit avoir et des exigences qu'il doit respecter. L'IA entre ensuite en scène et génère une implémentation à partir de ces spécifications.

Mais la différence essentielle avec le prompting classique, c'est que Skaro joue le rôle d'orchestrateur : il veille à ce que le contexte ne se perde pas d'une itération à l'autre, à ce que la structure du projet reste cohérente et à ce que la qualité du code ne se dégrade pas à mesure que la base de code grossit. Ce sont précisément les problèmes que rencontre quiconque a tenté de construire quelque chose de sérieux avec des assistants IA.

La perte de contexte est sans doute le principal point douloureux du code assisté par IA aujourd'hui. Les modèles de langage travaillent avec une fenêtre de contexte limitée et, quand le projet grossit, le modèle se met à « oublier » les décisions antérieures, à dupliquer la logique et à enfreindre les schémas établis. Les développeurs doivent consacrer une part importante de leur temps, non pas à un travail productif, mais à réexpliquer le contexte au modèle. Skaro tente de résoudre ce problème de façon systématique, en jouant l'intermédiaire qui stocke le contexte pertinent et le transmet au modèle à chaque étape.

Ce projet s'inscrit dans une tendance plus large qui prend de l'ampleur dans l'industrie du développement. De plus en plus d'ingénieurs concluent que l'avenir du code assisté par IA ne réside pas dans des modèles plus intelligents en tant que tels, mais dans l'infrastructure qui les entoure. Des outils de gestion des prompts, des systèmes de contrôle qualité du code généré et des frameworks de décomposition des tâches apparaissent. En somme, une nouvelle couche se forme dans la pile de développement : celle de l'orchestration entre l'humain et l'IA. Skaro est l'un des premiers représentants de cette voie dans la communauté russophone.

Il faut aussi souligner le socle méthodologique du projet. Le SDD, en tant qu'approche de développement, part du principe que la spécification passe en premier et l'implémentation en second. Cela rappelle des pratiques classiques comme le TDD (Test-Driven Development) et la programmation par contrat, mais adaptées à la réalité du travail avec l'IA générative. Quand le modèle reçoit une spécification claire plutôt qu'une description vague de la tâche, la qualité du résultat est, de façon prévisible, supérieure. Et quand un orchestrateur automatisé veille au respect des spécifications, le facteur humain, sous forme de contexte oublié ou d'instructions incohérentes, est réduit au minimum.

Bien sûr, Skaro en est encore à un stade précoce, et il est prématuré de juger de sa maturité. Le projet a été créé par un seul développeur sur le mode hackathon, et il reste un long chemin du prototype à un outil fiable auquel on pourrait confier du développement en production. La question de la scalabilité de l'approche reste ouverte : dans quelle mesure le système saura gérer de très gros projets, où le nombre de spécifications et de leurs interdépendances se compte en centaines.

Pour autant, l'apparition même de tels projets témoigne d'un changement important dans l'état d'esprit des développeurs. L'époque de l'enthousiasme naïf pour le code assisté par IA, où il suffisait de demander au modèle « écris-moi une application », cède la place à une approche plus mûre. Les développeurs réalisent que l'IA est un outil puissant mais exigeant en discipline, et commencent à bâtir des systèmes qui l'assurent. Skaro est un symptôme caractéristique de cette maturation et, quel que soit le sort de ce projet précis, la direction qu'il représente ne fera que gagner en force.