Aller au contenu

Mise en place de l'agent IA Code Reviewer

Billet #267 : Mise en place de l'agent IA Code Reviewer
Type : Qualité / Gouvernance / Automatisation
Composants concernés : .github/agents/, .specify/scripts/powershell/, src/pr_reviewer/, tests/pr_reviewer/, specs/009-ai-code-reviewer/

1. Contexte

À la suite de ma réflexion sur un SDLC agentique, j'avais acté une décision structurante: conserver Speckit comme système agentique unique pour le développement structurel de cette application. Dans cette continuité, j'ai entrepris de créer un agent IA dédié à la revue de code, conçu selon l'approche Speckit, afin d'intégrer cette étape de qualité de façon naturelle et cohérente dans mon processus actuel de production.

2. Objectif

Mettre en place un agent IA de revue qui aide à décider clairement :

  • soit la Pull Request peut être validée,
  • soit elle doit être corrigée avant fusion,
  • avec une explication lisible et actionnable.

3. Ce qui a été livré

  • Un flux de revue structuré autour de l'agent /speckit.review.
  • Une évaluation systématique sur 5 axes :
    • respect de la constitution projet,
    • risques de sécurité,
    • alignement architecture,
    • couverture de tests,
    • respect du périmètre planifié.
  • Un rapport complet imprimé localement avec une recommandation claire : validation quand le niveau de risque est acceptable, ou corrections requises lorsqu'un écart critique est détecté.
  • Aucune publication automatique de review, de commentaire, d'approbation ou de demande de modifications sur GitHub; la décision finale reste au mainteneur.

4. Impact business

  • Moins de risque de régression avant la mise en production.
  • Décision de merge plus fiable avec un standard unique.
  • Gain de temps de coordination grâce à un avis déjà structuré.
  • Décision maîtrisée : le rapport informe le mainteneur sans modifier automatiquement la PR.

5. Validation et statut

  • Les modules d'analyse et d'impression locale ont été testés.
  • Le comportement de base est validé : classification, format complet du rapport et absence d'écriture GitHub.
  • Le billet de traçabilité associé est créé : #267.

6. Leçons apprises

  1. Un cadre de décision simple et stable accélère les arbitrages de fusion.
  2. La valeur principale de l'IA ici est la constance de l'analyse, pas la complexité.
  3. Une recommandation locale complète évite qu'un compte auteur tente de publier une review impossible sur sa propre PR.