Git à l’ère des agents IA

Le développement logiciel a changé d’échelle.

Un ingénieur peut désormais confier simultanément une correction, une migration, une campagne de tests et une refactorisation à plusieurs agents IA. Ces agents peuvent eux-mêmes déléguer une partie de leur mission à des sous-agents. En quelques minutes, une équipe doit alors comprendre, contrôler et intégrer davantage de code qu’elle n’aurait pu en produire manuellement.

Git reste la mémoire du projet, mais il ne coordonne ni les missions, ni les responsabilités, ni l’ordre d’intégration. Il ne sait pas si deux modifications situées dans des fichiers différents affectent le même contrat métier. Il ne protège pas non plus une équipe contre une consigne ambiguë telle que « remets le dépôt propre ».

Git à l’ère des agents IA est un guide opérationnel consacré à cette nouvelle réalité.

Ce livre ne cherche pas à réenseigner les commandes élémentaires de Git. Il explique comment conserver une histoire compréhensible, un état vérifiable et des possibilités de récupération lorsque des humains, des agents et des sous-agents travaillent simultanément sur une même application.

Vous apprendrez notamment à :

• attribuer une base, une branche, un worktree et un périmètre à chaque mission ;
• empêcher plusieurs agents de partager accidentellement le même état mutable ;
• encadrer la délégation aux sous-agents ;
• examiner les différences réellement produites avant de les intégrer ;
• construire des commits petits, intentionnels et attribuables ;
• organiser une file d’intégration adaptée au débit des agents ;
• communiquer avec une IA sans lui donner une autorisation implicite de modifier Git ;
• encadrer reset, restore, revert, clean, rebase et le push forcé ;
• préserver les travaux non validés pendant un incident ;
• retrouver un commit perdu et tester une récupération sans écraser l’état actuel ;
• construire le playbook Git et multi-agent de votre organisation.

Chaque situation fournit un problème concret, une méthode, une marche à suivre, des commandes expliquées avant leur exécution, des prompts réutilisables, les erreurs fréquentes, une checklist et un livrable exploitable par l’équipe.

Les exemples issus du projet Tansa servent de cas pratiques, mais les méthodes proposées s’appliquent à tout projet logiciel développé avec des agents IA.

L’objectif n’est pas de ralentir les agents. Il est de rendre leur vitesse assimilable par l’équipe, sans perdre la capacité de comprendre, de prouver, d’intégrer et de récupérer.