Leçon du 24 avril 2026
Il y a quelques jours, Garry Tan, président et PDG de Y Combinator, a ouvert une vidéo publique par cette phrase : « J’ai plus codé ces deux derniers mois que pendant toute l’année 2013, la dernière fois où j’ai vraiment travaillé dur comme ingénieur. » Dans la même vidéo, il montre comment il a reconstruit seul, en deux mois, l’équivalent fonctionnel de Posterous, la plateforme de micro-blogging qu’il avait mis deux ans à bâtir avec un cofondateur et dix ingénieurs, pour dix millions de dollars. Le chiffre est vertigineux. Mais ce n’est pas le chiffre qui compte.
Ce qui compte, c’est ce que Tan a construit pour arriver là : deux logiciels libres, GStack et GBrain, qu’il a publiés sous licence MIT sur son compte GitHub personnel. GStack transforme Claude Code en équipe d’ingénierie virtuelle à vingt-trois rôles. GBrain donne à un agent la mémoire longue dont il a besoin pour ne pas réapprendre qui vous êtes à chaque session. Ensemble, ils forment une stack qui existe depuis quelques semaines seulement, qui a déjà récolté plus de quatre-vingt mille étoiles sur GitHub pour le premier et plus de dix mille en vingt-quatre heures pour le second, et qui suscite autant d’enthousiasme que de critique. Pour Eiffel AI, la question n’est pas de savoir si Tan a raison ou s’il surjoue, c’est d’examiner ce que cette trajectoire enseigne sur la façon dont un humain peut travailler avec l’intelligence artificielle sans s’y dissoudre.
Ce qu’est GStack, en un mot : la division du travail
L’objection classique contre les frameworks multi-agents s’énonce vite : « multi-agent is hype ». Elle vise les systèmes qui empilent des agents pour résoudre une tâche atomique, multipliant les couches sans améliorer la sortie. L’objection est valable contre beaucoup de produits présents sur le marché. Elle ne l’est pas contre GStack, parce que GStack ne compose pas d’agents pour répondre à une question, il découpe un pipeline d’ingénierie long en étapes successives.
Vingt-trois rôles : directeur produit, designer, tech lead, backend, frontend, DBA, SRE, relecteur sécurité, QA manuel, QA end-to-end, ingénieur dev-experience, rédacteur documentaire, croissance, support, data, ML, accessibilité, i18n, juridique, finance, recrutement, directeur général, responsable ingénierie. Chaque rôle est un subagent natif de Claude Code, avec son propre contexte, son propre prompt, ses propres outils autorisés. L’agent principal ne fait pas tout : il dispatche.
Tan résume la thèse en une phrase tendue : « The way to get agents to do real work is the same way humans have always done it, as a team with roles, with process, with review. » La façon de faire travailler des agents, c’est la même que celle qui fait travailler des humains depuis toujours : en équipe, avec des rôles, un processus, une revue. La proposition n’est pas technique, elle est organisationnelle. L’architecture n’a rien d’original, c’est celle d’une entreprise qui fonctionne bien. Ce qui est nouveau, c’est qu’un seul humain puisse désormais incarner cette entreprise.
L’un des rôles a particulièrement retenu l’attention : le relecteur paranoïaque (paranoid reviewer), dont la mission explicite est de chercher ce que les autres n’ont pas vu. Un témoignage public rapporte qu’il a détecté une faille de cross-site scripting dans un code relu par une équipe humaine qui ne l’avait pas vue. Cas d’école de ce que vaut un second regard adversarial, automatisé, patient, sans fatigue. Nous l’emprunterons sûrement pour qu’il rejoigne Rodin, l’agent que nous avons adopté et qui a été gracieusement offert par Benjamin Code. Ah l’Open source 😉 !
Ce qu’est GBrain, en une phrase : la mémoire qui trie
La mémoire des agents est un autre piège doctrinal. La doxa du milieu dit : « il suffit de fenêtres de contexte plus longues ». Un million de tokens, deux millions, et l’agent se souviendra de tout. GBrain contredit cette thèse frontalement.
La mémoire n’est pas un volume de texte rangé dans une fenêtre d’attention, c’est une structure de rappel sélectif. Un humain ne se souvient pas en concaténant sa vie dans une fenêtre, il indexe, il tisse, il rappelle. GBrain incarne cette distinction. L’architecture : dix mille fichiers Markdown et plus sur le corpus personnel de Tan, trois mille pages d’entités (personnes, entreprises, événements), deux cent quatre-vingts transcriptions de réunions, treize années de calendrier. Un graphe de connaissance auto-câblant qui extrait les entités et leurs liens typés sans qu’on ait à maintenir l’ontologie à la main. Une recherche hybride, lexicale et sémantique, qui ne cherche pas tout mais trie ce qui est pertinent.
Revendication privacy-first : GBrain tourne localement, la base reste chez l’utilisateur, rien ne remonte à un serveur tiers. Tan le dit clairement : « GBrain doesn’t phone home. » La licence MIT permet l’audit, ce qui n’est pas un détail quand on remet treize ans de sa vie dans un système.
Le positionnement mérite un point de nuance. GBrain n’est pas seul dans ce champ. MemPalace, mem0, Letta, Zep, Cognee, Graphiti occupent le même territoire avec des thèses parfois opposées. MemPalace mise sur une ontologie stricte et une discipline d’usage inscrite dans le protocole des agents. GBrain mise sur l’extraction automatique et moins de friction humaine. Laquelle tiendra sur la durée, sur un corpus multi-années, avec un utilisateur exigeant ? C’est la question ouverte. Mais le choix de Tan est clair, et il est intéressant par son honnêteté méthodologique : il démontre son outil sur treize ans de calendrier et dix mille documents réels, pas sur une démo synthétique de startup.
Ce qu’il faut regarder : pas l’outil, le geste
Si nous nous arrêtions aux outils, nous passerions à côté de l’essentiel. Le geste important chez Tan est ailleurs. Voici ce qu’il dit, toujours dans la même vidéo, en parlant de sa propre transformation : « I’ve coded more in the past two months than I did in all of 2013. » Puis, plus tard : « This is my open source software factory. I use it every day. » Mon usine logicielle open source. Je m’en sers tous les jours.
La leçon tient en deux mouvements. Premièrement, Tan s’est transformé lui-même en construisant ses outils. Il n’a pas consommé un produit, il a composé un environnement. Chaque skill de GStack, chaque entité de GBrain, chaque rôle, chaque pipeline, reflète la manière dont il veut travailler. L’outil est une continuité du geste, pas un remplacement. Et parce qu’il a construit cet environnement en public, sous licence MIT, d’autres peuvent se l’approprier sans payer de dîme, le modifier, le raccorder à leur propre pratique.
Deuxièmement, Tan incarne une thèse que nous défendons à Eiffel : l’IA accompagne le créateur responsable au lieu de le remplacer. Il n’a pas éliminé les dix ingénieurs de Posterous, il a fait autre chose que Posterous avec une autre densité. La même personne, armée différemment, produit sur une autre échelle de temps. Ce déplacement n’est pas trivial, il interroge ce qu’est un métier, ce qu’est une équipe, ce qu’est la valeur d’un ingénieur. Mais il ne remet pas en cause la centralité de l’humain qui décide. Tan reste celui qui dispatche, qui choisit, qui ferme la boucle.
L’écho Eiffel AI : OpenClaw, Hermes, et l’open source comme poumon
Cette lecture rencontre notre propre travail. Eiffel AI publiera ses briques sous licence libre. Nous utilisons OpenClaw (AGPL-3.0) comme couche d’automatisation quotidienne, celle qui orchestre les pipelines de développement et de déploiement sur les projets Reachy Care, Aristote et VegeOhm. Hermes est notre couche messagère, celle qui permet à nos agents de communiquer entre eux et avec nous, avec une API documentée et un protocole d’interopérabilité. Les deux sont sur GitHub, lisibles, modifiables, auditables.
Nous avons écrit dans notre manifeste que l’open source est le poumon de l’écosystème numérique. Nous le disons parce que c’est la seule architecture de pouvoir qui respecte la souveraineté de celui qui reçoit l’outil. Quand un outil est libre, celui qui l’utilise peut le plier à son foyer, le corriger, le continuer. Quand un outil est captif, celui qui l’utilise plie son foyer à l’outil.
Tan démontre ce principe avec ses propres publications. GStack et GBrain ne sont pas des produits SaaS, ce sont des dépôts Git. Il aurait pu en faire une startup, lever des fonds, vendre un abonnement. Il a choisi de les poser en commun, et de dire à qui veut : voici mon exact setup, prenez-le. « I wanted you to be able to have my exact skill setup. » Cette phrase est plus importante que toutes les démos de la vidéo. Elle dit ce que l’open source, fait sérieusement, permet : la transmission d’un geste, pas seulement d’un outil.
Ce que cela change pour la façon dont nous travaillons
Pour Eiffel AI, trois conséquences.
D’abord, confirmation que le workflow que nous installons, architecte, puis planificateur, puis bâtisseur, puis évaluateur, recoupe directement le découpage GStack. Nous n’avons pas inventé cette architecture, elle émerge naturellement quand on fait travailler des agents spécialisés sur un pipeline d’ingénierie long. Tan l’a encodée dans des slash commands, nous l’encodons dans des agents métier Claude Code. Les deux approches convergent et se valident mutuellement.
Ensuite, la question de la mémoire reste ouverte. Nous utilisons MemPalace, qui mise sur une ontologie stricte et un usage discipliné par les agents. GBrain offre une alternative qui mise sur l’extraction automatique et une exigence cognitive moindre. Nous allons faire le test comparatif, sur un sous-corpus réel, avec les mêmes séries de questions, pour voir quelle thèse tient. Ce n’est pas une concurrence, c’est un benchmark honnête. L’important est que les deux systèmes soient libres, auditables, et qu’un utilisateur exigeant puisse trancher sur des bases observables.
Enfin, et c’est le point le plus important, Tan nous renvoie à une question simple. Qu’est-ce que chacun d’entre nous devient en s’armant sérieusement avec ces outils ? Un ingénieur redevenu ingénieur, comme Tan. Un artiste qui peut enfin incarner l’échelle de son intention. Un médecin qui rend du temps au chevet du patient. Un enseignant qui différencie réellement son enseignement. L’IA bien conçue ne remplace pas ces figures, elle leur rend la densité qu’une modernité strictement divisée leur avait retirée. Tan, en publiant ses outils en commun, nous invite à faire le même mouvement pour nos propres métiers.
L’atelier est ouvert. À chacun d’y entrer avec ce qu’il sait, ce qu’il porte, ce qu’il veut construire.
Alexandre Ferran, fondateur de Eiffel AI