L'IA qui code, c'est la promesse d'un gain de temps fou. On imagine déjà des lignes de code se générer toutes seules, des bugs se corriger en un clin d'œil, des fonctionnalités entières apparaître comme par magie. Sauf que... laisser un agent se balader dans votre codebase sans supervision, c'est un peu comme donner les clés de la Ferrari à un ado. Ça peut bien se passer, mais on préfère avoir un œil sur ce qui se passe. Et si on pouvait avoir le beurre et l'argent du beurre ? L'efficacité de l'IA, avec le contrôle humain.
C'est là que Tencent LoopForge entre en scène, avec sa promesse d'une usine à code pilotée, auditable et, cerise sur le gâteau, auto-hébergée. Fini les boîtes noires opaques, on reprend le contrôle. Et ça, c'est franchement intéressant.
LoopForge : l'orchestrateur d'agents IA
LoopForge, c'est le bébé de l'équipe Lightweight Cloud de Tencent. Le nom est un peu pompeux, mais l'idée est simple : une plateforme de développement IA auto-évolutive conçue pour orchestrer la livraison de code par des agents IA. Ils parlent de « Recursive Self-Improvement » (RSI), de « Standard Operating Procedures » (SOP) et de « sandboxes Docker ». En gros, on définit des règles, des étapes, et l'IA bosse dans un environnement contrôlé et reproductible.
L'outil a été open-sourcé récemment, fin 2026, et a déjà attiré pas mal de monde. Il vise à rendre le processus de livraison de logiciels par des agents IA prévisible, avec des rôles séparés (planification, implémentation, révision, test) et des portes d'approbation humaine. Ça, c'est la partie qui me plaît bien : l'humain reste dans la boucle.
L'installation : on sort les conteneurs
Bon, on parle de self-hosting, donc on sort les commandes Docker. L'installation de LoopForge passe par Docker ou Docker Compose, ce qui est assez classique pour ce genre de plateforme. Les instructions détaillées sont sur le dépôt GitHub officiel. Attendez-vous à un bon vieux docker compose up -d pour lancer l'ensemble de l'environnement, avec ses sandboxes pour les agents.
Un workflow « agent-humain-agent » : l'IA propose, l'humain dispose
L'idée de LoopForge, c'est de casser le mythe de l'IA omnisciente qui fait tout seule. Ici, on a des SOP, des modèles de workflows pour le backend, le frontend, les corrections de bugs ou même des produits entiers. Ces SOP sont des gabarits que vous pouvez copier et adapter à vos besoins. L'IA génère, l'humain valide. C'est le principe des « Human Approval Gates ».
Ces portes d'approbation permettent à une personne de valider le travail d'un agent ou, au contraire, de le renvoyer à une étape précédente avec des retours précis. Fini le code généré à la va-vite qui finit en prod par erreur. On garde le contrôle, on assure la qualité, et on évite les boulettes coûteuses.
Connecter vos agents préférés : du cloud au local
LoopForge peut orchestrer pas mal d'agents connus. C'est sa force. Parmi eux, on retrouve :
- CodeBuddy : L'environnement de codage IA et ingénieur logiciel multi-agents de Tencent Cloud. Il opère à l'intérieur de VS Code, mais existe aussi en IDE dédié et en CLI. CodeBuddy gère une dizaine de fournisseurs d'IA, cloud ou locaux, et demande une approbation explicite pour toute modification de l'espace de travail. Plutôt rassurant, non ?
- OpenAI Codex : Non, ce n'est pas l'ancienne API dépréciée. Le « nouveau » Codex, relancé en mai 2025, est un agent IA autonome de programmation. Vous lui donnez une tâche, il planifie, édite des fichiers, exécute des commandes. Il lit un fichier
AGENTS.mddans votre dépôt pour comprendre sa configuration et ses règles. Par contre, attention, Codex est un service cloud d'OpenAI, fonctionnant avec les derniers modèles GPT-6 (Astra, Sol, Luna). LoopForge l'orchestre, mais vous ne l'auto-hébergez pas. - Claude Code : La plateforme d'Anthropic pour l'ingénierie logicielle agentique. C'est un assistant IA de codage qui fonctionne via une interface en ligne de commande (CLI), le web, ou des intégrations IDE (VS Code, JetBrains). Il lit les fichiers
CLAUDE.mdpour comprendre la base de code. Comme Codex, Claude Code est un service cloud (avec les modèles Claude Fable, Opus, Sonnet, Haiku), orchestré par LoopForge.
Là où ça devient vraiment intéressant pour l'aspect auto-hébergé, c'est si vos agents supportent l'utilisation de modèles locaux. C'est là qu'Ollama entre en jeu.
Ollama : vos LLM au chaud à la maison
Si vous voulez garder vos modèles de langage au chaud chez vous et éviter de payer des jetons à chaque requête, Ollama est votre ami. Cette plateforme open-source permet d'exécuter et de gérer des LLM (comme Llama3, Mistral, Qwen) sur votre propre infrastructure, avec ou sans GPU. LoopForge peut potentiellement s'y connecter, offrant une flexibilité énorme pour l'exécution des agents sur des modèles que vous maîtrisez.
L'installation d'Ollama est simple :
- Sur Linux/macOS :
curl -fsSL https://ollama.com/install.sh | sh
- Avec Docker (pour CPU) :
docker run -d -v ollama:/root/.ollama -p 127.0.0.1:11434:11434 --name ollama ollama/ollama
Une fois installé, un simple ollama pull llama3 et ollama run llama3 et vous avez un LLM local qui tourne. C'est la base pour un contrôle total sur vos agents.
Les « Human Approval Gates » en profondeur : avec Plannotator
Les portes d'approbation humaine sont la pièce maîtresse du contrôle. Mais on ne parle pas juste d'un bouton « Approuver ». On peut aussi utiliser des outils dédiés pour affiner cette revue, comme Plannotator.
Ce projet de backnotprop offre un espace de travail local basé sur un navigateur pour annoter les plans des agents de codage et les différences de code (diffs). C'est une interface de révision qui ressemble à un outil de pull request, avec des diffs côte à côte, une arborescence de fichiers, et la possibilité d'ajouter des commentaires en ligne, de marquer des suppressions ou même d'écrire des remplacements. Les commentaires sont ensuite renvoyés à l'agent sous forme d'entrée structurée. Ça, c'est le vrai « humain dans la boucle » : on ne valide pas à l'aveugle, on guide l'IA.
Pour l'installer en version terminale (TUI) sur macOS par exemple :
brew install plannotator/tap/plannotator-tui
Plannotator s'intègre avec Claude Code, Codex et d'autres, et permet de configurer des options dans ~/.plannotator/config.json.
Sécurité et audibilité : quand le self-hosting fait la différence
Le self-hosting, ce n'est pas juste pour le plaisir de tout avoir chez soi. C'est aussi un gage de sécurité et d'auditabilité. Vos données ne se baladent pas n'importe où, elles restent dans votre environnement contrôlé, au sein de vos sandboxes Docker. Vous savez ce qui se passe et où.
Et pour aller plus loin dans l'audit, il y a Tracely-ai (ou Tracely). C'est une plateforme CI/CD « trace-native » pour agents IA, conçue pour l'observabilité et l'évaluation. En gros, si un agent fait une boulette en production, Tracely-ai transforme cet échec en un test de régression rejouable qui bloquera les futures pull requests qui réintroduiraient le même bug. Plus de bug qui revient discrètement après un merge !
L'installation de Tracely-ai pour une démo se fait aussi via Docker Compose :
git clone https://github.com/jwuthri-cloud/Tracely-ai cd Tracely-ai docker compose --profile demo up -d --build --wait
La pile technique est un peu plus lourde (ClickHouse, Postgres, Redis, MinIO), mais pour une observabilité poussée et une assurance qualité pour vos agents, ça vaut le coup d'œil.
Conclusion : l'IA de code, un collaborateur sous contrôle
Au final, l'IA de code, c'est un outil puissant. Mais un outil, ça se maîtrise. Avec LoopForge, on a une boîte à outils complète pour orchestrer, superviser et sécuriser nos agents. On passe d'une IA « boîte noire » à un collaborateur fiable, dont on comprend les décisions, qu'on peut corriger et qui travaille dans un cadre défini. C'est ça, reprendre le contrôle de son code, et transformer l'IA en un véritable allié, pas en un risque incontrôlé.