Aller au contenu

Tourne ton appareil

Ce site se lit à la verticale.

Hello, je suis Julien Chapron

Développeur full-stack et IA enthousiaste

Je conçois des API REST et GraphQL

compétences

Ce que j'utilise. Par ordre d'heures passées.

Sur chaque ligne, les deux premières sont celles où j'ai le plus d'expérience.

Langages

  • TypeScript
  • JavaScript
  • PHP
  • SQL
  • Python

Front-end

  • React.js
  • Vue.js (Vuex)
  • HTML / CSS
  • React Native
  • Astro

Back-end

  • Node.js (Express)
  • API REST
  • GraphQL
  • PostgreSQL
  • Laravel
  • MySQL

Cloud & infrastructure

  • Docker
  • Kubernetes
  • GCP
  • GitLab CI
  • Git
  • Linux

Tests

  • Jest
  • Cypress
  • Vitest

Méthodes

  • Agile / Scrum
  • revues de code

projets

Projets personnels. Un projet IA en détail.

Comment vérifier le comportement réel d'une application quand son code est écrit par des agents IA ?

Projet open source · 2026

Agent QA Kit

Prouver que le code écrit par une IA fonctionne pour l'utilisateur, avant de l'accepter. Une étape QA indépendante, intégrée au cycle de développement, où ce sont les rapports de tests qui tranchent, pas l'avis de l'agent.

Statut
Expérimental
Verdict
Rapports de tests
Pilotage
Julien Chapron

mesures · version de référence

  • Coût par essai≈ 0,11 $

dossier · A — F

  1. Le problème

    Des agents IA écrivent le code, d'autres le relisent, mais personne ne prouve que l'application marche encore à l'écran. Dans un diff, un bouton qui disparaît sur mobile a l'air normal, et des tests écrits après coup confirment le bug.

  2. Des tests gelés avant le code

    Un agent rédacteur transforme chaque critère d'acceptation en tests unitaires et navigateur, qui doivent d'abord échouer pour la bonne raison. Une personne les valide une fois ; ils sont ensuite gelés et leurs empreintes vérifiées à chaque étape.

  3. Une vérification indépendante

    Un agent sans droit d'écriture rejoue les tests et un script recoupe son verdict avec les rapports réels. En cas d'échec, l'application est réparée, jamais les tests. Les agents tournent dans un bac à sable sans réseau ni identifiants.

  4. Mesurer les agents comme un modèle

    17 tickets avec implémentation de référence, bugs injectés et tests cachés, que l'agent ne voit jamais. Comparaisons appariées ticket par ticket et décision de release fixée avant les résultats, coûts plafonnés par campagne.

  5. Ce que les mesures montrent

    La version de référence réussit 45 essais sur 48 et détecte 86 bugs injectés sur 87, pour environ 0,11 $ par essai. Le cadre a aussi révélé un point faible : un bug de code promo invisible avec un panier en livraison gratuite.

  6. Savoir renoncer

    Un correctif du prompt trouvait ce bug 3 fois sur 3, mais doublait les faux positifs. Les règles de release l'ont classé « à revoir » et je ne l'ai pas gardé : une amélioration non prouvée n'en est pas une.

Expérimental : mesuré sur une boutique de démonstration, pas encore sur des tickets de projets réels. Conçu et piloté par moi, développé avec Claude Code.

Claude Code (agents, hooks, sous-agents) · TypeScript / Node.js 22 · Playwright · Vitest · React · GitHub Actions · bubblewrap

Voir le code sur GitHub