Agents IA : 20 000 $ sur Devin, Grok 4.6 testé

Un fondateur dit avoir consacré 20 000 $ à Devin en un mois, en pilotant 10 à 15 fils d’agents et jusqu’à 40 demandes de tirage par jour. Il décrit ses méthodes, de la liste manuscrite au workflow Watchdog, et sa manière d’embaucher à l’ère des agents. En parallèle, Claire place Grok 4.6 au sommet de ses tests à l’aveugle aux côtés de GPT-5.6 Sol, tout en préférant Sonnet 5 pour les échanges d’agent. Elle détaille ce que Grok Bot apporte immédiatement avec ses connecteurs multi-comptes, les limites d’Origin, et la cohérence naissante de la pile Cursor/xAI.

Devin en production : 20 000 $, 10–15 fils et jusqu’à 40 PR/jour

Ryan Carson affirme avoir engagé 20 000 $ sur Devin en un mois. Il dit gérer simultanément 10 à 15 fils Devin et expédier jusqu’à 40 demandes de tirage par jour. Ses fils sont classés en P0, P1, P2 et Bugs, et il traite chacun comme un manager le ferait avec un report direct : objectif clair, priorité posée, sans micro-management.

Méthodes de pilotage : une liste manuscrite et le flux Watchdog

Bien qu’il dispose de huit écrans, Ryan Carson continue d’utiliser une liste écrite à la main pour ses priorités hebdomadaires. Il explique avoir opté pour cette méthode de façon délibérée afin de rester concentré sur trois tâches principales, même face à l’afflux constant de notifications provenant des agents. Il a aussi bâti un playbook IA opérant comme une équipe de succès client : Watchdog passe chaque compte en revue, extrait activité et erreurs depuis Sentry et les journaux internes, isole trois problèmes clés, et vérifie si une demande de tirage récente les a corrigés. L’ensemble remonte dans un fil Devin unique qu’il exécute lorsqu’il manque de visibilité, afin de se remettre rapidement à jour.

Plus de sorties ne fait pas un meilleur produit : prudence et écoute

Ryan Carson et Claire se disent sceptiques à l’idée de laisser des agents travailler sans contraintes pendant la nuit. Ils estiment que les modèles de frontière produisent facilement un volume important, sans connaître pour autant les besoins réels des clients. Pour eux, idées de produit, priorités et jugement de marché doivent venir d’un humain en contact avec les utilisateurs. Ryan Carson attribue l’adéquation produit-marché d’Untangle à une rencontre avec l’avocate Renee Bauer et à une écoute attentive, plutôt qu’à l’augmentation du code livré.

Le bon outil au bon endroit : Devin, Codex et Claude en complément

Ryan Carson indique que la majorité des tâches d’ingénierie sont prises en charge par les agents cloud et qu’il se sert de Devin pour gérer les bugs, les pull requests, les mises à jour destinées aux investisseurs et le tri des clients. Il passe à Codex pour les fonctionnalités qui présentent une complexité visuelle importante et lorsqu’il souhaite rester très proche de l’implémentation, un choix qu’il affirme fonder sur la question de la latence, l’accès au navigateur et la possibilité d’inspecter en direct. Au-delà de la base de code, Claire mobilise Devin pour l’opérationnel, les devis personnalisés et le triage, et Ryan Carson pour centraliser les updates investisseurs via une compétence réutilisable, avec l’idée partagée d’un agent qui comprend toute la base de code pour résoudre des problèmes variés. Côté design, Claire explique avoir utilisé Claude Design pour transformer un fichier Figma en tokens et spécification, puis confié l’implémentation à Codex, qu’elle juge meilleur pour convertir la spécification en composants partagés ; elle considère Claude plus efficace pour produire une spécification portable.

Recruter à l’ère des agents : l’épreuve de l’enregistrement d’écran

Pour juger les candidats, Ryan Carson sollicite un enregistrement vidéo montrant la création d’une fonctionnalité dans une application existante, avec l’intégralité de l’écran affichée et sans entretien introductif. Il met ensuite Devin à leur disposition et examine la façon dont ils interagissent avec l’agent à travers la rediffusion de leur session. Il dit ainsi observer la manière de penser, de construire et de piloter un agent dans des conditions réalistes. Il juge cette méthode plus parlante qu’un entretien comportemental classique.

Grok 4.6 en tête des tests de Claire, Grok Bot utile jour 1, Origin encore court

Claire rapporte que Grok 4.6 s’est hissé aux côtés de GPT-5.6 Sol en tête de son propre indice, devant Sonnet 5 et Opus 5. Elle insiste sur sa méthode : évaluations à l’aveugle qu’elle note elle-même, en donnant 70 % du poids final à son jugement, sans recours à un classement tiers. Pour les échanges d’agent, elle continue toutefois de préférer Sonnet 5, qu’elle trouve plus proche d’un collaborateur solide ; elle estime que Grok 4.6 n’est pas encore compétitif sur ce terrain. Grok Bot lui a été utile dès le premier jour grâce à ses connecteurs multi-comptes, capables d’agréger ses quatre adresses e-mail et sept espaces Slack dans un seul bot, une capacité qu’elle juge encore inégalée par Codex et Claude. Elle met en avant une configuration rapide, une interface épurée et des plugins intégrés qui fonctionnent, tout en notant que les profils cherchant une personnalisation poussée pourraient le trouver trop policé ; elle souligne que ses agents OpenClaw, plus « chaotiques », la stimulent davantage. Concernant Cursor Origin, elle salue une vision d’alternative native à GitHub pensée pour les agents, avec Bugbot, Cursor et un flux de demandes de tirage adaptés, mais estime qu’aujourd’hui l’offre reste une variante plus séduisante de GitHub avec moins de fonctions. Selon elle, les équipes très dépendantes de GitHub Actions, des propriétaires de code et de leurs automatisations auront besoin d’un motif bien plus fort pour migrer, et elle n’est pas prête à remplacer GitHub par Origin. Elle observe par ailleurs une cohérence d’ensemble entre Grok Bot pour les travailleurs du savoir, Origin pour l’hébergement de code, Grok 4.6 comme modèle par défaut et l’IDE Cursor déjà central pour de nombreux développeurs. Aucun élément n’est parfait isolément, mais ensemble, elle voit une plateforme d’entreprise crédible émerger ; elle ajoute que les grandes organisations privilégient souvent un fournisseur unique et que Cursor se positionne de plus en plus en ce sens.