Les agents de code commencent à être jugés sur la transformation réellement accomplie, pas seulement sur une suite verte. SWE Refactor Bench audite d’abord la migration, teste ensuite le comportement, puis lance six agents vérificateurs. Sur 520 essais, seuls 28 franchissent les trois étages, révélant combien un succès apparent masque encore les contournements.

Cette exigence descend aussi dans les outils quotidiens. Laravel Boost ajoute une skill qui indique aux agents quoi tester, quand s’arrêter et comment éviter les tests redondants ou fragiles. L’objectif n’est plus de produire davantage de tests, mais de transformer les critères d’acceptation en contraintes explicites avant que l’agent ne déclare sa tâche terminée.

La vérification déborde enfin du code vers l’exécution elle-même. TRACE propose un reçu signé qui relie modèle, environnement matériel, politique, classes de données et appels d’outils, vérifiable sans faire confiance à l’opérateur. Le pipeline émergent combine donc audit de transformation, tests comportementaux et preuve d’exécution, au lieu d’un verdict binaire fourni par l’agent.

Les nouveaux harnais ne s’arrêtent plus avec le prompt. Headlong maintient un flux de pensée unique entre Slack, Telegram et mobile, conserve sa trajectoire dans un graphe de fichiers JSONL et peut revenir seul sur un défaut. Ce passage à l’activité continue expose aussitôt le vrai coût : mémoire imparfaite, processus qui se tue lui-même, secrets partagés et 1 à 2 dollars de modèles par heure.

Dès que plusieurs humains et agents modifient les mêmes données, cette persistance devient un problème de concurrence. Ablo place devant Postgres un chemin d’écriture commun : les claims ordonnent les acteurs, les lectures périmées sont refusées et chaque changement reste attribué. L’agent n’est plus seulement un client du contexte ; il devient un rédacteur asynchrone qu’il faut empêcher d’écraser le travail d’autrui.

La même bascule atteint l’intégration métier. Vejas remplace l’interface de construction par des flux lisibles écrits par un agent, corrigés sur leurs tables et seuils par un expert, puis exécutés par un binaire Rust sur NATS. Le harnais des agents persistants ressemble donc de plus en plus à un système distribué : journal durable, autorité bornée, idempotence, reprise, ordonnancement et bac à sable comptent désormais autant que le modèle.

Les skills deviennent un artefact logiciel mondial, bien plus vite que leurs outils de découverte. Une analyse de 1,87 million de contenus distincts mesure 14,3 % de fichiers non anglophones ; parmi les créations, cette part passe de 13,0 % au premier trimestre à 16,3 % au deuxième.

Cette diffusion sert désormais le code courant, pas seulement des recettes génériques. Le nouveau jeu de skills GoLand lit la version déclarée dans go.mod, fournit à l’agent les règles compatibles de Go 1.0 à 1.27 et ne développe un exemple qu’à la demande, afin d’économiser le contexte.

Le format commun ne garantit pourtant ni synchronisation ni comportement identique. Les skills Claude restent séparés entre claude.ai, l’API et Claude Code, avec réseau et installation de paquets différents. La couche portable devra donc versionner contenu, runtime, permissions et preuve d’exécution ; les catalogues qui ne classent que le texte manqueront l’essentiel.