La Silicon Valley intègre 1 000 pull requests par mois avec l’IA. Nous aussi, depuis l’Espagne et avec 300 dollars d’IA par mois
Par Xavier Franco, CEO de Elternativa · Grupo Zemsania
· · 8 min de lecture
Rédigé avec l’aide de l’IA et relu par Xavier Franco

Dans cet article
- Ce que l’on publie depuis la Silicon Valley
- Espagne : 1 028 pull requests en 30 jours
- Comment tout a commencé : une plateforme qui se construit elle-même
- Le secret : la méthode vit à l’intérieur du système
- ×2 : la flotte intelligente
- ×4 : la validation intelligente
- 29 centimes par pull request
- À partir de cette semaine, toute l’équipe
- Ce que cela signifie pour votre entreprise
- Comment nous vous aidons
Une ingénieure de la Silicon Valley est devenue virale pour avoir intégré 1 000 pull requests par mois en travaillant avec l’IA. On la partage comme le dernier cri. Chez Datagentis, nous faisons la même chose. Depuis l’Espagne. Avec une seule personne. Et avec 300 dollars d’IA par mois. Je ne vous le raconte pas : je vous le montre, avec les graphiques de notre propre Git. C’est un test que j’ai fait moi-même, personnellement, pendant 30 jours, et c’est pourquoi je le signe.
Ce que l’on publie depuis la Silicon Valley
L’ingénieure est Lauren Tan, et ce n’est pas n’importe qui :
- Elle fait partie de l’équipe React, l’une des bibliothèques d’interfaces web les plus utilisées.
- Elle a ouvert comme keynote la React Conf 2024, alors qu’elle travaillait chez Meta.
- Aujourd’hui elle travaille chez Cursor, l’un des éditeurs de code avec IA les plus connus, basé à San Francisco et récemment racheté par SpaceX. C’est pourquoi on la présente comme ingénieure de SpaceX AI.
Interview publique sur YouTube : «Lauren Tan - SpaceXAI engineer». Voir l’interview sur YouTube →
Dans son interview, elle raconte que le mois précédent elle a envoyé environ 1 000 pull requests, et dans une autre version de l’échange elle parle de 2 000. Son secret n’est pas d’avoir cinquante agents : elle dit elle-même qu’elle en utilise deux ou trois à la fois. Son secret, c’est qu’elle n’a pas besoin de les surveiller, parce qu’elle a construit un système qui vérifie le travail avant qu’il ne lui parvienne :
- Vérification : l’agent teste son propre travail comme le ferait un utilisateur.
- Évaluation : d’autres agents évaluent ce travail selon des critères fixés.
- Des règles qu’on ne contourne pas : ce qu’une personne corrige deux fois devient une règle.
Sa phrase le résume : d’abord la confiance, ensuite le parallélisme.
Espagne : 1 028 pull requests en 30 jours
Maintenant, les données de mon test. Du 16 octobre au 16 novembre 2026, mesurées dans le Datagentis Management Center :
Comment elles s’organisent : chaque compte Claude Code a sa flotte, chaque flotte regroupe les instances de ce compte, et toutes les flottes forment un pool que la plateforme gouverne seule.
Le même rythme que celui que publient les références de la Silicon Valley, et avec le coût à la vue de tous : 300 dollars d’IA par mois.
Capture d’écran originale du Datagentis Management Center : ma file des 30 derniers jours, filtrée par mes 3 comptes. 1 028 tâches, chacune avec son instance, sa pull request et son état. Celles qui sont « En validation » ou « à valider » attendent depuis quelques minutes, pas des jours.
Comment tout a commencé : une plateforme qui se construit elle-même
Le plus puissant dans ce cas, c’est que la plateforme que nous utilisons pour développer est celle-là même que nous développons. Datagentis et sa méthodologie, Agentagile, se construisent avec Datagentis et Agentagile.
Graphique original du panneau Performance : PR intégrées par semaine dans notre dépôt GitHub. En bleu, celles qui entrent via Agentagile (contrat → pull request). Marqués : le 27 juillet et les deux dernières semaines.
Regardez le graphique avec moi :
- 27 juillet : la plateforme commence à se développer elle-même. À partir de là, presque tout ce qui est intégré passe par Agentagile.
- Août et septembre : des centaines de pull requests par semaine, avec des pics de plus de 350.
- Octobre : vitesse de croisière, entre 180 et 260 par semaine. C’était déjà un rythme que peu d’équipes atteignent.
- Les deux dernières semaines : c’est là que tout s’envole, avec deux nouvelles fonctionnalités. La flotte intelligente, la semaine du 2 novembre (×2), et la validation intelligente, celle du 9 novembre (×4). Je vous les explique maintenant.
Le secret : la méthode vit à l’intérieur du système
Je ne programme pas ces pull requests. Je ne cours après aucune IA. Ce sont 38 instances de Claude Code, chacune avec son propre clone du code, réparties dans les flottes des trois comptes. La plateforme gouverne le pool seule, avec une capacité de travail 24/7. Tout fonctionne en mode semi-autonome, comme celui de Lauren Tan : je fixe le cap du produit, ce qui se construit et quand c’est bien fait, et le système construit, teste et valide. J’interviens pour décider, pas pour surveiller.
Cela fonctionne parce que la méthode n’est dans la tête de personne. Elle est à l’intérieur du système :
- Harnais : chaque tâche naît avec son contrat, ses critères et ses tests.
- Garde-fous : les règles du projet sont servies à chaque instance, à chaque tâche.
- Mémoire : chaque erreur devient une règle, et l’instance suivante ne la répète plus.
Le système sait déjà comment on construit, comment on teste et comment on valide. La seule chose qui ne se délègue pas, c’est de savoir où va le produit. C’est la thèse de Lauren Tan poussée à l’extrême : quand vous faites confiance au système, une personne suffit pour mener toute une flotte.
×2 : la flotte intelligente
Le 2 novembre, nous avons activé la flotte intelligente. Les instances de développement cessent d’être des sessions isolées et deviennent une flotte que la plateforme gouverne :
- Elle assigne chaque tâche à une instance et lui ordonne de l’exécuter, dans une session propre.
- Elle répartit le travail selon le quota de chaque compte Claude Code : aucun ne s’épuise trop tôt, aucun ne reste à l’arrêt.
- Elle se rétablit toute seule si une instance se bloque ou tombe.
×4 : la validation intelligente
Une fois la production doublée, le goulot d’étranglement est devenu la validation. Alors la semaine du 9 novembre, nous avons activé la validation intelligente :
- Le même plan qui répartit le développement répartit aussi la validation.
- Une instance validatrice lit le code de chaque pull request et le confronte aux critères et aux tests du contrat.
- Aucune instance ne valide ce qu’elle a elle-même programmé.
- Ce qui est rejeté retourne dans la file avec son motif ; ce qui est validé est prêt pour la décision finale.
Et dans le panneau de performance de toute l’équipe en 2026 : 78,2 PR par semaine et par personne, ×9,8 par rapport à notre propre historique et ×20,6 par rapport à la référence du secteur.
Pour vous donner une idée de l’échelle : l’étude la plus citée sur GitHub Copilot, avec 4 867 développeurs, a mesuré 26 % de plus de productivité avec l’IA. Nous ne parlons pas de pourcentages. Nous parlons de multiplier.
29 centimes par pull request
Il n’est pas nécessaire d’avoir un budget de la Silicon Valley pour travailler à son rythme. Il faut de la méthode intégrée au système. Et c’est exactement ce que nous avons construit.
À partir de cette semaine, toute l’équipe
Ce test, je l’ai fait moi-même, avec mes trois comptes et ma propre file de travail, pour pouvoir le raconter avec des données et le signer. Il est temps de le passer à l’échelle : à partir de cette semaine, toute notre équipe travaille ainsi, chaque personne avec sa flotte, la flotte intelligente et la validation intelligente.
Si une seule personne est arrivée à 1 028 pull requests en 30 jours, l’escalade de fonctionnalités que nous allons livrer à partir de maintenant sera impressionnante. Je vous la raconterai ici, avec les données de Git.
Ce que cela signifie pour votre entreprise
Si une personne avec 300 dollars par mois intègre plus de mille pull requests, la question n’est plus de savoir si l’IA peut accélérer votre développement. La question est de savoir combien de temps vous allez continuer sans le faire.
Par où commencer :
- Mesurez votre point de départ : pull requests intégrées par semaine et par personne.
- Mettez la méthode dans le système, pas dans la tête des personnes.
- Séparez celui qui exécute de celui qui valide, y compris entre instances d’IA.
- Organisez les instances en flotte et répartissez-les selon le quota de vos comptes.
- Comparez sur votre dépôt, dans un périmètre limité, avant de passer à l’échelle.
Comment nous vous aidons
Chez Datagentis, nous ne fabriquons pas d’agents : nous utilisons votre IA, celle que vous avez déjà souscrite, et nous l’orchestrons. Nous lui donnons une méthode commune que vous définissez, pour qu’elle développe comme le ferait votre organisation, et votre équipe se consacre à ce qui apporte vraiment de la valeur : définir des cas d’usage et décider. C’est la même méthodologie, Agentagile, avec laquelle nous construisons Datagentis.
Vous avez trois façons de travailler avec nous :
- Nous vous conseillons : diagnostic et feuille de route par phases.
- Nous le faisons pour vous : nous exécutons vos projets avec notre système, selon la modalité que vous avez déjà : assistance technique, projet au forfait ou service géré.
- Bureau Technique hybride : nous vous aidons à monter le vôtre, opéré par vos équipes et vos prestataires.
Nous commençons par un pilote, et vous décidez avec vos chiffres.
Et si votre équipe livrait quatre fois plus avec les mêmes personnes ?
Nous vous montrons en direct la flotte et la validation à l’œuvre, et comment nous mesurons le saut sur votre propre dépôt.


