Solo Builder
Un système d'agents IA pour livrer en solo
Un système multi-agents qui permet à un profil produit / delivery (sans être développeur) de livrer des projets de qualité agence, de la découverte au lancement.
Ce que ça prouve
Pour un dirigeant, ce projet répond à une question très concrète : comment mettre des agents IA dans une chaîne de livraison sans perdre le contrôle ni la qualité ? Solo Builder est ma réponse. L'IA exécute, mais l'humain garde la main aux moments qui comptent (Go/No-Go, validation des specs, recette, décision de pivot). C'est le réflexe d'un delivery manager appliqué à l'IA : automatiser sans renoncer au pilotage, à la sécurité ni à la preuve. Bref, exactement le profil qu'on cherche pour intégrer l'IA dans une organisation sans qu'elle devienne une boîte noire.
Le problème
Livrer un projet seul, avec un background produit mais sans compétences de dev, oblige soit à construire sans validation, soit à sous-traiter le critique, créant des trous de qualité.
La solution
Un pipeline d'agents spécialisés avec des points de contrôle humains explicites : agents de découverte qui valident l'idée sur des données réelles, agent stratégie/MVP, agents de delivery (specs BDD, code, audit sécurité automatisé), et une boucle de feedback qui synthétise les insights pour décider pivot / persévère. Un Canvas YAML sert de source de vérité unique.
Le pipeline d'agents
Discovery
✋ Go / No-Go- ▹ EMBER + RAZOR : pitche puis tue l'idée
- ▹ CONTRARIAN : débusque les angles morts
- ▹ JUDGE : gates binaires, non charmables
GTM
✋ Validation stratégie + MVP- ▹ Stratégie : cible, canal, prix
- ▹ MVP Scoper : Must / Should / Later
- ▹ Metric Setter : KPIs, seuils pivot/persévère
Delivery
✋ Specs · Audit · Recette PO- ▹ Agent PM : stories BDD + tickets
- ▹ Agent Dev : code + tests
- ▹ Audit sécu : CLI auto, bloquant
- ▹ QA E2E : parcours Playwright
Feedback
✋ Pivot / Persévère / Backlog- ▹ Feedback simulé sur 4 personas, avant le lancement
- ▹ Feedback réel : KPIs, NPS, verbatims
- ▹ Synthèse des insights pour décider
✋ Checkpoints humains : je tranche à chaque gate. La boucle de feedback réinjecte ensuite vers Delivery (ajustement), GTM (cible / canal) ou Discovery (hypothèse fausse).
Sous le capot
CrewAI
Définit les rôles d'agents. Chaque agent a une mission précise et un périmètre clair (pitcher, challenger, juger, scoper, coder, auditer), comme une équipe, mais d'agents. C'est la couche qui répartit la responsabilité.
LangGraph
Orchestre le pipeline comme une machine à états avec des points d'interruption. Le graphe avance de phase en phase, mais s'arrête aux checkpoints pour attendre ma décision (human-in-the-loop). C'est ce qui rend le système pilotable plutôt qu'une boîte noire.
Ce que ça change
Points forts
- ✓ Sécurité par construction : défense en profondeur, classification des données, sandboxing du code généré
- ✓ Human-in-the-loop sans goulot : checkpoints Go/No-Go où le décideur tranche, agents non bloquants
- ✓ Livrables double-versionnés (exécutif + technique) générés depuis une source unique, avec journal de décisions immuable
- ✓ Gestion fine du coût : Claude pour le raisonnement complexe, modèle local pour les tâches répétitives/sensibles