Le nouveau transfert : Comment partager le code de votre agent IA avec votre équipe7 min read

Votre agent IA vient de créer quelque chose d’utile. Il s’agit peut-être d’un tableau de bord, d’un nouveau flux d’intégration ou d’une petite application interne.

Vous pouvez le voir fonctionner. Le code a l’air bon. Maintenant, votre coéquipier pose une question parfaitement raisonnable :

« Peux-tu me l’envoyer ? »

C’est là qu’un flux de travail de codage d’IA devient souvent un transfert manuel. Vous envoyez une capture d’écran, copiez un extrait de code, poussez une branche ou expliquez comment exécuter le projet localement.

Mais la personne qui pose la question ne voudra peut-être pas le code source. Ils veulent ouvrir la chose, l’essayer et vous dire ce qui doit changer.

La bonne façon de partager le code généré par l’IA dépend de ce qui se passe ensuite.

Tout d’abord, que partagez-vous réellement ?

Lorsque quelqu’un demande le code généré par votre agent IA, cela peut vouloir dire trois choses différentes.

1. Le code source

Un développeur doit inspecter l’implémentation, exécuter des tests ou la fusionner dans une base de code existante.

Un référentiel Git et une pull request sont généralement la bonne réponse. Ils fournissent un flux de travail familier pour examiner les modifications, vérifier les tests et intégrer le code en production.

2. Une version fonctionnelle

Un chef de produit souhaite suivre le flux d’intégration. Un concepteur souhaite voir la mise en page réactive. Une partie prenante souhaite essayer le tableau de bord.

L’envoi de fichiers sources n’est pas particulièrement utile ici. Ils ont besoin d’une application ou d’un artefact qu’ils peuvent ouvrir dans un navigateur.

3. Un travail que quelqu’un d’autre poursuivra

Votre coéquipier souhaite examiner l’application, suggérer un changement et demander à un agent IA de mettre en œuvre les commentaires.

Il s’agit d’un autre type de transfert. La destination doit contenir plus qu’un instantané. Il doit préserver l’œuvre, son histoire et l’accès à celui qui la poursuit.

Ces flux de travail se chevauchent, mais ils ne sont pas interchangeables.

La différence entre partager du code et transférer le travail

Imaginez qu’un agent crée un tableau de bord d’analyse client.

Il comprend trois cartes KPI, un graphique d’utilisation et un filtre de date.

Vous pouvez envoyer à votre coéquipier les fichiers React. Ils auraient besoin d’un environnement de développement pour voir le résultat.

Vous pouvez envoyer une capture d’écran. Ils comprendraient la disposition mais ne seraient pas en mesure de tester le filtre.

Vous pourriez le déployer quelque part. Ils pourraient interagir avec lui, mais vous auriez toujours besoin d’un processus pour recueillir les commentaires et mettre à jour le projet.

Imaginez maintenant un flux de travail légèrement différent.

L’agent crée le tableau de bord dans un espace de travail d’artefact partagé et vous fournit son URL.

Votre coéquipier ouvre l’artefact, teste le filtre et laisse des commentaires sur le graphique. Vous demandez à l’agent d’effectuer la modification dans le même artefact.

L’URL reste la même. L’œuvre a une histoire. Il n’est pas nécessaire d’entamer une autre conversation et d’expliquer ce que l’agent précédent a construit.

C’est le transfert qui mérite d’être conçu.

Comment partager le code généré par l’IA avec votre équipe

Voici un flux de travail pratique utilisant AgentGrid.io, un espace de travail d’artefact partagé pour les personnes et les agents IA, créé par Anima.

Étape 1 : Créez avec votre outil de codage d’IA préféré

Continuez à travailler avec Claude Code, Codex, Cursor ou un autre outil avec lequel vous êtes à l’aise.

Par exemple :

Créez un tableau de bord d’analyse de produits réactif avec un graphique d’utilisation, un filtre de date et trois cartes KPI. Utilisez React.

Vous n’avez pas besoin de changer l’outil que vous utilisez pour générer le code.

Étape 2 : placez le résultat dans un endroit accessible à votre équipe

Connectez votre agent à AgentGrid et demandez :

Mettez ce tableau de bord sur AgentGrid en tant qu’application. Donnez-moi le lien de l’artefact et gardez-le privé.

AgentGrid stocke l’application en tant qu’artefact avec sa propre URL et son propre historique de versions.

Si vous utilisez un agent de codage pouvant se connecter indépendamment, suivez les instructions Instructions de connexion AgentGrid. Les assistants basés sur un navigateur tels que Claude ou ChatGPT utilisent leurs intégrations prises en charge.

L’important est que votre agent crée l’artefact dans un espace de travail auquel il est autorisé à accéder.

Étape 3 : Donnez accès à votre coéquipier

Ouvrez l’artefact et copiez son lien.

Avant de l’envoyer, assurez-vous que votre coéquipier a accès à l’espace de travail. Une URL d’artefact privée identifie l’œuvre ; il n’accorde pas la permission par lui-même.

Pour la collaboration interne, c’est généralement ce que vous souhaitez. Un coéquipier peut réviser le travail sans le rendre accessible au public.

Voir comment fonctionne le partage d’artefacts.

Étape 4 : Recueillir des commentaires sur le résultat réel

Votre coéquipier ouvre le tableau de bord et découvre que le filtre de date ne se comporte pas comme prévu.

Au lieu d’écrire un message Slack distinct expliquant quel composant est défectueux, ils peuvent laisser des commentaires attachés à la partie concernée de l’artefact.

AgentGrid prend en charge les commentaires de révision sur les éléments de l’application et les passages de documents. Les personnes et agents autorisés peuvent travailler ensemble sur ces commentaires.

Cela maintient la discussion proche de la chose en cours d’examen.

Étape 5 : Laissez l’agent continuer le travail

Vous pouvez désormais indiquer à un agent connecté :

Ouvrez cet artefact AgentGrid et corrigez le filtre de date. Conservez la mise en page existante et mettez à jour le même artefact.

Incluez l’URL réelle de l’artefact.

L’agent peut inspecter et mettre à jour l’artefact s’il dispose de l’accès et des fonctionnalités requis.

Les modifications apparaissent dans le même historique des versions, attribuées à l’agent qui les a effectuées. Votre coéquipier peut revenir au même artefact pour revoir le résultat.

Voir historique des versions dans AgentGrid.

Qu’en est-il des Claude, ChatGPT, Cursor et Codex ?

Certains outils d’IA disposent déjà de capacités de partage natives utiles.

Claude peut partager des artefacts pris en charge au sein de son écosystème. GitHub est idéal pour réviser le code. Les plates-formes de développement peuvent fournir des déploiements en avant-première.

Vous n’avez pas besoin de remplacer ces flux de travail simplement pour partager quelque chose.

AgentGrid est utile lorsque l’étape suivante implique personnes et agents travaillant sur le même artefact, en particulier à travers différents outils d’IA.

Par exemple, votre équipe peut utiliser Claude pour rédiger une interface, Codex pour affiner son comportement et un réviseur humain pour laisser des commentaires.

L’artefact partagé fournit une destination commune pour ce travail.

Quand devriez-vous plutôt publier ?

Si le travail est destiné à des personnes extérieures à votre espace de travail, comme un client qui a besoin d’une démo publique, vous souhaiterez peut-être le publier.

AgentGrid peut publier des applications prises en charge et des artefacts Markdown sur des URL publiques.

Mais partager et publier ne sont pas la même action.

Un lien d’artefact privé nécessite un accès autorisé à l’espace de travail. Un déploiement publié est accessible au public. Les modifications ultérieures apportées à l’artefact doivent être à nouveau publiées avant d’apparaître sur cette page publique.

Ne publiez que lorsque c’est ce que vous souhaitez.

Une meilleure question à poser lorsque l’agent a terminé

Au lieu de terminer chaque session de codage par « exporter les fichiers », demandez :

Qui en a besoin ensuite et que doivent-ils en faire ?

Si un développeur a besoin de fusionner le code, créez une pull request.

Si quelqu’un a besoin de tester l’application, donnez-lui un aperçu fonctionnel.

Si les personnes et les agents ont besoin de revoir et de poursuivre le travail ensemble, donnez-leur un espace partagé.

Le résultat d’une session de codage d’IA ne doit pas nécessairement être la fin du flux de travail. Cela peut être le point de départ pour tout le monde.

👉 Explorez AgentGrid.