Learning Loop

Des agents de code qui apprennent
de vos corrections

« Lance les tests avant de commiter. » « Ne touche pas au lockfile. » Vous l'avez tapé dix fois, à cinq agents, sur trois CLI. Et demain, une nouvelle session devra encore l'entendre.

Learning Loop lit ce que vous avez tapé aux agents d'un projet, repère les corrections que vous répétez et vous les propose sous forme de règles courtes. Vous acceptez, modifiez ou refusez chacune d'elles. Les règles acceptées entrent dans la mémoire projet, et tous les agents les suivent dès lors, sur Claude Code, Codex et tous les autres CLI d'agent.

Learning Loop

Vos corrections

  • Non, lance d'abord les tests
  • Je l'ai déjà dit : pas le lockfile

Règle proposée

Lancer les tests avant chaque commit

Accepter

Tous les agents la suivent

Les agents de code commencent chaque session sur une page blanche. Ce que vous avez corrigé hier, l'agent d'aujourd'hui l'ignore, et son voisin sur un autre CLI ne l'a jamais su. Alors vous corrigez encore, et la même correction revient semaine après semaine.

Écrire la règle vous-même dans un fichier CLAUDE.md ou AGENTS.md fonctionne, mais personne ne s'arrête au milieu d'une tâche pour le faire, et chaque CLI lit son propre fichier. Les corrections restent éparpillées dans de vieilles conversations, où aucun agent ne les lira jamais.

Learning Loop écrit à votre place. Il relit vos propres prompts, remarque ce que vous répétez sans cesse et vous présente une courte liste de règles à approuver. C'est toujours vous qui décidez : rien n'atteint vos agents tant que vous ne l'avez pas accepté.

Ce que fait Learning Loop

Chaque correction faite une fois peut devenir une règle que vos agents n'oublient plus.

Relit vos propres corrections

Seul ce que vous avez tapé aux agents est lu, pas leurs réponses. Le bilan repère les corrections qui reviennent et propose jusqu'à 10 règles, chacune avec sa catégorie (convention, piège, préférence, process) et le nombre de fois où vous l'avez faite.

Vos propres mots comme preuve

Chaque règle proposée affiche les phrases que vous avez réellement tapées : vous voyez en une seconde si elle est juste. Les secrets sont masqués sur votre machine avant toute analyse.

Vous acceptez, modifiez ou refusez

Rien n'est appliqué sans vous. Acceptez une règle telle quelle, reformulez-la ou refusez-la. Une règle refusée ne revient jamais, même formulée autrement.

Suivie par tous les agents

Les règles acceptées sont écrites dans la mémoire projet partagée, épinglées en tête de ce que les agents lisent avant une tâche. Tous les agents du projet les suivent, quels que soient leur CLI et la machine.

Montre si la leçon a porté

Chaque règle acceptée vous indique si vous avez dû refaire la correction depuis. Une règle qui continue d'être enfreinte se voit, et vous pouvez la reformuler au lieu de vous répéter.

Chaque soir, si vous le voulez

Lancez un bilan à la main quand vous le souhaitez, ou activez le bilan quotidien et trouvez de nouvelles règles qui vous attendent le lendemain matin. Un rappel au-dessus de la zone de saisie vous prévient quand des leçons attendent votre verdict.

Comment ça marche

Quatre étapes. Vous en faites deux, en quelques secondes chacune.

  1. 1

    Ouvrez Learning Loop

    Cliquez sur la toque de diplômé dans le dock d'un projet, à côté de « Mémoire », puis sur « Faire le bilan ». Le premier bilan lit les deux dernières semaines de vos prompts aux agents de ce projet.

  2. 2

    Un agent de bilan lit vos prompts

    Par défaut, un agent de bilan tourne sur votre propre CLI : vos prompts restent chez le provider qui les a déjà reçus. Il rédige un court bilan : ce qui compte pour vous, les erreurs que vous corrigez le plus, et les règles qu'il propose.

  3. 3

    Vous décidez

    Quelques minutes plus tard, les règles proposées vous attendent dans l'onglet « À valider », avec vos propres mots comme preuve. Acceptez, modifiez ou refusez chacune d'elles, sur desktop ou sur l'écran Learning Loop de l'app mobile.

  4. 4

    Tous les agents suivent les règles

    Les règles acceptées sont écrites dans la mémoire projet. Le prochain agent que vous lancez, sur n'importe quel CLI et n'importe quelle machine du projet, les lit avant de commencer, et l'onglet « Acceptées » garde la trace de celles que vous avez encore dû corriger.

Pourquoi ça change votre façon de coder avec des agents

Sans Learning Loop, le temps passé à corriger vos agents est perdu dès la fin de la session. Avec lui, chaque correction ne se paie qu'une fois : elle devient une règle, et cette règle sert à tous les agents qui viennent après, y compris ceux que vous n'avez pas encore lancés.

Et l'effet s'accumule. La première semaine, Learning Loop attrape les évidences : la commande de test, le dossier à ne pas toucher, le format des commits. Un mois plus tard, il capte vos goûts : votre façon de nommer les choses, ce que vous considérez comme terminé, les raccourcis que vous n'acceptez jamais. Vos agents se rapprochent de votre façon de travailler, et vous passez moins de temps à répéter la même chose.

Et tout reste à vous. Les règles sont des phrases courtes dans la mémoire projet, lisibles et modifiables, pas un réglage caché du modèle. Supprimez-en une, et elle disparaît pour tous les agents à la fois.

Limites

  • Rien ne se lance tout seul : un bilan démarre quand vous cliquez sur « Faire le bilan », ou chaque soir une fois le bilan quotidien activé.
  • Les agents lisent les règles dans la mémoire projet. Un agent dont la mémoire est coupée, ou un projet dont la mémoire est désactivée, ne les voit pas.
  • Les bilans lisent les conversations stockées sur votre ordinateur : l'app desktop doit donc être ouverte pour qu'un bilan tourne.
  • Le service AgentsRoom, optionnel, envoie vos prompts masqués à OpenAI pour l'analyse, après votre consentement : 3 bilans par mois en Free et en Plus, illimités en Pro ou avec votre propre clé OpenAI. Les bilans sur votre propre CLI sont illimités sur tous les plans.
  • Jusqu'à 10 règles proposées par bilan, à partir d'environ les 40 000 derniers tokens de vos prompts, les plus récents d'abord.

Questions fréquentes

Posez-nous une autre question
Comment arrêter de répéter la même correction à Claude Code ?
Ouvrez Learning Loop dans AgentsRoom et lancez un bilan. Il lit ce que vous avez tapé aux agents du projet, repère les corrections qui reviennent et vous les propose sous forme de règles courtes. Acceptez celles qui sont justes : elles sont écrites dans la mémoire projet, et chaque agent Claude Code du projet les lit avant une tâche. Vous n'avez plus à le redire.
Est-ce que ça marche avec Codex et d'autres CLI, pas seulement Claude Code ?
Oui. Les règles vivent dans la mémoire projet d'AgentsRoom, que lit chaque CLI d'agent connecté à AgentsRoom : Claude Code, Codex, Antigravity et les autres. Une correction faite à un agent Claude Code devient une règle qu'un agent Codex suit aussi.
Est-ce un agent de code qui s'améliore tout seul ?
En pratique, oui : vos agents travaillent de mieux en mieux comme vous le voulez, session après session. Mais rien ne change dans votre dos. L'amélioration, c'est une liste de règles courtes que vous avez approuvées, écrites là où vous pouvez les lire, les modifier ou les supprimer.
Où vont mes prompts pendant un bilan ?
Par défaut, nulle part ailleurs : le bilan tourne sur votre propre CLI, donc vos prompts n'atteignent que le provider qui les a déjà reçus. C'est seulement si vous activez le service AgentsRoom pour un projet, avec votre consentement explicite, que les prompts masqués passent par notre serveur vers OpenAI. Les secrets sont d'abord masqués sur votre machine, et les prompts bruts ne sont jamais stockés sur notre serveur.
Quelle différence avec l'écriture d'un fichier CLAUDE.md ?
Un fichier CLAUDE.md ou AGENTS.md, vous l'écrivez et l'entretenez vous-même, et chaque CLI lit le sien. Learning Loop trouve les règles pour vous dans ce que vous avez déjà tapé, vous demande de les confirmer et les range à un seul endroit que tous les CLI lisent. Les deux vont bien ensemble : gardez votre fichier d'instructions pour la vue d'ensemble, et laissez Learning Loop recueillir les détails que vous corrigez sans cesse.
Une règle que j'ai refusée peut-elle revenir ?
Non. Une règle refusée ou retirée n'est plus jamais proposée, et le bilan en est informé pour qu'elle ne revienne pas non plus reformulée.
Comment savoir si une règle acceptée fonctionne vraiment ?
L'onglet « Acceptées » indique, pour chaque règle, si vous avez dû refaire la même correction depuis que vous l'avez acceptée. Si une règle continue d'être enfreinte, modifiez-la pour la rendre plus claire.

Pour aller plus loin

Vous aimerez aussi

Corrigez une fois. Tous les agents s'en souviennent.

Learning Loop est inclus dans AgentsRoom sur macOS, Windows et Linux, avec l'app mobile pour valider les règles depuis votre téléphone.

Télécharger AgentsRoomGratuit

App companion : suivez vos agents en déplacement

Utilisez Claude, Codex, Antigravity CLI ou un autre fournisseur IA.

Remontez bugs et demandes directement dans votre backlog public.