J’ai vraiment relié un coordinateur et plusieurs workers

✨ Résumé de GPT-5.6 Sol

Le récit d’un objectif découpé en plusieurs Work Items, confiés à différents workers, puis vérifiés et intégrés par un coordinateur.

C’était différent des anciens workers

Dans un précédent projet de collecte de données, j’avais déjà séparé les workers du coordinateur. À l’époque, les workers répétaient le même batch selon un goal fixe, tandis que le coordinateur organisait périodiquement les résultats accumulés.

Cette fois, le fonctionnement était différent. J’ai donné au coordinateur un objectif en langage naturel. Il a défini les conditions de fin et les Work Items, puis réparti les fichiers et le périmètre entre les workers.

Chaque worker -W- a terminé et vérifié sa tâche avant de transmettre un commit. Le coordinateur -C- a examiné ces résultats, les a intégrés un par un, puis a de nouveau vérifié l’état complet.

Ce qui s’est passé en pratique

Le flux lui-même était simple.

Transmettre l'objectif
→ Le découper en Work Items
→ Exécuter et vérifier dans chaque worker
→ Transmettre les commits
→ Le coordinateur examine et intègre
→ Vérifier de nouveau l'état complet

Le principal avantage était la clarté de la responsabilité. Si une tâche échouait, les autres ne vacillaient pas avec elle, et je pouvais examiner chaque résultat sous forme de commit.

Le problème est lui aussi apparu immédiatement. En lançant trop de workers, tous les rapports sont arrivés d’un coup. Les sessions en double ont encore compliqué la gestion. Davantage de parallélisme n’était pas automatiquement préférable. Il fallait limiter le découpage à ce que le coordinateur pouvait réellement absorber.

Ce que je veux automatiser dans OpenClaw

Je ne cherche pas à reproduire exactement dans le produit les sessions, Worktrees et Branches utilisées aujourd’hui. Je veux automatiser les décisions qui se trouvent derrière.

• jusqu’où découper un objectif
• qui possède chaque résultat
• ce qu’il faut vérifier avant de considérer une tâche comme terminée
• où reprendre après un échec

Lancer plusieurs IA en même temps n’était pas difficile. Le plus difficile était de réunir leurs résultats sans rien perdre. Aujourd’hui, j’ai exécuté ce processus manuellement.