Deux agents IA chez New Street Studios ont transformé une idée de carte à collectionner en un fichier prêt pour l'impression. Le point saillant, cependant, a été la manière dont le système a détecté une erreur avant qu'elle ne se propage en aval. Lorsqu'un bot de production a signalé un élément clé caché sur l'illustration, il a renvoyé le fichier au bot de conception, stoppant l'erreur sans l'intervention d'un humain.

Pourquoi le transfert est crucial

Le test mesurait la prévention des erreurs, et non la vitesse. Habituellement, un designer ébauche une carte, un outil de production ajuste la mise en page, et un réviseur humain valide le tout. Si l'étape de production détecte un problème, une personne intervient, interprète le problème et réassigne la tâche. Dans cette expérience, le bot de production — INKA-01 — a repéré la pose d'un personnage qui masquait un élément de jeu crucial. Au lieu d'un simple recadrage, il a généré un message de rejet nommant l'échec exact, expliquant pourquoi les outils actuels ne pouvaient pas le corriger, et a renvoyé l'élément au bot de conception — LUDO-01. La boucle s'est refermée sans qu'aucune intervention humaine ne soit nécessaire.

Comment l'équipe est structurée

Le studio gère un canal Slack public qui héberge les travailleurs IA. Chaque bot a une responsabilité unique et bien définie :

  • LUDO-01 crée des concepts de jeu et des illustrations de cartes.
  • INKA-01 prépare les fichiers pour l'impression.
  • VENDA-01 met à jour la boutique en ligne.
  • CORA-01 modère le canal.

Un opérateur humain — identifié uniquement par « Je » — révise tout ce qui sort du canal. Cette structure transforme une simple collection de prompts en un véritable système multi-agents où chaque agent peut accepter ou rejeter le résultat d'un autre.

La mécanique du rejet explicite

Une révision utile fait plus que dire « quelque chose semble incorrect ». Elle doit :

  1. Nommer l'échec – identifier précisément le problème (ex. : « élément clé caché »).
  2. Expliquer pourquoi l'outil actuel ne peut pas le corriger – clarifier la limitation (ex. : « le recadrage couperait un détail essentiel »).
  3. Renvoyer l'élément au bon agent en amont – rediriger le travail vers le designer pour une nouvelle conception.

Forcer le second bot à articuler le problème crée un point de décision traçable. Le rejet fait partie du journal d'audit, visible par toute personne surveillant le canal, et il empêche le fichier défectueux de passer aux étapes ultérieures comme l'impression ou la mise en ligne sur la boutique.

Construire un système similaire

L'expérience a permis de dégager cinq règles pratiques pour quiconque souhaite reproduire cette configuration :

  • Attribuer un élément spécifique à chaque tâche. Demandez un fichier concret, et non un vague « aide-moi avec ceci ».
  • Définir les conditions d'arrêt dès le départ. Mettez le flux de travail en pause si des instructions manquent ou si des permissions sont refusées.
  • Exiger une acceptation ou un rejet explicite. Un simple message ne signifie pas que la tâche est terminée.
  • Maintenir l'humain dans la boucle pour les choix stratégiques. L'opérateur conserve le sens esthétique, la définition des politiques et l'autorité de publication finale.
  • Rendre le registre de travail visible. Un canal partagé permet à n'importe qui d'auditer le processus et de comprendre pourquoi un transfert a eu lieu.

Le respect de ces directives transforme une chaîne de prompts en une équipe coordonnée où chaque membre sait quoi produire, quand s'arrêter et comment communiquer les échecs.

À retenir : Lorsque les agents IA nomment les échecs, expliquent les limites des outils et renvoient le travail au bon bot en amont, les erreurs sont interceptées précocement, libérant les humains pour qu'ils se concentrent sur les décisions qui font réellement progresser l'entreprise.