Advanced Features.fr

Fonctionnalités avancées

WorkPilot AI regorge de fonctionnalités pour les utilisateurs qui veulent aller plus loin. Cette page présente les plus puissantes.

---

🛰 Mission Control

Le Mission Control est un dashboard multi-agents inspiré des salles de contrôle NASA. C'est l'outil de choix quand vous faites tourner plusieurs agents en parallèle sur des projets multiples.

Ce que vous y trouvez

• Grille d'agents — chaque cellule = un agent actif, couleur selon statut
• Metrics en temps réel par agent : tokens, durée, progression
• Chain-of-thought live — le raisonnement de l'agent en streaming
• Fichiers modifiés — diff en cours par agent
• Budget cumulé avec alertes si dépassement
• Timeline globale — voir l'évolution du parallélisme
• Contrôles : pause, resume, reprioriser, annuler

Cas d'usage

• Lancer 5 tâches en parallèle sur 5 worktrees différents
• Surveiller un batch de 20 PR Reviews automatiques
• Voir l'état d'un Self-Healing en cours sur plusieurs incidents simultanés

---

🎮 Arena Mode

Comparez plusieurs modèles IA côte à côte sur la même tâche.

Fonctionnement

1. Créez une spec
2. Cliquez sur « Lancer en Arena »
3. Sélectionnez les modèles à comparer (Claude Opus, Claude Sonnet, GPT-4, Gemini, Grok, Ollama local…)
4. Chaque modèle s'exécute en parallèle dans son propre worktree
5. Les résultats s'affichent côte à côte :
   • Temps d'exécution
   • Tokens consommés
   • Qualité du diff
   • Tests qui passent
6. Votez pour le meilleur — les votes enrichissent une base d'apprentissage qui vous guide dans vos futurs choix de modèle

Utilité

• Choisir le bon modèle pour un type de tâche
• Négocier un budget IA en montrant des comparaisons chiffrées
• Tester un nouveau modèle sans risquer un projet

---

👥 Pair Programming

Mode de programmation en binôme avec une IA en temps réel.

• Vous codez dans votre éditeur
• L'IA commente, suggère, challenge en streaming
• Conversation-driven : vous pouvez discuter du design avant d'implémenter
• Changements appliqués uniquement sur votre validation
• Idéal pour explorer une nouvelle API ou un framework inconnu

---

🩺 Self-Healing

WorkPilot AI peut détecter et résoudre automatiquement les incidents de CI/CD et de production.

Trois agents spécialisés

incident_cicd_analyzer

• Surveille : résultats de CI (GitHub Actions, GitLab CI, Azure Pipelines)
• Réagit : crée une spec de correction, exécute le pipeline, commit le fix
• Cas typique : test flaky, build cassé après merge, breaking change dans une dépendance

incident_proactive_analyzer

• Surveille : alertes en continu (Sentry, Datadog, PagerDuty)
• Anticipe : détecte les patterns récurrents, propose un fix avant l'escalade
• Cas typique : pic d'erreurs sur un endpoint précis après un déploiement

incident_production_responder

• Surveille : incidents critiques (P0/P1)
• Agit : coordonne rollback ou correction d'urgence avec PR prioritaire
• Cas typique : API down, augmentation des 500 dans les dernières minutes

Activation

Paramètres → Intégrations → Self-Healing : connectez Sentry, Datadog, PagerDuty, puis activez les agents souhaités.

---

📺 App Emulator

Prévisualisez votre application directement dans le Kanban.

Comment

• Chaque tâche en Human Review ou AI Review a un bouton Preview (icône écran)
• Le clic lance votre app dans le worktree isolé
• Emulator embarqué (Chromium + Chrome DevTools MCP)
• Navigation, clics, captures directement depuis l'UI WorkPilot

Utilité

• Valider visuellement une feature avant merge
• Comparer le rendu dans deux worktrees (Arena visuelle)
• Tests de régression visuelle automatiques

---

🎬 Agent Replay & Debug

Rejouez une session d'agent pour comprendre ses décisions.

Fonctionnalités

• Timeline navigable — avancer / reculer dans la session
• File diffs — état du code à chaque étape
• Breakpoints — arrêtez-vous à des points précis
• Token heatmap — où l'agent a consommé le plus de tokens
• Export de session pour partage/debug

Particulièrement utile pour :

• Comprendre pourquoi une tâche a échoué
• Former une équipe à l'usage de l'IA
• Debugger un prompt système

---

🧠 Decision Logger

Visualisation en temps réel des arbres de décision des agents.

• Chaque décision est un nœud (ex : « choisir pytest vs unittest »)
• Les options envisagées sont les branches
• Le raisonnement (pros/cons) est affiché en latéral
• Une fois le choix fait, la branche prise est surlignée

Idéal pour auditer les décisions IA dans un contexte réglementé.

---

🎓 Learning Mode

Mode éducatif avec explication étape par étape des décisions.

• Ralentit volontairement les agents pour permettre la lecture
• Chaque action est commentée : pourquoi ceci, pourquoi pas cela
• Quizzes optionnels pour valider la compréhension
• Parfait pour les nouveaux venus ou les équipes qui adoptent l'IA

---

🔮 Conflict Predictor

Détecte à l'avance les conflits git potentiels entre worktrees actifs.

• Analyse les diffs en cours dans chaque worktree
• Identifie les fichiers touchés par plusieurs agents
• Alerte avant fusion plutôt qu'au moment du merge
• Propose une stratégie de résolution (réordonnancement, refactor en amont, etc.)

---

📊 Performance Profiler

Profilage piloté par IA de votre code.

• Instrumente automatiquement les fonctions critiques
• Exécute des benchmarks
• Identifie les hotspots (CPU, mémoire, I/O)
• Propose des optimisations avec preuves de gain potentiel
• Stacks supportées : Python (cProfile), Node (clinic, 0x), Java, Go (pprof)

---

🌐 Browser Agent

Agent autonome de navigation, pour :

• Tests E2E générés automatiquement
• Régressions visuelles (comparaisons de captures)
• Scraping de docs techniques (pour enrichir le contexte)
• QA manuel automatisé

S'appuie sur chrome-devtools-mcp (29 outils).

---

📏 Multi-Repo Orchestration

Coordonnez des changements qui s'étalent sur plusieurs dépôts.

• Sélectionnez plusieurs repos
• Créez une spec transverse (ex : « renommer getUser en fetchUser dans tous les services »)
• L'agent multi_repo_planner ordonnance les changements (back avant front, etc.)
• Chaque repo est traité dans son worktree + sa PR
• Coordination des merges pour éviter les breaking changes

---

🧬 Code Migration

Migrations à grande échelle pilotées par IA :

• Framework → framework (React → Solid, Express → Fastify)
• Version → version (Python 2→3, Node 16→22, Django 4→5)
• Librairie → librairie (Redux → Zustand, Enzyme → React Testing Library)
• ORM → ORM (Sequelize → Prisma)

L'agent connaît les breaking changes documentés et les applique par phases avec tests.

---

🎨 Design-to-Code

Transformez une capture d'écran ou un mockup en code :

• IA multimodale analyse l'image
• Génère du JSX/TSX idiomatique
• Applique le framework CSS de votre projet (Tailwind, CSS Modules…)
• Décomposition en sous-composants réutilisables

Parfait pour démarrer depuis un design Figma ou un mockup papier.

---

🏆 Prompt Optimizer

Analyse et améliore vos prompts pour obtenir de meilleurs résultats IA.

• Audit des prompts système (votre CLAUDE.md ou équivalent)
• Détection d'ambiguïtés, redondances, instructions contradictoires
• Suggestions de reformulation
• A/B testing de prompts avec Arena Mode

---

📈 Smart Estimation

Estimation automatique de la complexité et de l'effort avant de lancer une tâche.

• Analyse de la spec + historique du projet
• Produit une estimation en complexité (SIMPLE / STANDARD / COMPLEX)
• Estimation de coût par fournisseur IA
• Prévision de durée approximative

(Pas d'estimation fine en heures — les durées dépendent trop des aléas IA.)

---

🕹 Code Playground

Sandbox intégré pour tester des snippets sans quitter l'application.

• Supporte Python, JavaScript/TypeScript, Rust, Go
• Exécution isolée (pas d'accès à votre projet)
• Persistance des snippets
• Import/export

---

🏙 Pixel Office

Visualisation ludique de vos agents sous forme d'un bureau animé (pixel art) — chaque agent est un personnage qui se déplace d'un poste de travail à l'autre selon son activité.

Purement décoratif, mais rend le multi-agents plus digeste visuellement.

---

🔁 Learning Loop

Système d'apprentissage analytique continu :

• Analyse les sessions passées
• Identifie les patterns de réussite/échec
• Ajuste les prompts et les choix de modèles
• Produit des rapports périodiques (« votre QA échoue 3× plus sur les features touchant la DB — pensez à enrichir le contexte »)

---

🧪 Formula Lab

Estimation pré-dev du coût et du taux de succès pour chaque combinaison Fournisseur × Modèle × Effort de raisonnement, avant de lancer une tâche.

• Compare des dizaines de combinaisons dans un tableau triable
• Coûts en euros, calibrés sur votre historique réel (mesuré / calibré / heuristique)
• Passe optionnelle « Affiner avec l'IA » sur les meilleures formules
• Recherche de modèles, catalogue de prix à jour
• Applique une formule d'un clic (provider + modèle + effort par phase)

Idéal pour négocier un budget ou choisir la config la moins chère qui tient l'objectif de qualité.

---

🔥 Hot-Swap LLM & contrôle d'exécution

Reprenez la main sur une tâche pendant son exécution.

• Hot-Swap LLM — changez de fournisseur, de modèle ou d'effort de raisonnement au prochain tour ; le contexte est rejoué sur le nouveau moteur (fluide en Codage ; interruption + reprise en Planification/Validation)
• Pause & Reprise — suspendez une tâche et reprenez plus tard, contexte intégralement préservé, éventuellement sur un autre fournisseur
• Refaire une phase — relancez à la demande la Planification, le Codage ou la Validation sans repartir de zéro
• Flow de revue PR-first — revue humaine guidée avec checklist DoD souple, « Valider et clore », et abandon réversible d'une tâche

---

⚖️ Consensus Arbiter

Quand plusieurs agents émettent des avis divergents (par ex. un scan sécurité vs une revue QA), l'arbitre de consensus les réconcilie en un verdict unique et met en évidence les conflits fichier par fichier, plutôt que de laisser l'utilisateur trancher à l'aveugle.

---

🎓 Agent Coach

Un coach qui analyse votre usage réel (coût, modèles, latence) reconstruit depuis l'historique des exécutions et propose :

• des modèles moins chers à qualité équivalente
• de meilleurs niveaux d'effort par phase
• des ajustements de prompt par agent

---

🌱 Carbon Profiler

Estime l'énergie consommée (kWh) et l'empreinte carbone de vos exécutions d'agents, agrégées par tâche et par modèle, à partir d'un registre alimenté à chaque session (avec backfill de l'historique).

---

🩺 Flaky Test Detective

Analyse les rapports de tests pour repérer les tests instables (qui passent puis échouent sans changement de code).

• Parseurs multi-formats : JUnit XML et .NET TRX (dispatch selon la racine du rapport)
• Détecte le langage du projet et propose la bonne commande de test quand aucun rapport n'est trouvé
• Ignore les tests non exécutés, normalise les durées

---

🚀 Release Coordinator

Orchestre la préparation des releases : vérification de l'état de préparation, génération du changelog et coordination des montées de version.

---

🖥 Mode serveur multi-utilisateurs

Déployez WorkPilot AI de façon centralisée pour une équipe :

• Authentification JWT / Microsoft Entra, hachage argon2
• Claims et attribution par utilisateur, gestionnaire d'exécutions partagé
• Inscription sur invitation : modèle d'invitation, envoi SMTP, acceptation publique rate-limitée
• Portail d'administration des invitations

Activé via WORKPILOT_SERVER_MODE.

---

Prochaine étape

➡️ Contribuer au projet