L’essentiel
DeepSeek a publié, sous licence MIT, le plan d’un agent de code qui travaille de sa propre initiative, dans les limites fixées par l’équipe. Super-agent écoute un dépôt GitHub et, en option, des conversations Feishu, accepte les demandes de personnes autorisées ou celles prévues par des règles rédigées par l’équipe, et répond par des pull requests. Pour les entreprises qui envisagent le développement d’agents IA dans leur chaîne de livraison, l’intérêt réside dans la conception des permissions, pas dans le code lui-même.
Qu’a publié DeepSeek ?
Le dépôt dsh-superagent-prototype emballe un agent de code proactif sous forme de module pour DeepSeek Harness, l’outil d’agents de l’entreprise. Lorsqu’une personne figurant sur une liste autorisée demande un travail dans une issue GitHub, une pull request ou un chat, l’agent ouvre un élément de travail, le traite dans sa propre session d’agent et son propre répertoire de travail, puis répond dans la conversation d’origine. Un panneau web n’affiche que les éléments qui nécessitent une décision humaine.
Le South China Morning Post rapporte que cette conception permet à plusieurs agents de travailler en parallèle et de réagir à des événements, comme des messages ou des mises à jour de code, sans instruction explicite pour chaque tâche. Le manuel de DeepSeek résume l’objectif : mobiliser « le moins d’attention humaine possible » tout en apportant « le plus de valeur possible ». L’équipe ne cache pas les limites : le code est issu de travaux internes, une grande partie a été écrite par des agents de code, il diffère de la version interne, et certaines idées de l’article de conception ne sont pas implémentées.
Comment l’agent décide-t-il de ce qu’il peut faire ?
C’est la partie la plus réutilisable de la publication. L’hôte applique les listes autorisées, les règles de l’équipe et un « Mandate » propre à chaque tâche, et la documentation précise que les messages, commentaires et documents cités alimentent une décision mais « ne peuvent pas modifier ces permissions ». C’est une parade directe à l’injection de prompt via le texte d’une issue ou les commentaires d’une pull request.
Le travail proactif, par exemple reprendre une exécution CI en échec que personne n’a signalée, connaît trois modes. En off, rien de ce qui n’a pas été demandé n’est envisagé. En observe, le mode par défaut, l’agent évalue chaque candidat au regard des règles de l’équipe et consigne ce qu’il aurait accepté, sans agir. En auto, un avis favorable déclenche le travail. DeepSeek recommande de commencer en observe et de ne basculer qu’après avoir examiné ces enregistrements. Les bots comme Dependabot peuvent tout au plus suggérer du travail, jamais formuler une demande explicite, et toute modification des règles est versionnée et propagée aux tâches en cours.
Pourquoi un agent de code proactif compte-t-il pour les développeurs ?
La plupart des assistants de code actuels, dont Claude Code et les modes agent de GitHub Copilot, démarrent lorsqu’un développeur leur confie une tâche. Super-agent esquisse l’étape suivante : un agent qui reste dans le dépôt, repère le travail à faire et le mène à terme. Bloomberg a présenté cette publication comme la tentative de DeepSeek de concurrencer Claude Code d’Anthropic, et le SCMP note que l’entreprise a créé son équipe Harness cette année précisément pour construire des agents capables de rivaliser avec les offres américaines.
Un agent qui agit pour toute une équipe peut aussi gaspiller l’attention de toute une équipe, un risque que DeepSeek nomme lui-même. Des pull requests non sollicitées, des commentaires bruyants et des correctifs à moitié terminés coûtent du temps aux relecteurs. C’est pourquoi les choix de conception les plus intéressants portent ici sur la retenue : qui peut déclencher le travail, ce que l’agent peut faire de son résultat et quand il doit se taire.
Ce que cela signifie pour les équipes logicielles en France
Pour une équipe produit ou une ESN, la publication constitue une architecture de référence gratuite. Si vous branchez des agents sur GitHub ou GitLab, les principes de liste autorisée, de mandat et de mode observation peuvent être reconstruits au-dessus du modèle et du runtime d’agents que vous avez déjà validés, sans adopter la pile de DeepSeek. Les droits de merge doivent rester entre les mains de personnes ou de règles de protection de branche, jamais du seul jugement de l’agent.
La vraie question, côté européen, est celle des flux de données. Un agent qui lit un dépôt et les conversations d’équipe envoie du code source et des messages, contenant parfois des données personnelles, au backend de modèle qu’il utilise. Avant d’exécuter ce prototype ou tout outil similaire, documentez où vont ces données et sur quelle base légale ; un audit de conformité RGPD coûte moins cher qu’une mise en conformité a posteriori après un constat d’audit. De nombreuses directions achats voudront aussi une position claire sur les fournisseurs de modèles selon leur juridiction.
Que faire dès maintenant ?
- Lisez la documentation d’autorisation. C’est la partie la plus transposable du dépôt, et sa lecture prend moins d’une heure.
- Définissez des listes autorisées. Décidez, dépôt par dépôt, quelles personnes et quels bots peuvent demander du travail à un agent.
- Commencez en mode observation. Consignez pendant quelques semaines ce qu’un agent ferait avant de le laisser agir sur du travail non sollicité.
- Gardez les merges humains. Les agents ouvrent des pull requests ; la protection de branche et des relecteurs nommés décident de ce qui part en production.
- Isolez chaque tâche. Des sessions, répertoires et identifiants distincts par tâche limitent les dégâts d’une exécution ratée.
- Cartographiez les flux de données. Notez quel endpoint de modèle voit votre code et vos conversations avant tout pilote.
Rien de ceci ne constitue un conseil juridique. La tendance est toutefois claire : les agents de code passent du statut d’outils que l’on appelle à celui de collègues qui surveillent le dépôt. Les équipes qui fixent dès maintenant les règles d’engagement pourront les adopter plus vite et avec moins de surprises.
Questions fréquentes
Qu’est-ce que DeepSeek Super-agent ?
Super-agent, publié sur GitHub sous le nom dsh-superagent-prototype, est un prototype de recherche de l’équipe Harness de DeepSeek. C’est un agent de code proactif dédié à un seul dépôt GitHub : il écoute GitHub et, en option, des conversations Feishu, ouvre un élément de travail lorsqu’une personne autorisée formule une demande, travaille dans sa propre session et son propre répertoire, puis répond dans le fil d’origine, par exemple avec une pull request.
DeepSeek Super-agent est-il prêt pour la production ?
Non. DeepSeek présente le dépôt comme un prototype de recherche fourni à titre de référence, et non comme un produit officiel DeepSeek. L’équipe prévient que le code peut contenir des bugs, qu’il diffère de la version utilisée en interne et que certains choix décrits dans l’article qui l’accompagne ne sont pas implémentés.
Comment Super-agent décide-t-il d’agir ?
Le travail ne démarre que lorsqu’une personne figurant sur une liste autorisée s’adresse à l’agent, ou lorsqu’une règle écrite par l’équipe autorise le travail proactif. Ce dernier fonctionne selon trois modes : off, observe (le mode par défaut, qui consigne ce que l’agent aurait accepté sans agir) et auto. Les messages et commentaires ne peuvent pas modifier ces permissions.
Sous quelle licence Super-agent est-il publié ?
Le code est publié sous licence MIT : les équipes peuvent l’étudier, le forker et l’adapter, y compris à des fins commerciales, à condition de conserver la mention de licence.
Les entreprises françaises doivent-elles l’utiliser ?
Mieux vaut le considérer comme une référence de conception plutôt que comme un outil à déployer. Son modèle de permissions mérite d’être repris dans votre propre configuration d’agents, mais l’exécuter tel quel revient à envoyer le contenu du dépôt au backend de modèle configuré, ce qui exige au préalable une analyse RGPD et une revue de sécurité.
Sources
DeepSeek — dsh-superagent-prototype repository and documentation on GitHub (source primaire, 31 octobre 2026)
Bloomberg — DeepSeek Drops Enhanced Coding Agent With Aim to Rival Anthropic (1er novembre 2026)
South China Morning Post — DeepSeek unveils AI ‘super agent’ in coding race with OpenAI, Anthropic (1er novembre 2026)
Aller plus loin
Salle de presse
Toutes les actualités IT & ingénierie →
Guides d’ingénierie approfondis →