Refactoring agentique : comment reprendre le contrôle avec la Mikado Method ?
Les agents IA comme Claude Code, Cursor ou GitHub Copilot accélèrent fortement le développement logiciel. Mais sur une application legacy complexe, cette rapidité peut vite devenir un problème.
Un simple refactoring peut se transformer en pull request de dizaines de fichiers, difficile à comprendre et encore plus difficile à reviewer.
Pour Anis Chaabani, J-Player* chez Jissen, une méthode permet de mieux cadrer ces interventions : la Mikado Method.
*J-Player : nom commun donné aux consultant(e)s Jissen particulièrement passionné(e)s par ce qu’ils font : toujours en veille, curieux, force de proposition et animés par l’envie d’améliorer les choses.
Quand l’IA avance trop vite
Sur une petite base de code, confier un refactoring à un agent IA peut être très efficace. Sur une codebase legacy, chaque modification peut en entraîner plusieurs autres.
L’agent cherche alors à contourner les obstacles : il adapte une dépendance, modifie un test ou ajoute un nouveau patch.
Anis Chaabani identifie 3 problèmes récurrents :
- L’avidité de changement : l’agent continue d’avancer malgré les obstacles.
- La perte de contexte : plus le refactoring s’étend, plus l’objectif initial devient difficile à maintenir.
- L’illusion du vert : les tests passent, mais parfois parce qu’ils ont été adaptés au nouveau code plutôt que réellement validés.
Le problème n’est donc pas forcément le modèle. C’est le cadre dans lequel on lui demande de travailler.
La Mikado Method pour gérer la complexité
La Mikado Method a été conçue pour les refactorings où chaque changement entraîne de nouvelles dépendances.
Son principe est de ne pas chercher à réaliser immédiatement l’objectif final, mais identifier progressivement tout ce qui empêche de l’atteindre.
La méthode repose sur quatre règles :
1. Définir un objectif précis
L’objectif doit être concret et testable. Améliorer l’architecture ne suffit pas. Il faut pouvoir déterminer clairement quand le travail est terminé.
2. Tenter le changement directement
On essaie le refactoring sans chercher à anticiper toutes les difficultés. Si quelque chose casse, c’est une information : le problème révèle une dépendance cachée.
3. Revenir à un état stable
Lorsqu’un blocage apparaît, on annule le changement. Le travail effectué n’est pas forcément perdu. Il a permis de comprendre la structure du système.
4. Transformer le blocage en prérequis
Chaque problème devient un nouveau nœud dans un graphe de dépendances. On répète l’opération jusqu’à atteindre des changements simples, réalisables sans rien casser. Ce sont les feuilles du graphe Mikado. Une fois ces feuilles traitées, on remonte progressivement jusqu’à l’objectif initial.
Une méthode particulièrement adaptée aux agents IA
Pour Anis Chaabani, cette méthode répond directement aux limites des agents. Le revert systématique empêche l’agent d’empiler les corrections et les contournements. Le graphe Mikado externalise le contexte. Un fichier mikado.md peut conserver les dépendances identifiées entre deux sessions, sans dépendre de la mémoire de l’agent.
Enfin, chaque feuille devient une unité de travail autonome. Les changements restent limités et les pull requests sont plus faciles à reviewer.
L’objectif est de transformer la vitesse de l’agent en vitesse maîtrisée, plutôt qu’en dette technique.
Ce que cela change pour les équipes
Pour les développeurs, la charge de review diminue grâce à des changements plus ciblés.
Pour les tech leads, le graphe offre une vision claire des dépendances et de l’avancement du refactoring.
Pour les CTO et DSI, il constitue un artefact permettant de documenter les choix, les risques et les étapes d’un refactoring réalisé avec l’IA.
Le point de vue d’Anis
La Mikado Method n’a pas été créée pour les agents IA. Elle répondait déjà aux difficultés rencontrées par les développeurs sur des systèmes complexes.
C’est justement ce qui la rend pertinente aujourd’hui.
Les agents peuvent reproduire une erreur bien connue des développeurs : avancer localement sans mesurer les conséquences globales.
L’enjeu est de donner des méthodes et des garde-fous pour travailler efficacement sur des systèmes complexes. Si vous souhaitez en savoir plus sur la Mikado Method, Anis Chaabani l’a approfondi dans cet article.
Vous souhaitez mieux encadrer vos usages de l’IA ?
Chez Jissen, nos experts accompagnent les organisations dans l’intégration concrète de l’IA dans leurs pratiques de développement et leurs transformations technologiques.
Parlons de vos enjeux et construisons ensemble un cadre d’utilisation de l’IA adapté à votre contexte.