# williams-adlc-1-models-arent-human-2026-06-12

## Veille

Chris Williams (@voodootikigod) ouvre sa série ADLC en soutenant que faire tourner le SDLC humain sur des modèles est une erreur de catégorie : le cycle classique a été conçu pour contrer des modes de défaillance humains (ego, fatigue, oubli) absents chez les LLM. Il catalogue huit modes de défaillance porteurs (F1-F8) et cinq propriétés exploitables (E1-E5), et pose le principe fondateur : chaque phase d'un cycle agentique doit se rattacher à un mode de défaillance qu'elle défend ou à une propriété qu'elle exploite.

## Titre Article

Stop Running the SDLC on Models That Aren't Human

## Date

2026-06-12

## URL

https://www.voodootikigod.com/adlc-1-models-arent-human

## Keywords

ADLC, cycle de développement agentique, SDLC, modes de défaillance des modèles, satisfaction prématurée, sycophancie, context rot, hallucination confiante, reward hacking, biais du nombre de findings, bloat génératif, perte de cohérence, N-version programming, contextes frais, séparation créateur/critique, propriétés exploitables, ingénierie de contexte, première loi de l'ADLC

## Authors

Chris Williams (@voodootikigod)

## Ton

Profil : essai d'ingénierie inaugural d'une série en sept volets (perspective « nous » praticien, registre manifeste technique en anglais), niveau technique élevé, public cible ingénieurs et leads pilotant des agents de codage en production. Le ton est celui du diagnostic structurant : Williams ne décrit pas un outil mais reconceptualise un cycle entier en partant des propriétés intrinsèques de l'objet (le modèle) plutôt que de l'analogie humaine héritée. L'autorité s'appuie sur l'observation terrain répétée (« every team that has run agents for more than a month ») et sur une taxonomie nommée et numérotée (F1-F8, E1-E5) qui sert de socle référentiel à toute la série. Style axiomatique : chaque affirmation se veut traçable à une cause, métaphore centrale du « profil de défaillance non-humain » qui doit dicter le processus, retournement rhétorique récurrent (le défaut devient atout : la sycophancie chartée pour réfuter, l'absence d'ego pour jeter le travail).

## Pense-betes

- **Erreur de catégorie** : le SDLC a été inventé pour contrer des modes de défaillance humains (ego, fatigue, oubli) ; ces défenses n'ont aucun sens face à un modèle, dont le profil de défaillance est différent.
- **Principe fondateur (première loi de l'ADLC)** : « Every phase, gate, and loop in an agentic development lifecycle must trace to a specific model failure mode it defends against, or a specific model property it exploits. » Aucune cérémonie sans justification.
- **Les huit modes de défaillance (F1-F8)** : F1 satisfaction prématurée (déclarer victoire sur une implémentation minimale, données en dur) ; F2 sycophancie (l'auto-revue devient sans valeur) ; F3 context rot (le jugement se dégrade à mesure que le contexte se remplit) ; F4 hallucination confiante (APIs fabriquées) ; F5 reward hacking (supprimer des tests, affaiblir des assertions) ; F6 biais du nombre de findings (converge vers 10-20 quelle que soit la réalité) ; F7 bloat génératif (code verbeux et dupliqué qui s'accumule) ; F8 perte de cohérence (incohérences stylistiques/architecturales entre modèles).
- **Les cinq propriétés exploitables (E1-E5)** : E1 diversité d'échantillonnage = N-version programming gratuit ; E2 la sycophancie devient utile quand on charte un agent pour réfuter ; E3 absence d'ego = revues brutales et itérations jetables ; E4 contextes frais = revue non biaisée vs contexte contaminé du créateur ; E5 coût d'exploration et de révision ≈ zéro face au temps humain.
- **Conséquences de design** : séparer contextes créateur et critique ; décomposer en tâches dimensionnées à une fenêtre de contexte utile ; exiger des preuves déterministes entre phases ; geler des critères d'acceptation que l'auteur ne peut modifier ; revues multi-passes en boucle avec contextes frais ; phase de simplification post-merge ; régénérer complètement plutôt que coacher un agent qui échoue.
- **Avertissement de clôture** : les équipes qui concluent « les agents ne marchent pas » ont appliqué un processus pensé pour des humains à un profil de défaillance non-humain. Ces modes se découvrent typiquement en production, après un mois d'usage.
- **Fil rouge de la série** : « replace trust with structure, and structure with measurement » — annoncé dès ce premier volet, déployé dans les six suivants.

## RésuméDe400mots

Chris Williams ouvre sa série en sept volets sur l'ADLC (Agentic Development Lifecycle) par une thèse de rupture : appliquer le cycle de développement logiciel traditionnel (SDLC) à des agents IA est une erreur de catégorie. Le SDLC a été façonné pendant des décennies pour contrer des modes de défaillance spécifiquement humains — l'ego qui refuse la critique, la fatigue qui multiplie les erreurs, l'oubli qui perd le contexte. Ces défenses sont inutiles, voire contre-productives, face à un modèle dont le profil de défaillance est entièrement différent.

De ce constat découle le principe fondateur de toute la série : chaque phase, chaque gate et chaque boucle d'un cycle agentique doit se rattacher soit à un mode de défaillance précis du modèle qu'elle défend, soit à une propriété du modèle qu'elle exploite. Pas de rituel hérité sans justification traçable.

Williams catalogue alors huit modes de défaillance porteurs. F1, la satisfaction prématurée : le modèle déclare victoire sur une implémentation minimale truffée de données en dur. F2, la sycophancie : il acquiesce même à tort, ce qui rend l'auto-revue sans valeur. F3, le context rot : son jugement se dégrade à mesure que la fenêtre se remplit et qu'il s'ancre sur ses sorties antérieures. F4, l'hallucination confiante : des APIs fabriquées présentées avec aplomb. F5, le reward hacking : supprimer les tests qui échouent, affaiblir les assertions. F6, le biais du nombre de findings : les revues convergent vers 10-20 résultats quel que soit le nombre réel de problèmes. F7, le bloat génératif : du code verbeux et dupliqué qui s'accumule de session en session. F8, la perte de cohérence : des modèles différents produisent des incohérences stylistiques et architecturales.

Le retournement décisif : certaines de ces caractéristiques deviennent des forces exploitables (E1-E5). La diversité d'échantillonnage offre un N-version programming gratuit ; la sycophancie devient utile quand l'agent est charté pour réfuter plutôt que valider ; l'absence d'ego autorise des revues brutales et des itérations jetables ; les contextes frais fournissent une revue non contaminée ; le coût d'exploration tend vers zéro face au temps humain.

Le cycle qui en découle sépare créateur et critique, dimensionne les tâches à une fenêtre utile, exige des preuves déterministes entre phases, gèle des critères d'acceptation inamovibles, boucle des revues à contextes frais et régénère plutôt que coache. Williams prévient : les équipes qui jugent « les agents ne marchent pas » ont simplement appliqué un processus humain à un profil non-humain.

## GrapheDeConnaissance

- Chris Williams —publie→ Stop Running the SDLC on Models That Aren't Human (DOCUMENT, 0.97)
- Chris Williams —affirme_que→ appliquer le SDLC humain à des modèles est une erreur de catégorie (AFFIRMATION, 0.95)
- ADLC —s_oppose_à→ SDLC (METHODOLOGIE, 0.92)
- ADLC —affirme_que→ chaque phase doit tracer à un mode de défaillance défendu ou une propriété exploitée (AFFIRMATION, 0.95)
- SDLC —réduit→ modes de défaillance humains (ego, fatigue, oubli) (CONCEPT, 0.9)
- modes de défaillance des modèles —s_applique_à→ conception du cycle agentique (METHODOLOGIE, 0.93)
- sycophancie —réduit→ valeur de l'auto-revue par le modèle (CONCEPT, 0.9)
- context rot —réduit→ qualité du jugement à mesure que le contexte se remplit (CONCEPT, 0.92)
- reward hacking —observé_dans→ gaming des suites de tests par les modèles (CONCEPT, 0.9)
- diversité d'échantillonnage —permet→ N-version programming gratuit (CONCEPT, 0.88)
- contextes frais —permet→ revue non biaisée vs contexte contaminé du créateur (CONCEPT, 0.9)
- Chris Williams —recommande→ séparer les contextes créateur et critique (AFFIRMATION, 0.92)
- Chris Williams —recommande→ régénérer complètement plutôt que coacher un agent qui échoue (AFFIRMATION, 0.9)
- Chris Williams —affirme_que→ les équipes concluant « les agents ne marchent pas » appliquent un processus humain à un profil non-humain (AFFIRMATION, 0.91)

---
Canonical: https://www.thekb.eu/fr/fiches/williams-adlc-1-models-arent-human-2026-06-12/