À l’ère de l’IA, opposer brownfield et greenfield n’a pas de sens

Ceux qui opposent brownfield et greenfield à l’ère de l’IA passent à côté du véritable sujet.

L’IA ne se soucie pas de la date de création d’un projet, qu’il ait démarré hier ou qu’il existe depuis 20 ans. Ce qui compte, c’est la taille du contexte dont l’IA a besoin pour travailler efficacement.

Une objection revient souvent: «Oui, mais un projet greenfield est forcément petit. Il démarre avec zéro ligne de code.»

C’est vrai. Mais deux mois plus tard, une fois les fonctionnalités accumulées, ce même projet peut ressembler à n’importe quel autre code source. Devient-il brownfield du jour au lendemain?

L’enjeu n’est donc pas l’âge du projet, mais la quantité de contexte dont l’IA a besoin pour le comprendre et y apporter les bonnes modifications.

Un projet correctement structuré, aux responsabilités claires et aux bounded contexts bien délimités, peut tirer pleinement parti de l’IA, quelle que soit sa date de création. À l’inverse, un projet qui ignore les bonnes pratiques de développement et les frontières du domaine sera beaucoup plus difficile à faire évoluer efficacement avec l’IA.

L’IA ne doit pas être un outil jetable qui fait des merveilles pendant les trois premiers jours d’un projet, puis devient de moins en moins efficace à mesure que le code source grandit. Elle doit accompagner tout le cycle de vie du projet et aider à prévenir sa dérive architecturale.

C’est là qu’intervient la notion de context budget, ou budget de contexte. J’en parle plus en détail ici: Plus le projet grossit, plus l’IA se trompe.

S’ajoute aussi une question d’hygiène: la façon de créer les skills, de structurer les fichiers CLAUDE.md/AGENTS.md et de fournir du contexte à l’IA.

La redondance n’est pas une qualité. Dans un code source PHP, inutile de rappeler constamment à l’agent qu’il s’agit de PHP. Il le sait déjà.

À l’ère de l’IA, l’opposition brownfield/greenfield prédit mal l’efficacité du développement assisté par l’IA. Ce qui compte, c’est qu’un code source permette à un agent de découvrir le bon contexte, de raisonner dans des frontières claires et d’apporter des modifications en toute sécurité. Le véritable défi est de préserver ces propriétés à mesure que le projet grandit.

Ne pas optimiser un code source pour l’IA en pensant au seul premier jour. Le concevoir pour que l’IA y travaille encore efficacement après plusieurs mois