Claude Autoresearch : Transformer Claude Code en un Moteur d'Amélioration Implacable

"Définissez l'OBJECTIF → Claude exécute la BOUCLE → Vous vous réveillez avec les résultats"

Et si votre IA pouvait améliorer de manière autonome tout ce qui est mesurable — code, contenu, métriques, processus — sans que vous ayez à le surveiller ? Claude Autoresearch (3,1k ⭐) rend cela réalité en utilisant la formule éprouvée de Karpathy : contrainte + métrique mécanique + itération autonome = gains composés.

De 630 lignes de Python à la Boucle Universelle de Claude

Karpathy a montré qu'un simple script Python pouvait exécuter 100 expériences ML pendant la nuit. Claude Autoresearch généralise cela à TOUT domaine :

• Code : Couverture de tests → 90 %, taille du bundle → 50 % plus petit
• Performance : p95 API → <100 ms
• Sécurité : Audits autonomes STRIDE + OWASP
• Déploiement : Workflows universels PR/déploiement/contenu
• Documentation : Génération/mise à jour/validation automatique de la documentation

La Boucle Autonome en 8 Phases

BOUCLE (POUR TOUJOURS) :
1. Examiner l'historique git + journal des résultats
2. Choisir UN changement focalisé
3. Git commit (préfixe : experiment)
4. Exécuter la vérification mécanique
5. AMÉLIORÉ → conserver | PIRE → annuler
6. Journaliser les résultats TSV
7. Répéter

8 Règles Critiques assurent un progrès incessant : - Un changement par itération (atomique) - Vérification mécanique uniquement (pas de subjectivité) - Annulation automatique des échecs - Git comme mémoire - La simplicité gagne (moins de code = mieux)

10 Commandes Testées au Feu

Installation en 30 Secondes

Plugin (Recommandé) :

/plugin marketplace add uditgoenka/autoresearch
/plugin install autoresearch@autoresearch

Premier lancement :

/autoresearch
Objectif : Augmenter la couverture de tests de 72 % à 90 %
Portée : src/**/*.test.ts
Vérifier : npm test -- --coverage | grep "All files"

Partez. Claude itère de manière autonome. Chaque amélioration s'accumule.

Puissance Réelle : Chaînes de Commandes

# Pipeline de qualité complet
/autoresearch:reason --chain predict,scenario,debug,fix

# Sécurité → Déploiement
/autoresearch:security --fix --chain ship

# Documentation après changements
/autoresearch:learn --mode update

Garde-Fou : Protection contre les Régressions

Objectif : Réduire la réponse API <100 ms
Vérifier : npm run bench:api | grep "p95"
Garde-Fou : npm test  # Filet de sécurité

Métriques améliorées + tests passés = conserver. Tout casse = retravailler.

Pourquoi Ça Marche (La Science)

1. Changements atomiques → Cause/effet claire
2. Mémoire Git → Apprend de chaque expérience
3. Portes mécaniques → Pas de biais humain
4. Itération illimitée → Gains composés
5. Annulation automatique → Jamais pire qu'au départ

Domaines Au-Delà du Code

• Marketing : CTR → 3x, taux de conversion ↑
• Ventes : Taux d'ouverture des e-mails, taux de réponse
• Contenu : Scores d'engagement, lisibilité
• RH : Métriques de conformité des politiques
• DevOps : Taux de succès des déploiements

Suivi des Résultats TSV :

iteration   commit  metric  delta   status
0   a1b2c3d 85.2    0.0 baseline
1   b2c3d4e 87.1    +1.9    keep
3   c3d4e5f 88.3    +1.2    keep

🚀 Commencez Dès Aujourd'hui

Installez Claude Autoresearch et découvrez l'amélioration autonome. Pas besoin d'AGI — juste des objectifs, des métriques et des boucles qui ne s'arrêtent jamais.

Créateurs : Udit Goenka (Expert en Produits IA) + contributeurs. Licence MIT. 127 commits. v1.9.0 publiée en avril 2026.