DeepSeek a écrit 70 000 lignes de code, Opus les a revues : une analyse coût-bénéfice
Un développeur a utilisé DeepSeek Flash 4.1 pour créer une application complexe de bibliothèque photo et Claude Opus 5.5 pour la passer en revue, constatant que le modèle premium offrait des gains marginaux pour un coût élevé.
Traduit automatiquement depuis l'original anglais.
En novembre 2026, un ingénieur logiciel a publié un compte rendu détaillé de la création d'une application auto-hébergée de gestion de photos, utilisant exclusivement des grands modèles de langage à poids ouverts pour la génération de code. Après avoir terminé le projet avec DeepSeek Flash 4.1, le développeur a soumis la base de code à un audit rigoureux utilisant Claude Opus 5.5 d'Anthropic afin de déterminer si les modèles de pointe justifient leurs prix plus élevés. L'expérience a révélé que, bien que le modèle premium ait identifié des cas limites subtils, il n'a pas découvert de failles critiques dans l'architecture principale, suggérant des rendements décroissants pour les flux de travail agentiques bien spécifiés.
Ce qui s'est passé
Le développeur a passé onze semaines à construire un remplaçant pour Apple Photos, aboutissant à 71 161 lignes de code réparties sur 360 fichiers. La pile technique comprenait un backend Rust utilisant Axum, un frontend SvelteKit et SQLite pour le stockage des métadonnées. L'application prend en charge la classification IA hors ligne, le développement RAW, le transcodage vidéo et des fonctionnalités d'édition complexes comme la fusion HDR et la correction d'objectif. Tout au long de ce processus, l'auteur humain n'a écrit aucun code d'implémentation. Il s'est plutôt concentré sur la définition d'invariants architecturaux stricts, la rédaction de spécifications en prose et la maintenance de documents de directives tels que AGENTS.md et SPEC.md. Ces documents imposaient des règles telles que l'utilisation exclusive de SQL paramétré, une conception local-first et zéro magie au moment de la requête.
Une fois l'application stable et fonctionnelle sur les appareils du développeur, celui-ci a lancé une phase de revue utilisant Claude Opus 5.5. Cela visait à comparer les performances du modèle de pointe avec celles de DeepSeek Flash 4.1, qui avait généré l'intégralité de la base de code pour environ 30 $ sur trois mois. La revue par Opus était contrainte par des limites de session de cinq heures, nécessitant la répartition du travail sur plusieurs jours. L'objectif n'était pas de corriger du code cassé, mais de voir si le modèle plus coûteux pouvait trouver des problèmes que le modèle moins cher avait manqués lors de deux mois d'utilisation quotidienne.
Comment cela fonctionne
Le processus de revue reposait sur un cadre structuré plutôt que sur des prompts ouverts. Le développeur a créé une « compétence » (skill) qui dirigeait le LLM pour évaluer le code selon 29 axes spécifiques, regroupés en cinq catégories : exactitude et invariants, sécurité et limites, concurrence, cohérence inter-frontières et qualité du code. Chaque axe avait une portée étroite, telle que l'intégrité des géotags GPS ou la sécurité des dossiers de dépôt WebDAV. Le relecteur avait accès à l'intégralité du dépôt, SPEC.md et AGENTS.md servant de référence absolue pour le comportement attendu.
Le contrat pour chaque exécution de revue exigeait des constats concrets avec références aux fichiers et aux lignes, liés à des violations spécifiques d'invariants. Les remarques stylistiques mineures et les spéculations étaient explicitement exclues. Les constats étaient classés par gravité, et le processus s'arrêtait pour une triage humain avant l'application de toute correction. Lorsque Opus identifiait des problèmes, il générait également des tests de non-régression et implémentait des correctifs dans des commits isolés. Cette méthode garantissait que le modèle agissait comme un auditeur rigoureux plutôt qu'un pair-programmeur occasionnel, le forçant à valider ses affirmations contre la structure réelle du code.
Détails clés
- Volume de code : Le projet comprend 71 161 lignes de code, dont 58 319 lignes sont de la logique de code réelle, écrites entièrement par DeepSeek Flash 4.1.
- Résultats de la revue : Claude Opus 5.5 a trouvé 72 problèmes : 0 critique, 8 majeurs et 64 mineurs. Aucun des problèmes majeurs n'impliquait de perte de données ou de violation de sécurité dans les flux déployés.
- Comparaison des coûts : DeepSeek Flash 4.1 a coûté environ 30 $ sur 11 semaines via un abonnement OpenCode Go, tandis que Claude Opus 5.5 a coûté 17 $ pour un mois mais souffrait d'un throttling strict des sessions.
- Nature des bugs : Les constats majeurs étaient des cas limites subtils, tels que des interactions entre les fonctions de recadrage et d'inclinaison, ou une documentation obsolète après des refactors. Les pipelines principaux comme l'importation et le traitement vidéo ne présentaient aucun problème.
- Évaluation du modèle : Opus a noté le code généré par DeepSeek comme étant de niveau senior, louant son stratification stricte et son ingénierie des chemins d'échec, mais critiquant sa tendance à corriger des cas spécifiques sans propager les changements à tous les sites d'appel.
- Rôle humain : La contribution principale du développeur consistait à définir la vision, écrire les règles et trier les constats. L'écriture du code était entièrement déléguée au modèle.
Pourquoi c'est important
Pour les fondateurs techniques et les responsables d'ingénierie, cette étude de cas remet en question l'hypothèse selon laquelle les modèles de pointe sont nécessaires pour produire un logiciel de haute qualité. Le fait qu'un modèle à poids ouverts ait produit une application robuste et complexe sans failles architecturales critiques suggère que des spécifications claires et des invariants stricts ont plus de valeur que l'intelligence brute du modèle. La prime payée pour Opus n'a pas acheté la justesse du système principal ; elle a acheté une analyse plus approfondie de la variance statistique et des cas limites qui ne s'étaient pas encore manifestés en production. Cela implique que pour de nombreux outils internes ou produits bien cadrés, des modèles moins chers peuvent offrir un meilleur rapport qualité-prix.
Cependant, la revue met également en évidence une faiblesse persistante dans les flux de travail de codage agentique actuels : la difficulté de maintenir la cohérence à travers les frontières. Opus a noté que le code corrigeait souvent une instance spécifique d'un bug sans mettre à jour les gestionnaires associés, la documentation ou les constantes miroirs. Ce problème de « balayage » complet reste un risque significatif lorsque l'on délègue la génération de code aux LLM. Cela souligne que, bien que les modèles puissent écrire d'excellents modules individuels, ils peinent à saisir l'impact holistique des changements sur une grande base de code. La supervision humaine reste essentielle pour faire respecter les invariants globaux et garantir que les refactors ne laissent pas derrière eux du code mort ou des contrats obsolètes.
Ce que vous pouvez faire
- Définissez des invariants architecturaux stricts dans des fichiers markdown dédiés comme
AGENTS.mdavant de commencer tout projet de codage assisté par IA. - Utilisez des modèles à poids ouverts ou à faible coût pour la génération initiale de code et les itérations afin de minimiser les dépenses durant la majeure partie du développement.
- Implémentez un cadre de revue structuré avec des axes étroits et spécifiques plutôt que de demander des améliorations générales du code.
- Exigez que les relecteurs LLM citent des lignes de fichier spécifiques et des violations d'invariants, en rejetant les suggestions vagues de style ou les optimisations spéculatives.
- Triez manuellement tous les constats automatisés pour distinguer les risques architecturaux critiques des cas limites mineurs.
- Concentrez vos efforts personnels sur la rédaction de spécifications précises et le maintien de l'ensemble de règles, car c'est le point de levier qui détermine la qualité du code.



