Revue d’artefacts IA

La revue d’artefacts IA (AI artifact review), c’est relire un artefact généré par l’IA (une preview, une page, une app) directement dessus, puis renvoyer un feedback précis et structuré à l’agent qui l’a construit. Ce n’est pas un ticket pour un humain : c’est du contexte prêt pour l’agent, avec le sélecteur, l’objectif et les contraintes.

Quand un agent comme Lovable, Bolt ou Claude Code rend une preview, le feedback se disperse entre threads Slack, docs Notion et captures isolées. Rien n’est ancré à l’artefact, donc le prompt suivant ne porte aucun contexte réel : l’agent doit deviner ce que vous vouliez dire, régénère souvent la mauvaise chose et brûle une itération.

Plus l’IA construit vite, plus l’écart de relecture coûte cher. Patchrooms referme la boucle en quatre temps, sans changer d’outil :

• L’IA génère l’artefact. Votre builder publie une preview en direct ou une page déployée. Patchrooms est embarqué en data-mode="artifact-review" et porte l’outil, l’objectif et les contraintes de l’artefact à côté de chaque commentaire.
• Les relecteurs annotent sur place. N’importe qui avec le lien clique un élément et commente, par texte ou par note vocale transcrite automatiquement. Le sélecteur, une capture et le contexte de la page sont capturés sans passer par Slack ou un tracker.
• Le tri dans une seule room. Chaque commentaire atterrit dans un dashboard avec un statut, pour que l’équipe voie ce qui est résolu au lieu de relire l’historique du chat.
• L’agent lit un feedback structuré. Chaque rapport s’exporte en Markdown avec le sélecteur, l’objectif et les contraintes. L’agent corrige le bon élément sans round de clarification.

Une capture isolée accompagnée d’un « corrige ça » force l’agent à deviner l’élément et l’intention, et chaque supposition coûte une régénération. Relire sur place supprime cette part de devinette : le relecteur clique l’élément dans l’app réelle, et le rapport porte le sélecteur du DOM, une capture, l’URL, le viewport et l’état de la console.

La personne qui relit n’a pas besoin de compte : elle ouvre le lien de la preview, clique et commente. Seule la personne qui trie la file dans le dashboard en a besoin. C’est du feedback visuel qui donne des instructions sans ambiguïté, à découvrir aussi côté rapport de bug visuel.

Une room, c’est un rapport : un feedback et son thread. Les rooms vivent dans un project, un par app ou par repo. Le statut par rapport (nouveau, trié, en cours, clôturé) dit à l’équipe ce qu’il reste à faire, sans relire un fil de messages.

C’est le checkpoint avant que la code review ne commence : quelqu’un qui regarde ce que l’agent a réellement rendu, pas le diff. Un exemple concret : une équipe construit un flux d’onboarding avec Lovable et partage l’URL de preview. Un PM clique le bouton « Continuer » et note qu’il doit rester désactivé tant que le formulaire n’est pas valide ; une designer clique la barre de progression et signale l’espacement. Les deux commentaires sont ancrés aux vrais éléments, avec captures. Le PM exporte le rapport et le colle dans le prompt Lovable suivant ; l’agent corrige les deux du premier coup.

Chaque rapport s’exporte en Markdown propre : le sélecteur de l’élément, une référence à la capture, l’objectif et les contraintes de l’artefact. Le texte lu par l’agent reste en anglais (c’est ce que le modèle consomme). Vous le collez dans Claude Code, Cursor, Lovable, v0 ou Bolt :

## Report: Onboarding flow review
**Tool:** lovable   **Goal:** reduce signup friction
**Constraint:** keep the flow single-column

- **Element:** `button.onboarding-continue`
- **Comment:** Should stay disabled until the form is valid.
- **Screenshot:** blob/scr_9f2a.png
- **URL:** https://preview.lovable.app/onboarding

Pour les boucles qui tournent sans personne pour coller quoi que ce soit, un serveur MCP laisse l’agent lire la file directement (list_reports / get_report, captures incluses) et clôturer ce qu’il corrige (set_status). La lecture et la clôture fonctionnent aujourd’hui ; les connecteurs natifs, pas encore. Plus de détails dans le feedback prêt pour les agents.