DeepSeek superagent : l’agent IA qui ouvre seul des pull requests

DeepSeek a publié sur GitHub dsh-superagent. DeepSeek superagent est le prototype d’un agent IA qui s’occupe d’un seul dépôt GitHub : il reçoit des demandes de l’équipe, y travaille en autonomie et répond dans le même fil, par exemple avec une pull request prête. Le code est sous licence MIT et, selon ShiftDelete, l’équipe DeepSeek Harness l’a annoncé le 31 octobre sur WeChat.

Qu’est-ce qui change ?

La plupart des agents de code que nous utilisons au quotidien attendent qu’on tape quelque chose dans le terminal. DeepSeek superagent fonctionne à l’inverse : c’est un agent dit « proactif », qui écoute le dépôt (et, en option, les discussions sur Feishu, c’est-à-dire Lark) et se met au travail de lui-même quand une personne de la liste autorisée le lui demande.

D’après le README, chaque demande obtient sa propre tâche, sa propre session d’agent et son propre répertoire, et le résultat revient là d’où venait la demande. S’y ajoute un tableau de bord web qui n’affiche que ce qui nécessite une décision humaine.

Détail amusant : les auteurs écrivent que le code est né du travail quotidien de leur équipe et qu’une grande partie de l’ingénierie a été réalisée par des agents de code (un agent construit par des agents ;) ).

Le dépôt porte la description « Towards a More Autonomous Agent System » et compte plus de 5 800 étoiles et 544 forks (au 1er novembre). ShiftDelete indique qu’il a dépassé les 4 000 étoiles en une journée.

Comment fonctionne DeepSeek superagent ?

Ce n’est pas une application autonome, mais un paquet (bundle) pour DeepSeek Harness, le harness d’agents de DeepSeek sous licence MIT, encore en developer preview. La documentation de l’architecture décrit cette répartition des rôles :

1. La session principale (router) évalue les demandes entrantes et décide d’accepter une tâche, de la mettre en attente ou de l’ignorer.
2. Les sessions d’exécution (workers) reçoivent chacune une tâche, avec leur propre répertoire. Elles n’ont aucun outil pour poser des questions aux humains et, une fois la tâche terminée, leurs appels sont rejetés.
3. La pull request est rattachée à la tâche, et la tâche ne se termine que lorsque la PR est mergée ou fermée, pas au moment où l’agent annonce qu’il a fini.

Le plus intéressant, c’est la philosophie du projet. Dans le document sur les principes, la règle est : prendre le moins possible d’attention aux humains et leur apporter le plus de valeur possible. L’agent ne se manifeste que lorsque quelqu’un doit agir ou peut tirer parti du résultat.

L’agent peut-il agir sans demander ?

Oui, mais pas d’emblée. Le document sur les autorisations décrit trois modes pour le travail que personne n’a explicitement demandé :

1. off : l’agent ne prend en compte rien de ce qu’on ne lui a pas demandé.
2. observe (par défaut) : l’agent évalue ces demandes, mais se contente de noter qu’il « aurait accepté » la tâche, et ne fait rien.
3. auto : l’agent accepte de lui-même les tâches qui correspondent aux règles que l’équipe a écrites à l’avance.

Les demandes directes des personnes de la liste fonctionnent dans tous les modes. Les bots de la liste peuvent tout au plus proposer des candidats, et l’agent lui-même ne peut pas élargir ses droits : les messages ne modifient ni les listes autorisées, ni les règles, ni le périmètre des tâches.

À quoi faire attention ?

D’abord, au statut du projet. Les auteurs le disent clairement : c’est un prototype de recherche « à titre de référence », pas un produit officiel de DeepSeek. Le code peut contenir des bugs, n’est pas prêt pour la production et diffère de la version que l’équipe utilise en interne.

Ensuite, à la sécurité. Selon la documentation de déploiement, les deux presets tournent en mode danger-full-access avec notre utilisateur système, et un worker peut lire notre répertoire personnel. Pour l’isoler, les auteurs recommandent un compte système et un compte GitHub dédiés à l’agent (plus de détails sur ces risques dans l’article sur la sécurité des agents IA).

Enfin, aux prérequis. Il faut notamment Node.js 22.19+ ou 24+, git 2.32+, Python 3.8+, GitHub CLI 2.48+, pnpm, tmux et un fournisseur de modèle configuré dans DeepSeek Harness. Ça ne fonctionne qu’avec github.com ; GitHub Enterprise Server n’est pas pris en charge.

Comment essayer DeepSeek superagent ?

L’installation comporte pas mal d’étapes, donc d’après le README, c’est… un agent qui s’en charge. Il suffit de demander à son agent de code de lire le fichier SETUP.md du dépôt et de mener la configuration pas à pas (si vous débutez avec ces outils, le tutoriel Claude Code vous sera utile).

Une fois lancé, il suffit d’ouvrir une issue ou d’ajouter un commentaire depuis un compte autorisé en mentionnant @<login de l’agent> avec sa demande. La tâche devrait apparaître dans le tableau de bord en un cycle d’interrogation, une minute par défaut. Le modèle se branche comme fournisseur dans DeepSeek Harness (DeepSeek V4.1 Flash était d’ailleurs récemment gratuit dans OpenCode).

FAQ

DeepSeek superagent est-il gratuit ?

Le code est open source, sous licence MIT. On ne paie que le modèle utilisé par l’agent (et la machine sur laquelle il tourne).

Est-ce un produit officiel de DeepSeek ?

Non. Le dépôt se trouve sur le compte deepseek-ai, mais les auteurs le décrivent comme un prototype de recherche, pas comme un produit officiel.

Fonctionne-t-il avec GitLab ou GitHub Enterprise ?

D’après la documentation, seul github.com est pris en charge, pas GitHub Enterprise Server. En option, l’agent écoute aussi les discussions sur Feishu (Lark).