sqlite-utils 4.0 : Claude a débogué pour 150€
Pourquoi ça compte pour toi
Ça montre concrètement comment les IA peuvent accélérer des tâches techniques complexes (audit de code, refactorisation, tests). C'est pertinent si tu maintiens une lib, si tu construis des projets où tu as peu de temps, ou si tu cherches comment vraiment économiser sur du travail qualifié.
Ce qu'il faut retenir
- 1.Claude a détecté 5 bugs critiques manqués par le dev, dont une fuite mémoire (delete_where() empoisonnait la connexion et perdait des données)
- 2.37 prompts, 34 commits, 1321 lignes modifiées sur 30 fichiers : la majorité du travail portait sur le code et la doc
- 3.Coût final : 149,25€ via Claude Max — calculé après coup en quelques commandes
Tu galères avec le jargon ?
Lis la version réécrite en mode débutant — toutes les idées, sans le jargon.
Le détail du pire bug
Le dev Simon Willison a commencé par demander à Claude une revue finale avant de publier la v4.0 stable. Claude a sorti un rapport avec 5 blockers.
Le pire : delete_where() ne commitait jamais. Tu appelles db["t"].delete_where(...), la suppression se lance mais la transaction reste ouverte. Résultat : chaque atomic() suivant prend la branche savepoint et ne commit jamais. Données perdues.
Exemple du code de Simon :
db = sqlite_utils.Database("dw.db")
db["t"].insert_all([{"id": i} for i in range(3)], pk="id")
db["t"].delete_where("id = ?", [0]) # conn.in_transaction is now True
db["t"].insert({"id": 50})
db["u"].insert({"a": 1})
db.close() # Reopen: rows are [0, 1, 2] — le delete, row 50, ET la table u sont partis
C'est un bug de perte de données. Heureusement que Simon ne l'a pas publié.
Le workflow IA pratique
Ce qui mérite attention : Claude pouvait itérer de manière autonome pendant que Simon utilisait Claude Code depuis son iPhone. Il sortait entre les prompts (il a assisté à un défilé du 4 juillet, revenait vérifier, relançait la tâche suivante).
La raison : les tâches difficiles prennent parfois 10-15 min de calcul. Pendant ce temps, l'agent peut tracer un plan, et toi tu fais ta vie.
Un détail qui montre la maturité de cette approche : Simon a fait relire le travail par GPT (il teste maintenant l'habitude de faire vérifier le travail d'Anthropic par OpenAI, et vice versa). GPT a trouvé 2 cas limites supplémentaires sur db.query() avec les transactions.
Le coût réel, transparent
Simon a calculé le tarif après coup avec agentsview dans la session Claude :
- ▸Session principale (claude-fable-5) : 141,02€
- ▸4 sous-agents (fable + opus-4-8) : 8,23€
- ▸Total : 149,25€
Il note qu'il aurait pu économiser 30% en utilisant davantage de sous-agents avec des modèles moins chers.
À retenir
C'est un cas d'école : quand tu dois auditer du legacy, refactoriser pour une rupture de compatibilité, ou faire une revue fiable avant une publication — confier ça à une IA peut vraiment valoir le coup. Pas juste pour la vitesse, mais parce que ça trouve des trucs que tu rates seul. Le coût ? Quelques euros pour un travail de dev senior étalé sur plusieurs jours.
Et concrètement pour toi ?
Choisis ton profil — la lecture de l'article change selon qui tu es.
Pour toi, comprends que 150€ pour corriger 5 bugs critiques en 37 échanges montre un échange clair : tu peux payer à la tâche pour du travail intellectuel spécialisé sans embaucher. C'est une économie qui change l'équation du travail qualifié.
Essayer maintenant
Explore sqlite-utils 4.0 RC →Source
Pour aller plus loin
Cet article t'a donné envie d'approfondir ? Deux formations Noésis t'attendent :
Explorer les thèmes de cet article :