J'utilise Azure DevOps depuis des années pour gérer mes projets. C'est un excellent outil — quand on bosse en équipe, avec des sprints, des pipelines, des boards reliés à des repos. Mais quand on est dev solo et qu'on veut juste suivre l'avancement d'un projet avec un agent IA, c'est overkill. Pareil pour GitHub Projects : c'est faisable, mais il y a de la friction — surtout quand on veut qu'un agent autonome puisse créer des tickets, les déplacer, commenter, sans passer par une configuration lourde.
Alors j'ai fait ce que je fais de mieux ces derniers temps : j'ai construit l'outil moi-même.
Le problème
Quand je travaille sur Aekan ou sur d'autres projets, j'ai pris l'habitude de déléguer des tâches à Claude et Lain. Je leur donne un objectif, ils planifient, exécutent, et rendent compte. Mais pour que ça fonctionne bien, il faut un outil de suivi partagé — un endroit où l'agent peut :
- Voir les tickets existants et leur statut
- Créer de nouveaux tickets quand il identifie du travail
- Déplacer un ticket d'une colonne à l'autre quand c'est fait
- Commenter pour expliquer ce qu'il a fait (ou ce qui bloque)
- Vérifier s'il a été mentionné quelque part
Avec Azure DevOps, c'est possible via l'API, mais ça demande un setup OAuth, des permissions, du mapping de champs. Avec GitHub Projects, il faut passer par GraphQL, gérer des tokens, et le modèle de données est parfois contre-intuitif. Rien d'insurmontable, mais à chaque fois c'est du temps passé sur la plomberie plutôt que sur le projet.
La solution : un SaaS local en deux jours
Si je peux expédier un outil fonctionnel en deux jours, pourquoi ne pas le faire ? Todo est né de cette idée : un kanban sur-mesure, léger, local, et pensé dès le départ pour être piloté par des agents.
Concrètement, c'est :
- Un board kanban classique avec colonnes, tickets, labels, priorités
- Une API REST complète sous
/api— tout ce que l'UI fait, l'API le fait aussi - Un système de mentions avec
@agent:claudeou@ownerpour communiquer entre humains et agents - Du Markdown partout — descriptions, commentaires, références croisées avec
#ticket - Une base SQLite par projet — isolation totale, zéro configuration
- Le tout tourne en local sur
localhost:5230
Pas de cloud, pas d'auth complexe, pas d'abonnement. Tu clones, tu dotnet run, c'est parti.
Comment ça marche avec un agent
L'API a été conçue pour qu'un agent puisse se débrouiller seul. Voici le workflow type :
- Découverte — l'agent liste les projets, les colonnes, les membres, les labels disponibles
- Lecture — il consulte le board, filtre par priorité, cherche les tickets qui le concernent
- Action — il crée un ticket, le déplace, ajoute un commentaire, change la priorité
- Communication — il mentionne
@ownerpour signaler un blocage, ou vérifie ses propres mentions pour voir s'il a du travail en attente
Les agents s'identifient avec le format agent:{nom} — par exemple agent:claude ou agent:lain. Ça permet de savoir qui a fait quoi dans l'historique d'activité.
Un exemple concret avec Aekan
Sur Aekan, j'ai un projet Todo avec des colonnes Backlog → En cours → Review → Done. Quand je veux avancer sur une feature :
- Je crée un ticket (ou je demande à Claude de le faire) avec la description du besoin
- Claude prend le ticket, le passe en "En cours", et commence à travailler
- Quand c'est terminé, il le déplace en "Review" avec un commentaire qui explique ce qu'il a fait
- Je review, je valide (ou je commente), et je passe en "Done"
Si Lain identifie un bug pendant un test automatisé, il crée directement un ticket avec le contexte, la priorité, et mentionne @owner. Je le vois au prochain coup d'oeil sur le board. Simple, fluide, sans cérémonie.
En réalité, sur Aekan, ce n'est pas un ou deux agents — c'est 13 agents spécialisés qui tournent en autonomie, orchestrés par un moteur custom que j'appelle le dispatcher. Il gère le routing, le parallélisme, l'apprentissage, et l'évaluation des agents — le tout branché sur l'API de Todo. J'en parle en détail dans un article dédié.
Pourquoi open source
Cet outil résout mon problème, mais je suis convaincu qu'il peut servir à d'autres. Si vous travaillez avec des agents IA et que vous cherchez un outil de suivi léger, sans friction, et que vous pouvez faire évoluer comme vous voulez — c'est exactement pour ça qu'il a été construit.
Le code est propre, le stack est simple (.NET 10, Blazor, SQLite), et l'API est documentée via OpenAPI. Forkez, adaptez, contribuez.
Suivez le développement
Si ce genre d'outils vous intéresse — ou si vous voulez suivre comment j'utilise l'IA au quotidien dans mes projets — rejoignez-moi sur Discord. C'est là que je partage en temps réel.