Recherche : le fichier AGENTS.md permet de réduire de 29 % le temps d'exécution des Agents de programmation IA et de diminuer de 17 % la sortie de tokens

Selon BlockBeats News du 3 mars, selon 1M AI News, des équipes de recherche de la Singapore Management University, de l’Université de Heidelberg, de l’Université de Bamberg et du King’s College de Londres ont publié un article sur arXiv, évaluant quantitativement pour la première fois l’impact des AGENTS.md de profil au niveau de l’entrepôt sur l’efficacité des agents de programmation IA. AGENTS.md est un fichier d’instructions stocké dans le répertoire racine du dépôt de code pour expliquer l’architecture du projet, les commandes de compilation, les spécifications de codage et les contraintes opérationnelles aux agents IA, similaire au CLAUDE.md d’Anthropic Claude Code et au copilot-instructions.md de GitHub Copilot, et a été adopté par plus de 60 000 dépôts GitHub.

L’équipe de recherche a mené des expériences jumelées utilisant OpenAI Codex (gpt-5.2-codex) sur 124 PR fusionnés répartis dans 10 dépôts (aucun n’ayant plus de 100 lignes de modifications de code), fonctionnant dans les deux AGENTS.md conditions. Les résultats montrent AGENTS.md que le temps d’exécution médian diminue de 98,57 secondes à 70,34 secondes (une diminution de 28,64 %) et que le jeton de sortie médian diminue de 2 925 à 2 440 (une diminution de 16,58 %) sans différence significative dans le comportement d’accomplissement des tâches (test de rang signé Wilcoxon, p). < 0.05）。

Les chercheurs ont souligné que AGENTS.md modifié les directives de l’agent de « demandes éphémères » à « artefacts de configuration versionnés, réexaminés et maintenus en collaboration », et ont suggéré que les équipes de développement l’intègrent dans le dépôt comme pratique standard. En termes de limitations, l’étude n’a testé que l’agent unique OpenAI Codex, et l’échantillon était limité à des RP à petite échelle, sans mener d’évaluation complète de la correction du code.