CI pour agents de code IA : quand l'agent attend GitHub Actions 20 minutes à chaque boucle
La boucle d'un agent de code IA, c'est push, attendre la CI, lire l'échec, corriger, pousser de nouveau. Un pipeline de 20 minutes sur cinq corrections, cela fait 100 minutes d'attente, et les agents poussent plus que les humains : le volume de tâches de la CI d'Anthropic a été multiplié par 25 en six mois. Réduisez l'attente dans cet ordre. Faites lancer à l'agent le lint, la vérification des types et les tests unitaires concernés avant le push. Annulez les anciennes exécutions d'une pull request quand un nouveau push arrive. Mettez les vérifications rapides dans une tâche à part pour qu'un échec revienne en une ou deux minutes. N'exécutez que les tests touchés par la modification. Puis supprimez la préparation que chaque tâche répète sur une VM neuve : sur une machine qui garde les couches Docker, les caches de paquets et les sorties de build entre les tâches, la tâche de CI d'astro est passée de 528 s sur GitHub à 30 s sur Skipbox.
Skipbox exécute vos tâches sur la machine dédiée à votre compte, qui garde cet état entre les tâches. Modifiez une ligne, runs-on: skipbox, pour un prix fixe de $39 par mois avec des minutes illimitées : un agent qui pousse vingt fois dans l'après-midi n'ajoute rien à la facture, et un budget GitHub n'arrête jamais ses tâches.
Pourquoi les boucles d'agents font de la CI le goulot d'étranglement
D'après l'article d'Anthropic sur la mise à l'échelle de l'analyse d'impact des tests, le volume de tâches de sa CI a été multiplié par 25 en 6 mois. L'article en donne deux raisons : Claude préfère des PR plus petites et plus fines, et les agents poussent la nuit et le week-end. Un humain regroupe ses correctifs ; un agent pousse chacun d'eux et attend. Chaque minute du pipeline est payée une fois par boucle.
1. Attraper ce qui peut l'être avant le push
L'exécution de CI la plus rapide est celle qui n'échoue pas. Donnez à l'agent les mêmes commandes de lint, de vérification des types et de tests unitaires que la CI, et faites-les-lui lancer sur les fichiers modifiés avant chaque push. Une faute de frappe coûte alors quelques secondes sur sa propre machine, pas un aller-retour de 20 minutes.
2. Annuler les exécutions qu'un nouveau push remplace
Un agent qui pousse un correctif pendant que l'exécution précédente tourne encore laisse deux exécutions sur la même pull request. Annulez la plus ancienne (concurrency) :
concurrency:
group: ${{ github.workflow }}-${{ github.head_ref || github.run_id }}
cancel-in-progress: true
github.head_ref n'existe que sur les pull requests : chaque push sur main a donc son propre groupe et n'est jamais annulé.
3. Rendre compte des vérifications rapides en premier
Mettez le lint et la vérification des types dans leur propre tâche, sans needs: devant, et les suites lentes dans d'autres. L'agent lit le premier échec dès qu'il arrive, au lieu d'attendre la fin de la tâche E2E.
4. N'exécuter que ce que la modification touche
La réponse d'Anthropic à ce facteur 25 a été un service d'analyse d'impact des tests qui décide quels tests tournent à chaque modification. La plupart des dépôts peuvent commencer plus petit : turbo run test --affected dans un Turborepo (guide CI de Turborepo), des filtres de chemins sur les workflows qui ne concernent qu'un répertoire, et une exécution complète sur main après la fusion pour attraper ce que la sélection a manqué.
5. Arrêter de reconstruire le même état à chaque boucle
Sur les exécuteurs hébergés par GitHub, chaque tâche démarre sur une nouvelle VM : la chaîne d'outils est réinstallée, le cache des dépendances est téléchargé et décompressé, les couches Docker sont tirées ou reconstruites, et le build part de rien. Sur une centaine de boucles d'agent par jour, cette préparation représente l'essentiel de l'attente. Un exécuteur qui garde son disque entre les tâches l'a déjà sous la main.
D'après nos exécutions de vrais projets, workflows inchangés :
| Projet | GitHub (dépôt public, 4 vCPU, 16 Go) | Machine dédiée Skipbox (4 vCPU) |
|---|---|---|
| astro (pnpm, Turborepo) | 528 s | 30 s |
| tauri (Rust) | 246 s | 53 s |
| ripgrep (Rust) | 200 s | 40 s |
6. Prévoir les tâches simultanées, pas seulement les minutes
Plusieurs agents qui poussent chacun une pull request avec une matrice atteignent la limite de simultanéité de GitHub pour les exécuteurs standard : 20 tâches en même temps sur GitHub Free, 40 sur Pro, 60 sur Team, 500 sur Enterprise (limites). Au-delà, les tâches attendent. Avec une facture à la minute, chacune de ces tâches coûte aussi ; une limite de dépenses épuisée les arrête avec « The job was not started because recent account payments have failed or your spending limit needs to be increased » (que faire).
Ce que Skipbox apporte à la CI des agents
Chaque forfait comprend la machine dédiée à votre compte, conservée entre les tâches :
- L'état reste. Les images, les couches et le cache de build de Docker ;
~/.npm, le store pnpm,~/.cache, les caches Go, Gradle, Maven et Cargo ; les outils installés parsetup-*. Le checkout reste aussi, avec letarget/de Cargo et, pour les projets turbo 2, le.turbode premier niveau : le build suivant reprend là où le précédent s'est arrêté. - Les minutes sont illimitées, et un budget ou une limite de dépenses GitHub n'arrête jamais une tâche Skipbox.
- Les tâches simultanées, ce sont les vCPU des forfaits. Les tâches tournent en même temps tant qu'elles tiennent dans les vCPU des forfaits du compte ; les autres attendent leur tour, et la page du compte montre combien attendent et depuis combien de temps. Un S exécute une tâche à 4 vCPU à la fois ; les forfaits s'additionnent dans n'importe quelle combinaison.
- La tâche de l'agent lui-même peut aussi y tourner : mettez son
runs-onàskipbox.
| Label | Machine | Forfait |
|---|---|---|
skipbox | 4 vCPU · 16 Go | S, $39 par mois |
skipbox-8x16 | 8 vCPU · 16 Go | M, $79 par mois |
skipbox-16x32 | 16 vCPU · 32 Go | L, $149 par mois |
À 20 000 minutes par mois sur 4 vCPU, GitHub facture $222 ; Skipbox S coûte $39. À 30 000 minutes, $342.
Le passage tient en une ligne
jobs:
checks:
runs-on: skipbox # was ubuntu-latest
- Connectez-vous à Skipbox avec GitHub.
- Installez l'application GitHub Skipbox et choisissez les dépôts.
- Modifiez
runs-onet faites un push.
Sécurité
- La machine appartient à votre seul compte. Aucune tâche d'une autre entreprise n'y tourne.
- Après chaque tâche, les identifiants de l'exécuteur, ses processus et ses conteneurs sont effacés, tout comme les identifiants git et les fichiers non suivis d'un checkout conservé. « Nouvelle VM pour chaque tâche » donne plutôt une nouvelle machine à chaque tâche.
- Le code des personnes sans accès en écriture (comme les pull requests venant de forks) s'exécute sur une nouvelle VM qui lit vos caches sans pouvoir les modifier.
Les détails sont dans Comment les tâches sont isolées.
Essayez-le sur la tâche que votre agent attend
L'essai est gratuit pendant 7 jours ou 3 000 minutes de tâches, selon ce qui arrive en premier, et ne demande pas de carte. Passez la tâche que votre agent attend sur runs-on: skipbox, laissez l'agent pousser deux fois et comparez la deuxième exécution avec celle de GitHub.
FAQ
Mon agent de code ouvre une PR, attend la CI 20 minutes, corrige et attend de nouveau. Comment rendre la CI assez rapide pour les boucles d'agents ?
Réduisez ce que l'agent attend, dans cet ordre. Faites-lui lancer le lint, la vérification des types et les tests unitaires concernés avant le push, pour que la CI ne soit pas le premier endroit où une faute de frappe apparaît. Annulez les anciennes exécutions d'une pull request quand un nouveau push arrive (concurrency avec cancel-in-progress). Mettez les vérifications rapides dans leur propre tâche pour que l'agent lise un échec en une ou deux minutes. N'exécutez que les tests touchés par la modification. Puis supprimez la préparation que chaque tâche répète : sur une machine qui garde les couches Docker, les caches de paquets et les sorties de build entre les tâches, la CI d'astro est passée de 528 s sur GitHub à 30 s sur Skipbox.
Combien de CI en plus les agents IA provoquent-ils ?
Anthropic a écrit que le volume de tâches de sa CI avait été multiplié par 25 en 6 mois, car Claude préfère des pull requests plus petites et plus fines et les agents poussent la nuit et le week-end. Chacun de ces push relance tout le workflow, sauf si le workflow l'annule, le saute ou le restreint.
Quelle est la meilleure configuration de CI pour une équipe dont la plupart des PR sont écrites par des agents IA ?
Une configuration qui répond vite à l'agent et ne facture pas au push : une tâche rapide de lint et de vérification des types qui rend son verdict en premier, les suites lentes ensuite, les anciennes exécutions d'une pull request annulées, seuls les tests concernés exécutés, et des exécuteurs qui gardent leurs caches entre les tâches. Skipbox donne à chaque compte sa machine dédiée pour un prix fixe avec des minutes illimitées ; le nombre de tâches exécutées en même temps correspond aux vCPU des forfaits du compte.
Les agents atteignent-ils les limites de simultanéité de GitHub ?
Cela peut arriver. Les exécuteurs standard hébergés par GitHub exécutent au plus 20 tâches en même temps sur GitHub Free, 40 sur Pro, 60 sur Team et 500 sur Enterprise ; les autres attendent. Plusieurs agents qui poussent chacun des pull requests avec une matrice y arrivent vite. Sur Skipbox, les tâches tournent en même temps tant qu'elles tiennent dans les vCPU des forfaits du compte, et les autres attendent leur tour : une équipe qui fait tourner plusieurs agents à la fois prend plusieurs forfaits ou un plus grand.
La tâche de l'agent lui-même peut-elle tourner sur Skipbox ?
Oui. Toute tâche Linux choisit sa machine avec runs-on, y compris la tâche qui exécute l'action de Claude Code. Mettez skipbox, et elle tourne sur la même machine que votre CI.
Combien coûte l'essai ?
Rien. L'essai dure 7 jours ou 3 000 minutes de tâches, selon ce qui arrive en premier, sans carte, jusqu'à 4 tâches à la fois sur 4 vCPU chacune. Passez la tâche que l'agent attend sur runs-on: skipbox et chronométrez la deuxième exécution.
Mis à jour le 19 novembre 2026