Un CMS conçu pour les agents IA

Voici un test qui mérite d'être fait sur n'importe quel CMS en 2026 : donnez à un agent IA une tâche du type « mettre à jour la page des tarifs dans les dix langues » et comptez le nombre d'intégrations sur mesure nécessaires pour qu'il puisse démarrer. Pour la plupart des systèmes hébergés, la réponse se résume à un client d'API, des identifiants, un schéma qui lui est invisible et un bac à sable dont on espère qu'il ne sortira pas. Pour un dépôt rempli de fichiers MDX, la réponse est zéro. L'agent possède déjà tout le nécessaire : lire, faire un grep, éditer et comparer avec diff.

Scribe mise tout sur cette approche. C'est un CMS dont la surface entière repose sur des opérations que les agents maîtrisent déjà à la perfection.

Lecture : tout est un fichier

Un agent qui explore un projet Scribe n'a besoin d'aucune documentation pour prendre ses marques. Les types de contenu sont des schémas Zod regroupés dans un seul fichier de configuration, ce qui permet de lire la structure de chaque document comme du code. Les documents sont des fichiers MDX dont le nom de fichier sert de slug. Les traductions résident dans une base SQLite située juste à côté. Il n'y a rien de caché derrière une interface d'administration. Le dépôt constitue le système tout entier, et un simple grep sur le dossier content/ explore vraiment la totalité du contenu.

Écriture : des garde-fous plutôt qu'une confiance aveugle

Le risque avec les agents n'est pas leur incapacité à rédiger, c'est plutôt leur tendance à produire de temps à autre du contenu subtilement défectueux. La réponse de Scribe est la même que pour les humains, appliquée de manière plus stricte :

Les schémas filtrent chaque document. Le frontmatter doit être validé par le schéma Zod du type de contenu. Un champ halluciné ou manquant fait échouer la commande scribe validate et non la production.
Le corps du texte doit compiler. Chaque corps de fichier MDX est compilé lors de la validation. Un composant mal formé ou une erreur de syntaxe est donc intercepté avant même le processus de build.
Les liens ne peuvent pas se briser silencieusement. Les tokens de relation en ligne font référence aux documents via leur type et leur slug. Toute erreur de validation sur un token pointant vers un document inexistant est bloquée. Un agent est physiquement incapable de faire passer un lien interne brisé au travers du validateur.
Les suppressions sont calculées, jamais improvisées. La commande scribe delete calcule d'abord toute la cascade de références, et des bloqueurs interrompent l'opération si nécessaire. Un agent qui supprime une page voit exactement quels autres éléments en subissent l'impact.

Résultat, laisser un agent éditer du contenu n'a plus rien d'effrayant. L'échec d'une mauvaise modification se traduit par une ligne rouge dans le terminal, exactement comme pour un test qui échoue.

Révision : le diff devient l'interface

Puisque chaque changement correspond à un commit, le travail de l'agent arrive tel que votre équipe a déjà l'habitude de le relire, c'est-à-dire sous la forme d'une pull request. Il n'y a pas de journal d'audit séparé à vérifier ni d'historique du CMS à réconcilier avec git. Les instantanés en anglais enregistrent le point de départ de chaque traduction. Ainsi, même un contenu traduit par une IA possède une traçabilité vérifiable : ce texte en français a été généré à partir de ce texte en anglais, avec tel modèle et à telle date.

Le studio local boucle la boucle pour les équipes humaines. Parcourez ce que l'agent a modifié, effectuez des recherches dans tous les documents, prévisualisez le rendu final avec les images et les liens résolus, et contrôlez la couverture de traduction d'un seul coup d'œil. Les agents éditent les fichiers, les humains vérifient dans le studio.

Servir le contenu aux IA, et pas seulement avec elles

Les mêmes propriétés qui facilitent la rédaction par les agents dans Scribe rendent également votre site plus facile à lire pour les systèmes d'intelligence artificielle. La commande scribe export-static génère des versions MDX brutes de chaque page, par langue, dans un dossier statique. Ce texte propre et allégé de tout balisage complexe est bien mieux géré par les robots d'indexation LLM et les moteurs de réponse que le HTML rendu. Votre contenu devient lisible par les IA aux deux extrémités de la chaîne.

Ceci n'est pas une hypothèse

Ce site en est l'exemple concret. La consolidation du journal des modifications, la restructuration de la documentation et la majeure partie de la maintenance du contenu que vous lisez ont été réalisées par des agents IA travaillant directement dans le dépôt. Leurs actions ont été contrôlées par scribe validate et relues par un humain sous forme de diffs. Le modèle basé sur git avait été pensé pour les équipes. Il s'est avéré correspondre exactement à ce dont les agents avaient aussi besoin.

Si vous concevez un site que des agents contribueront à maintenir, lancez-vous avec le guide de démarrage et confiez-leur une mission. Ce flux de travail leur semblera très naturel.