Shut up and commit : comment Caveman fait taire les agents IA bavards

« Why use many token when few token do trick. » La phrase ressemble à un mème, c'est en réalité la devise sérieuse d'un projet open source qui circule dans la communauté des agents : Caveman.

De quoi il s'agit

Caveman est un skill pour agents de code - principalement Claude Code, Gemini CLI, Cursor, Windsurf, Codex, Cline. Activé, l'agent bascule dans un style volontairement réduit : plus de mots de remplissage, plus de politesses, plus de méta-commentaires. Le code, les URL et la terminologie technique restent intacts. Les auteurs rapportent 65 % de réduction moyenne des tokens en sortie sur dix tâches de code variées.

Quatre niveaux d'intensité :

Lite - filler retiré, grammaire préservée.
Full - par défaut : fragments, presque pas d'articles.
Ultra - style télégraphique.
文言文 (Wenyan) - chinois classique comme compression extrême.

Plus des sous-skills : /caveman-commit (messages de commit conventionnels serrés), /caveman-review (commentaires de PR en une ligne), /caveman-compress (compresse les fichiers mémoire, ~46 % d'économie en entrée).

Pourquoi c'est plus qu'une astuce de coût

À première vue, Caveman ressemble à un outil d'économie : moins de tokens, facture plus légère, terminé. Mais une observation plus sérieuse se cache dessous :

La contrainte force la précision. Les travaux sur les « réponses brèves » montrent que des consignes de sortie restrictives améliorent mesurablement la qualité de certaines réponses - les modèles hallucinent moins s'ils ne peuvent pas s'étaler.
La vitesse de lecture augmente. Les réponses d'agent ne sont pas de la prose pour clients, c'est un journal de travail pour développeurs. Trois puces se lisent plus vite que trois paragraphes.
Les tokens deviennent une ressource de conception. Le cadre posé par Caveman et ses compagnons Cavekit, Cavemem, Caveman Code traite les tokens comme on traite la mémoire ou le CPU : un budget rare, à piloter activement.

Où ça agit dans nos projets

Trois endroits où nous utilisons déjà des motifs façon Caveman :

Messages de commit et revues de PR. Un agent qui produit quarante lignes de prose sur « ce que fait ce commit et pourquoi c'est une bonne idée » est moins bon qu'un agent qui rend une ligne Conventional Commits. /caveman-commit fait cela d'une pression.
Fichiers mémoire. Dans les longues sessions d'agent, le contexte grossit - notes, leçons, règles projet. Un fichier mémoire non compressé de 5 000 tokens coûte à chaque requête. /caveman-compress le divise souvent par deux sans perte d'information.
Rapports de statut. Pour les runs d'agent récurrents (checks CI, monitoring, migrations nocturnes), « tout vert » bat un rapport de trois pages sur l'exactitude de chaque étape intermédiaire. Mode Caveman par défaut, mode verbeux uniquement à la demande.

À retenir - même sans installer Caveman

L'intérêt de Caveman n'est pas tant le skill que la posture derrière. Trois principes transposables à toute stratégie d'agent :

La longueur de sortie est une décision de conception. « Sois concis, pas d'explications, résultats seulement » dans le system prompt, c'est souvent 80 % de l'effet.
Sépare le journal de travail du résultat. Laisse l'agent réfléchir longuement en interne (chaîne de pensée, appels d'outils, raisonnement) mais garde la sortie visible compressée.
Mesure ce que tu économises. Les auteurs de Caveman relèvent 22 à 87 % selon la tâche. Sans mesure, toute compression reste de l'intuition.

Bémol

Caveman n'est pas fait pour les e-mails clients, ni pour les billets de blog explicatifs, ni pour la documentation lue par des tiers. C'est un outil pour la communication agent-vers-développeur - là où temps et tokens coûtent plus que la politesse. Partout ailleurs, on continue d'écrire des phrases entières.

Sources

Caveman sur GitHub - skill, niveaux d'intensité, benchmarks et guide d'installation
getcaveman.dev - page produit couvrant tout l'écosystème : Caveman, Cavekit, Cavemem et Caveman Code

De quoi il s'agit

Quatre niveaux d'intensité :

Lite - filler retiré, grammaire préservée.

Full - par défaut : fragments, presque pas d'articles.

Ultra - style télégraphique.

文言文 (Wenyan) - chinois classique comme compression extrême.

Pourquoi c'est plus qu'une astuce de coût

À première vue, Caveman ressemble à un outil d'économie : moins de tokens, facture plus légère, terminé. Mais une observation plus sérieuse se cache dessous :

La contrainte force la précision. Les travaux sur les « réponses brèves » montrent que des consignes de sortie restrictives améliorent mesurablement la qualité de certaines réponses - les modèles hallucinent moins s'ils ne peuvent pas s'étaler.

La vitesse de lecture augmente. Les réponses d'agent ne sont pas de la prose pour clients, c'est un journal de travail pour développeurs. Trois puces se lisent plus vite que trois paragraphes.

Les tokens deviennent une ressource de conception. Le cadre posé par Caveman et ses compagnons Cavekit, Cavemem, Caveman Code traite les tokens comme on traite la mémoire ou le CPU : un budget rare, à piloter activement.

Où ça agit dans nos projets

Trois endroits où nous utilisons déjà des motifs façon Caveman :

Messages de commit et revues de PR. Un agent qui produit quarante lignes de prose sur « ce que fait ce commit et pourquoi c'est une bonne idée » est moins bon qu'un agent qui rend une ligne Conventional Commits. /caveman-commit fait cela d'une pression.

Fichiers mémoire. Dans les longues sessions d'agent, le contexte grossit - notes, leçons, règles projet. Un fichier mémoire non compressé de 5 000 tokens coûte à chaque requête. /caveman-compress le divise souvent par deux sans perte d'information.

Rapports de statut. Pour les runs d'agent récurrents (checks CI, monitoring, migrations nocturnes), « tout vert » bat un rapport de trois pages sur l'exactitude de chaque étape intermédiaire. Mode Caveman par défaut, mode verbeux uniquement à la demande.

À retenir - même sans installer Caveman

L'intérêt de Caveman n'est pas tant le skill que la posture derrière. Trois principes transposables à toute stratégie d'agent :

La longueur de sortie est une décision de conception. « Sois concis, pas d'explications, résultats seulement » dans le system prompt, c'est souvent 80 % de l'effet.

Sépare le journal de travail du résultat. Laisse l'agent réfléchir longuement en interne (chaîne de pensée, appels d'outils, raisonnement) mais garde la sortie visible compressée.

Mesure ce que tu économises. Les auteurs de Caveman relèvent 22 à 87 % selon la tâche. Sans mesure, toute compression reste de l'intuition.

Bémol