Contexte et exigences de performance
En mai 2026, Anthropic enregistrait environ 2 500 changements de code fusionnés chaque jour. En septembre, ce chiffre a explosé à plus de 30 000 changements quotidiens, soit une multiplication par douze en six mois. Cette accélération a imposé une charge de travail inédite sur le système de versionnage : l’historique de la branche principale occupe près de 100 Go et une copie de travail compressée dépasse 25 Go. Le service CI déclenche 25 millions de check‑outs par jour, ce qui, s’il était traité par Git de façon naïve, représenterait plus de 600 pétaoctets de trafic quotidien. Ces métriques ont conduit les ingénieurs à repenser l’architecture du contrôle de source.
Architecture de Scion et inspirations externes
Scion se présente comme une réinvention centralisée du contrôle de version, rappelant le modèle de Subversion, mais enrichi du concept de « derived data » popularisé par le serveur Mononoke de Sapling. Anthropic cite explicitement Google Piper et Meta Sapling comme art antérieur, indiquant que les métadonnées dérivées sont stockées séparément du contenu brut, ce qui réduit le volume de données transférées lors des check‑outs. Le système conserve un dépôt unique où chaque révision génère des artefacts dérivés (index, diff compressés) qui sont mis en cache et servis aux clients sans nécessiter le téléchargement complet de l’historique.
Le processus de révision du code repose sur Antique, un outil interne de revue qui s’intègre à Scion. Contrairement aux workflows Git classiques, Antique ne nécessite pas de copie locale complète pour chaque révision ; il interroge le serveur pour récupérer uniquement les fragments pertinents, limitant ainsi l’usage de bande passante et le besoin de stockage local. Cette approche répond directement aux exigences de 25 millions de check‑outs quotidiens en minimisant les I/O.
Migration, déploiement et contraintes opérationnelles
Une équipe de sept ingénieurs a mené la migration de Git vers Scion en cinq mois. Le passage a été réalisé sans interruption majeure, grâce à une phase de double écriture où les deux systèmes recevaient les commits simultanément. L’absence de support hors‑ligne, justifiée par le fait que le modèle Claude, principal consommateur de Scion, fonctionne exclusivement en ligne, a été explicitement acceptée par les développeurs, évitant ainsi une complexité supplémentaire.
Le nouveau pipeline a déjà démontré une réduction du trafic réseau estimée à plusieurs ordres de grandeur, bien que les chiffres exacts ne soient pas publiés. Cependant, la centralisation implique une dépendance accrue à la disponibilité du serveur Scion ; toute panne pourrait bloquer les millions de jobs de recherche et d’agents sandbox qui s’appuient sur le dépôt. Anthropic compense ce risque par une redondance multi‑zone et des sauvegardes incrémentielles, mais le modèle reste sensible aux latences réseau.
Implications pour la gestion du code à grande échelle
Scion illustre comment les exigences de vélocité de développement (plus de 30 000 changements par jour) peuvent justifier la création d’un système propriétaire, surtout lorsque les limites de Git (gestion de gros historiques, trafic de check‑out) deviennent prohibitives. Le recours à des métadonnées dérivées et à un serveur centralisé offre une voie pour d’autres organisations confrontées à des volumes similaires, à condition d’investir dans l’infrastructure serveur et de gérer les risques de centralisation.
