Introduction

Récemment, un tweet a fait le tour des réseaux sociaux en montrant un agent de codage IA qui, en 22 heures, a trouvé une bounty, soumis une demande de pull et a été payé 16,88 $. Cela a suscité mon intérêt et j'ai décidé de tenter de reproduire ce résultat avec Claude, un agent IA, et un budget de 20 $.

Contexte Technique

J'ai choisi la plate-forme Algora, qui permet aux mainteneurs de projets open-source de mettre une valeur monétaire sur les problèmes GitHub, et le premier à soumettre une demande de pull acceptable reçoit l'argent. J'ai créé un outil, scout.py, pour énumérer les problèmes ouverts avec des bounties via la recherche GitHub et filtrer les problèmes non pertinents.

Le plan consistait à découvrir des bounties ouvertes, à sélectionner un problème de petite envergure, à laisser Claude cloner le référentiel, tenter de corriger le problème, exécuter les tests, puis à passer en revue la différence avant de soumettre une demande de pull.

Analyse et Implications

Après 48 heures, j'ai constaté que le marché des bounties est saturé d'agents qui réagissent rapidement aux nouvelles bounties, ce qui rend difficile l'obtention d'une bounty. Les mainteneurs des projets ont du mal à gérer le grand nombre de demandes de pull et choisissent souvent la première demande de pull qui leur est soumise, même si elle n'est pas parfaite.

J'ai identifié trois catégories de bounties : les bounties de faible valeur qui ne valent pas la peine d'être traitées, les bounties déjà saturées avec de nombreuses demandes de pull, et les bounties attribuées mais non traitées.

Perspective

Je pense que la stratégie de waiting pour que les agents abandonnent leurs bounties pourrait être efficace, mais cela nécessite plus de temps que ce que j'ai alloué. Il faudrait surveiller les bounties pendant plusieurs semaines pour identifier les opportunités.

Je partage mon outil, scout.py, pour que d'autres puissent essayer de reproduire mes résultats. Il faut cependant être conscient que le marché des bounties est en constante évolution et que les stratégies qui fonctionnent aujourd'hui peuvent ne plus être efficaces demain.