# SoduWork : moteur multi-agents open source et auto-hébergé

> SoduWork est un moteur open source et auto-hébergé où un agent IA fait le travail, un autre le relit et une personne valide, pour les équipes.

- Type : actu de l'IA
- Famille : Agents IA · Moteur multi-agents
- Habitat : Serveur maison · Bureau · Docker
- Niveau : intermédiaire
- Langage : JavaScript
- Licence : MIT
- Étoiles GitHub : 3985 (relevé le 19 novembre 2026)
- Source : https://github.com/mdiri-ai/SoduWork
- Publié le : 19 novembre 2026
- Page : https://geekus.fr/projets/soduwork/

SoduWork est un moteur open source (licence MIT) qui organise le travail entre des personnes et des agents IA, sur un serveur que tu héberges toi-même. Une demande n'y est pas close par une réponse : elle l'est quand la personne qui l'a posée la valide, après une relecture faite par un second agent. Le projet est en bêta publique et peut se lancer en local sur un ordinateur.

## En bref

- Un agent fait la tâche, un autre la relit sur un autre modèle, une personne valide.
- Plusieurs harnesses au choix, avec changement possible en pleine conversation.
- Une conversation réussie peut être sauvegardée en plugin et partagée à l'équipe.
- Auto-hébergé, licence MIT, en bêta publique.
- Prérequis d'un lancement local : Python 3.12+, Node.js 22.19+ et Git.

![SoduWork en image (tirée de la page du projet)](/illustrations/soduwork-2.webp?v=6aff1400)

## Ce que SoduWork change dans le travail avec des agents IA

Les agents IA produisent vite, mais la confiance dans ce qu'ils produisent ne vient pas toute seule. Le README de SoduWork part de ce constat : le temps gagné est souvent réinvesti à vérifier le résultat, et ce qui a bien marché une fois reste enfermé dans un fil de discussion.

SoduWork répond par un principe simple : **la demande tient lieu de cahier des charges**. Les critères d'acceptation sont fixés avant le début du travail, un agent distinct les contrôle un par un, et une personne tranche à la fin. Le projet vise aussi bien quelqu'un qui travaille seul qu'une équipe.

## Comment fonctionne SoduWork, de la demande à la validation

Tout se passe dans un même pool de demandes partagé. Tu déposes une demande, l'IA l'affine et rédige les critères d'acceptation, puis tu l'assignes à toi-même, à un collègue ou à un agent. L'agent de la personne désignée fait le travail, une relecture par IA est lancée, puis la personne à l'origine de la demande valide.

Le README donne un exemple : Pi exécute la tâche, OpenCode, sur un autre modèle, la relit au regard des critères. Si la relecture échoue, le travail repart avec les raisons du refus. À chaque étape, on sait qui a demandé, qui a fait, quel plugin a tourné et qui a approuvé.

Le Hub, le service central, reste la référence : demandes, workflows, validations et preuves y sont stockés, si bien que tous les clients voient les mêmes faits. Plusieurs demandes peuvent tourner en parallèle sur des agents différents, y compris sur des exécuteurs dans le cloud. D'après le README, les agents ne se passent pas le travail entre eux de leur propre initiative : le plugin et la personne assignée décident.

## Changer de harness en pleine conversation

Un harness est l'environnement d'exécution de l'agent, pas le modèle. SoduWork les branche tous derrière une même interface, ce qui permet de changer de harness en cours de conversation en gardant l'historique et le dossier de travail. Les programmes compatibles avec le protocole ACP (Agent Client Protocol) peuvent être ajoutés par une déclaration dans le catalogue.

Le README cite neuf harnesses, mais les notes de la version 1.13.17 retirent les options d'exécution Google Harness2 et Claude Code : l'historique existant reste lisible, la suite demande un harness pris en charge. Restent donc Pi (intégré), OpenCode, DeepSeek Harness, Qwen Code, Kimi Code, [Codex](https://geekus.fr/projets/codex/) Harness et Codex, ce dernier utilisant son propre compte OpenAI.

## Garder ce qui a marché : plugins et applications

Quand une tâche est réussie avec l'IA, la conversation peut être sauvegardée comme plugin : un paquet versionné qui contient la méthode, les entrées, les critères d'acceptation et le workflow. Après relecture, il peut être publié au catalogue de l'équipe, attribué à des équipes ou des personnes, et révoqué.

Un workflow peut choisir le harness, le modèle et la compétence de chaque étape. Dans l'exemple du README, Pi rédige, Qwen Code vérifie les sources et l'exécution s'arrête si la vérification échoue. Une application SoduWork va plus loin : c'est un plugin doté de sa propre interface et d'un panneau de discussion avec l'IA. Il n'est pas nécessaire d'écrire ces fichiers à la main, l'assistant Plugin Developer les produit à partir d'une description.

## Installer SoduWork en local ou en équipe

Pour un essai sur ton ordinateur, il faut Python 3.12+, Node.js 22.19+ et Git. Après avoir cloné le dépôt, lance la commande de ton système depuis le dossier.

Le premier lancement installe les dépendances, puis démarre le Hub, la console d'administration et le client de bureau. Il demande un mot de passe de 12 à 128 caractères pour le compte `admin`. Il faut ensuite ajouter un fournisseur de modèles dans le **Catalogue de modèles** de la console, puis démarrer une discussion dans le client avec une petite tâche. La documentation précise que les appels réels à un fournisseur peuvent entraîner des frais de son côté.

Pour une équipe, le README propose un déploiement avec Docker : il démarre le Hub, la console et PostgreSQL sur un seul serveur, et recommande de placer un proxy inverse HTTPS devant pour l'ouvrir aux collègues. Le projet ne donne pas de configuration matérielle minimale.

## Où en est SoduWork

Le dépôt a été créé le 29 octobre 2026. Au relevé du 19 novembre 2026, il compte 3 869 étoiles, 358 copies, 46 contributeurs et 124 tickets et demandes de fusion ouverts. La dernière version, la 1.13.19, date du même jour ; ses notes renvoient simplement à un manifeste de publication.

Les versions précédentes détaillent le rythme des changements. La 1.13.18 a ajouté la mémorisation des modèles par dossier de travail, des automatisations avec heures relatives (« dans cinq minutes ») et un affichage de la file d'attente. La 1.13.17 a séparé le dossier de travail de chaque nouvelle discussion et rendu la mémoire personnelle modifiable en Markdown.

## Données, limites et points de vigilance

En auto-hébergement, demandes, plugins et historiques sont stockés dans ton propre Hub. Les requêtes aux modèles partent de l'exécuteur vers le fournisseur que tu as configuré, avec un identifiant temporaire, et ce fournisseur voit les prompts et les fichiers envoyés. Le client installé vérifie les mises à jour auprès du Hub choisi toutes les six heures, et le README indique qu'aucun réglage ne permet pour l'instant de désactiver ces vérifications ni la comptabilité d'usage.

Le README liste aussi des limites : le passage au cloud transfère les fichiers, la conversation et l'objectif, mais pas les processus en cours ni les sessions de navigateur, et le serveur est à fournir. Les exécuteurs ne sont pas un bac à sable généraliste : l'isolation réelle dépend du harness et de ton environnement. Enfin, le projet demande de l'évaluer avant toute utilisation en production.

```bash
git clone https://github.com/mdiri-ai/SoduWork
cd SoduWork
sh start.sh --desktop
.\start.cmd --desktop
start.cmd --desktop
python3 ops/self-host/deploy.py up
python3 ops/self-host/deploy.py credentials   # show the initial admin password
```

## Quelques repères

- **Harness** : Programme qui fait tourner un agent IA : il reçoit une consigne, appelle un modèle de langage, lit des fichiers et lance des commandes. Il se distingue du modèle lui-même.
- **Auto-hébergé** : Se dit d'un logiciel installé et exploité sur ses propres machines ou son propre serveur, plutôt que utilisé comme service chez un prestataire. Les données restent alors sous le contrôle de celui qui l'héberge.

## Questions fréquentes

### SoduWork est-il gratuit et open source ?

SoduWork est publié sous licence MIT, et son code est ouvert. Le README ne parle pas de prix ; la documentation prévient seulement que les appels à un fournisseur de modèles peuvent entraîner des frais auprès de ce fournisseur.

### Comment installer SoduWork sur son ordinateur ?

Il faut Python 3.12+, Node.js 22.19+ et Git, puis cloner le dépôt et lancer `sh start.sh --desktop` sur macOS ou Linux, ou `start.cmd --desktop` sous Windows. Le premier lancement installe les dépendances et demande un mot de passe pour le compte `admin`.

### SoduWork permet-il de changer d'agent en pleine conversation ?

Oui. Le README indique qu'on peut changer de harness en cours de conversation en conservant l'historique et le dossier de travail.

### Peut-on utiliser SoduWork pour faire relire le travail d'une IA par une autre ?

Oui. Chaque demande porte ses critères d'acceptation, et un agent distinct, éventuellement sur un autre modèle, les vérifie avant qu'une personne valide. Si la relecture échoue, le travail repart avec les raisons.

## À retenir

SoduWork organise le travail des agents IA autour d'une demande avec critères d'acceptation, d'une relecture par un second agent et d'une validation humaine. Il est auto-hébergé, sous licence MIT, encore en bêta publique, et son README invite à l'évaluer avant tout usage en production.

Sources :

- [mdiri-ai](https://github.com/mdiri-ai/SoduWork) (README)
- [docs/README.md](https://github.com/mdiri-ai/soduwork/blob/HEAD/docs/README.md) (documentation officielle)
- [docs/getting-started.md](https://github.com/mdiri-ai/soduwork/blob/HEAD/docs/getting-started.md) (documentation officielle)
- [GitHub](https://github.com/mdiri-ai/soduwork/releases) (notes de version)

Mots-clés : agents, multi-agent, auto-hébergé, orchestration, claude code

---

Fiche publiée par Geekus : https://geekus.fr/projets/soduwork/
