Les agents IA saturent les verrous de Git conventionnel. Avec Pando, OpenAI remplace le moteur interne de Git par un stockage distribué à cohérence causale absorbant un pétaoctet par jour. Cette bascule technique supprime les goulots d'étranglement réseau et permet aux flottes d'agents d'écrire en continu sans bloquer les développeurs humains. Git a vingt et un ans en 2026. Son modèle d’objets et de commits reste central, mais les infrastructures qui hébergent d’immenses dépôts font face à de nouveaux usages. Des agents comme OpenAI Codex permettent aux ingénieurs de préparer plusieurs modifications en parallèle : davantage de branches, de push, de fetch, de clones et de tâches d’intégration continue. OpenAI explique que la croissance de son monodépôt a commencé à mettre ses systèmes sous tension fin 2025. Cela ne signifie pas que tous les serveurs Git arrivent à saturation : le problème dépend du volume et de l’architecture de chaque organisation. Le diagnostic publié par OpenAI porte notamment sur deux difficultés : coordonner les mises à jour de références dans des architectures distribuées, et recalculer des packfiles distincts pour de très nombreux clients. Ces traitements peuvent accroître la latence, la consommation de calcul et les entrées-sorties. Pando est entré en production en avril 2026, avant la publication de sa présentation technique le 2 novembre 2026. Le signal est fort : à l’ère du code assisté par IA, l’infrastructure qui distribue les changements peut devenir un frein aussi important que leur génération. Cette évolution mérite l’attention des plateformes d’hébergement, des équipes DevOps et des éditeurs d’outils de développement. D’autres initiatives, telles que Cursor Origin , illustrent l’intérêt pour des environnements adaptés aux agents. Mais OpenAI ne démontre pas que le format Git doit disparaître : au contraire, Pando conserve son protocole et contribue à son évolution. La rupture concerne principalement l’architecture du service qui reçoit et distribue les objets. Le message pratique est donc plus nuancé qu’une annonce de « fin de Git » : lorsque les agents multiplient les opérations simultanées, les équipes plateforme doivent mesurer la contention, le coût des transferts et la capacité des caches avant d’envisager de refondre leur système de gestion de versions. Ce que Pando change dans mon regard Pando m’intéresse moins comme démonstration de puissance brute que comme révélateur d’un déplacement discret : lorsque des agents produisent du code à grande vitesse, la question n’est plus seulement de savoir ce qu’ils savent écrire, mais comment des humains peuvent suivre, vérifier et intégrer ce qu’ils proposent. En découvrant Pando, j’ai d’abord ressenti un mélange de fascination et de prudence. Fascination, parce qu’OpenAI raconte avoir amené un nouveau backend Git en production en dix semaines, avec un noyau d’architecture imaginé par un ingénieur et une grande part d’implémentation confiée à des agents. Prudence, parce que j’ai appris à me méfier des récits où la vitesse de construction devient, à elle seule, une preuve de qualité. Un système de gestion de versions n’est pas un décor que l’on peut remplacer sans conséquences : il porte le travail, les erreurs, les corrections et parfois des années de mémoire collective. Ce qui m’impressionne ici, c’est autant l’effort de tests, de simulation et de migration progressive que la performance brute. Je trouve aussi très parlant que cette innovation ne cherche pas à effacer Git. Pendant longtemps, j’ai vu les outils numériques se succéder avec une promesse récurrente : faire table rase pour aller plus vite. Pando raconte presque l’inverse. On garde les commandes familières, les objets et les historiques, mais on change les coulisses pour absorber un rythme de travail inédit. Ce respect de l’existant me semble profondément humain : les technologies avancent mieux quand elles tiennent compte des habitudes, des compétences et de la confiance de celles et ceux qui les utilisent. Je me pose pourtant une question qui dépasse l’ingénierie. Si un agent peut préparer des modifications bien plus vite qu’une équipe ne peut les comprendre, où placerons-nous désormais notre attention ? Je ne voudrais pas que l’on confonde un dépôt capable d’absorber des milliers d’opérations avec une organisation capable de prendre des milliers de bonnes décisions. Le code peut circuler plus vite ; la responsabilité, elle, ne se compresse pas comme un packfile. Entre la génération d’une correction et sa mise en production, je veux encore voir de la discussion, des tests, des désaccords utiles et ce moment où quelqu’un ose dire : « Je ne suis pas convaincu. » C’est sans doute ce qui rend Pando intéressant à mes yeux : il ne prouve pas que l’humain devient accessoire, mais qu’une infrastructure doit évoluer pour que notre discernement ne soit pas noyé sous le volume. J’y vois une invitation à construire des systèmes dans lesquels les agents travaillent vite sans nous contraindre à décider vite. Et si, comme moi, vous aimez comprendre comment l’IA transforme non seulement les logiciels mais aussi leurs fondations, je vous invite à découvrir la présentation technique officielle de Pando par OpenAI. Parcourez son schéma de cohérence causale, ses choix sur les packfiles et ses résultats de production : c’est une excellente occasion de regarder au-delà des démonstrations d’agents et de comprendre l’ingénierie qui rend leur collaboration possible.