Converser avec votre code : comment Modelith donne vie aux modèles de domaine

Soyons honnêtes — la plupart des projets démarrent avec de bonnes intentions. Quelqu'un dessine un modèle de domaine sur un tableau blanc, tout le monde acquiesce, et puis... le modèle finit tranquillement sa vie dans une page Confluence que plus personne ne met à jour.

Le problème ne vient pas du concept de modélisation de domaine. C'est plutôt que les modèles de domaine sont généralement :

• Écrits une seule fois, puis oubliés
• Entretenus séparément du code
• Lisibles uniquement dans des outils spécifiques
• Difficiles à valider automatiquement

Modelith adopte une approche différente. Au lieu de traiter votre modèle de domaine comme un livrable à produire puis à archiver, il le considère comme un artefact vivant. Il cohabite avec votre code, se crée par la conversation, et se valide automatiquement en CI.

Qu'est-ce qu'un modèle de domaine exactement ?

Avant d'aller plus loin, clarifions. Un modèle de domaine, c'est la carte conceptuelle de votre système — les noms (entités), leurs relations, et les règles qui les gouvernent. Ce n'est ni un schéma de base de données, ni une spec d'API. C'est l'expression canonique, en langage naturel, de ce que votre système est.

Pensez-y comme au vocabulaire partagé par toute votre équipe. Quand tout le monde puise dans le même modèle, les conversations deviennent plus précises, l'onboarding s'accélère, et ajouter de nouveaux services ou fonctionnalités ressemble moins à une expédition archéologique dans du code legacy.

Le workflow Modelith : Décrire, Rédiger, Valider, Générer

Voici où ça devient intéressant. Avec Modelith, vous n'écrivez pas de YAML directement. Vous ne pensez même pas en YAML. Vous décrivez vos concepts métier en langage naturel à un agent IA (plus précisément, un skill Claude Code), et l'agent rédige le YAML sous-jacent pour vous.

Le流程 ressemble à ça :

1. Décrire — Vous parlez de votre domaine en anglais simple. « Nous avons des clients qui peuvent passer des commandes, les commandes contiennent plusieurs produits, mais un client ne peut avoir que trois commandes actives à la fois. »

2. Rédiger — Le plugin Claude Code traduit votre description en fichier modelith.yaml, en validant au passage.

3. Valider — Lancez modelith lint pour vérifier complétude et cohérence. Ça devient votre gate CI.

4. Générer — Lancez modelith render pour produire du Markdown avec des diagrammes Mermaid. Committez ça à côté du YAML.

Le Markdown généré est lisible par des humains sans aucun outil. Le YAML est la source de vérité machine. Et la CI garantit qu'ils ne dérivent jamais — imaginez ça comme un check de code généré, mais pour votre modèle de domaine.

Pourquoi cette approche fonctionne

Le langage simple abaisse la barrière d'entrée

Tout le monde dans votre équipe n'est pas à l'aise avec JSON Schema ou les diagrammes UML. Mais tout le monde peut lire de l'anglais simple. En faisant du langage naturel le point d'entrée, Modelith démocratise la modélisation de domaine. Votre product manager peut contribuer. Votre QA peut le relire. Votre junior dev peut réellement comprendre la vision d'ensemble.

L'IA gère les parties fastidieuses

Écrire du YAML à la main, c'est source d'erreurs et, frankly, rébarbatif. Déléguer la traduction de votre description vers du YAML valide à un agent IA, ça vous débarrasse de la charge cognitive tout en gardant la précision.

La validation CI empêche la dérive

C'est la killer feature pour les équipes. Votre modèle de domaine devient un citoyen de première classe dans votre workflow de développement. Chaque PR qui modifie le domaine se valide automatiquement. Si quelqu'un met à jour le YAML mais oublie de regénérer les docs, la CI le détecte.

Le modèle reste proche du code

Quand votre modèle de domaine vit dans le même dépôt que votre code, il reste pertinent. Il se review dans les pull requests. Il se met à jour quand les features changent. Il ne devient pas une documentation périmée dans un autre système que personne ne pense à consulter.

Par où commencer

Modelith est conçu pour être accessible. Pas besoin de comprendre l'intégralité du schéma upfront. Commencez petit :

• Installez le plugin Claude Code
• Décrivez quelques concepts cœur de votre domaine
• Laissez l'IA rédiger le YAML
• Lancez modelith lint pour voir ce qui manque
• Itérez

Le projet inclut des exemples concrets (leur exemple de parking est un bon point de départ) qui vous guident dans la construction d'un vrai modèle from scratch.

Le tableau plus large

Modelith représente une tendance plus large dans le développement assisté par IA : utiliser le langage naturel comme couche d'interface tout en gardant des artefacts machine-lisibles en dessous. Vous écrivez ce que vous voulez dire ; l'outillage garantit cohérence et validation.

Pour les équipes qui construisent des systèmes complexes — surtout dans des domaines où le vocabulaire compte (fintech, santé, logistique, tout ce qui a des règles métier significatives) — cette approche pourrait être transformatrice. Un modèle de domaine partagé, validé et vivant signifie moins de malentendus, un onboarding plus rapide, et des systèmes mieux conçus.

L'outil évolue encore, mais l'idée centrale est solide. Votre modèle de domaine ne devrait pas être un afterthought ni une relique du kickoff projet. Il devrait être un document vivant qui évolue avec votre code, authored par la conversation, et validé automatiquement.

Si vous avez eu du mal à garder vos modèles de domaine pertinents dans vos projets, Modelith mérite le détour. Parfois le meilleur outillage n'est pas le plus puissant — c'est celui qui rend le bon comportement le chemin de moindre résistance.

Découvrez modelith.sh pour commencer.