ClawSweeper : un bot open source de gestion automatique des issues basé sur l’IA

Le dépôt openclaw/openclaw cumule plus de 13�000 éléments non traités, entre issues ouvertes et PR. ClawSweeper est un bot qui utilise l’IA pour examiner automatiquement ces éléments et distinguer ceux qui peuvent être fermés de ceux qui doivent rester ouverts. Il a été conçu selon un principe conservateur : « en cas de doute, ne pas fermer ».

Mode de fonctionnement principal

• Le système fonctionne selon un pipeline en 3 étapes. Lors de l’étape Plan, il définit les priorités ; lors de l’étape Review, OpenAI Codex (gpt-5.4) analyse en lecture seule le code, l’historique des commits et les commentaires d’issues ; enfin, lors de l’étape Apply, la fermeture effective est exécutée via un déclenchement manuel.
• Les conditions de proposition de fermeture sont limitées à 5 cas. Sont concernés les éléments déjà implémentés, non reproductibles, devant être transférés vers un plugin séparé, dont le contenu est ambigu, ou laissés à l’abandon depuis plus de 60 jours avec trop peu d’informations. Tous les autres restent ouverts.
• Le traitement de masse s’effectue sur 40 shards en parallèle. Un timeout de 10 minutes est appliqué par élément, et les résultats de revue sont enregistrés dans des fichiers Markdown avec les justifications de la décision et les preuves associées (chemins de fichiers, SHA de commit, etc.).

Dispositifs de sécurité

• Les éléments créés par des mainteneurs sont exclus de la fermeture automatique. Les issues et PR des personnes ayant les rôles OWNER, MEMBER ou COLLABORATOR ne sont pas touchés par le bot.
• Un hash de snapshot permet de vérifier les changements. Si une issue a été mise à jour entre le moment de la proposition et celui de l’application, elle est automatiquement ignorée afin d’éviter qu’une décision obsolète soit appliquée telle quelle.
• La proposition et l’application sont séparées, ce qui garantit une possibilité d’intervention humaine.

Résultats concrets (en date d’avril 2025)

• En 7 jours, 8819 issues et 5�26 PR ont été examinées. Parmi elles, environ 33,7 % des issues et 11,4 % des PR ont été classées comme candidates à la fermeture, et 3 07 éléments ont effectivement été traités.
• Le nombre d’échecs et d’erreurs est de 17, soit moins de 0,1 % du total.
• La couverture du rythme quotidien atteint 98,2 %, ce qui signifie que presque tous les éléments sont inclus chaque jour dans le périmètre de revue.

Caractéristiques de la stack technique

• Toute la logique tient dans un unique fichier TypeScript d’environ 200 lignes, avec peu de dépendances externes et une structure simple. Le compilateur utilisé est tsgo, basé sur Go, et le linter ainsi que le formatter adoptés sont oxlint et oxfmt, basés sur Rust, afin d’accélérer la vitesse de build.
• Le système est exécuté par un cron horaire de GitHub Actions, avec une logique de throttling qui attend automatiquement pour respecter les limites de débit de l’API.

Une philosophie de conception qui fait de l’IA un assistant tout en laissant la décision finale à l’humain

Ce que montre ClawSweeper, ce n’est pas un scénario où l’IA remplace les mainteneurs. Sur 13�000 éléments, il ne sélectionne que ceux pour lesquels les preuves sont claires, et renvoie toutes les autres décisions aux humains. Le fait que le taux de proposition de fermeture reste autour d’un quart du total montre aussi que le bot n’effectue pas de nettoyage excessif. Ce projet illustre bien qu’afin que les outils d’IA jouent un rôle réellement utile dans la maintenance open source, il est plus important de définir clairement « jusqu’où automatiser et où s’arrêter » que de viser avant tout une sophistication technique extrême.