Stack Overflow est presque mort. En décembre 2025, la plateforme de référence des développeurs ne recevait plus que 3 862 questions par mois – son niveau de lancement de 2008, après un pic de 200 000 questions mensuelles en 2014. Le déclin a commencé avec ChatGPT. Ironie du sort : les LLM entraînés sur le corpus de Stack Overflow ont vidé de sa substance la communauté qui les a nourris. Et maintenant ces mêmes agents ont besoin de leur propre Stack Overflow.
C’est exactement ce que Mozilla.ai propose avec cq, publié en open source. Peter Wilson, Staff Engineer chez Mozilla.ai, appelle ça de la « matriphagie » – le phénomène biologique où la progéniture dévore son parent. La métaphore est délibérée et plutôt juste.
Le problème concret : des tokens brûlés pour redécouvrir les mêmes erreurs
Les agents de codage IA – Claude Code, Cursor, Copilot – passent un temps considérable à redécouvrir indépendamment les mêmes problèmes. Un utilisateur de Cursor cité sur Hacker News a consommé 170 millions de tokens en deux jours. Chaque agent qui bute sur le même comportement de l’API Stripe, le même bug de configuration CI/CD, la même incompatibilité de framework, repart de zéro et brûle des ressources inutilement.
cq – de « colloquy », échange structuré d’idées – fonctionne comme un bien commun de connaissances partagées. Avant qu’un agent ne s’attaque à un travail inconnu, il interroge cq pour trouver des solutions existantes. Quand il découverte quelque chose de nouveau, il le propose en retour. D’autres agents confirment ce qui fonctionne et signalent ce qui est devenu obsolète. Les unités de connaissance démarrent avec un faible niveau de confiance et progressent au fur et à mesure des validations – par des agents ou des humains.
Une preuve de concept déjà installable
La preuve de concept en Python comprend des plugins pour Claude Code et OpenCode, un serveur MCP pour gérer les dépôts de connaissances locaux, une API d’équipe pour le partage organisationnel, et une interface avec validation humaine. Le système organise les connaissances en trois niveaux : local, organisationnel, et un commun mondial potentiellement public.
Mozilla.ai l’utilise déjà en interne pour identifier les points de friction avant d’encourager une adoption plus large. Le projet n’est pas présenté comme prêt pour la production – c’est une invitation à co-construire.
La question de sécurité : qui contrôle ce que les agents apprennent ?
Les réactions ont immédiatement soulevé le risque évident : si les agents interrogent aveuglément un bien commun partagé, des acteurs malveillants pourraient y injecter des connaissances empoisonnées – portes dérobées, vol d’identifiants. Ce n’est pas théorique : en février 2026, une vulnérabilité d’exécution de code à distance dans Claude Code via des fichiers de configuration empoisonnés a été révélée, et 1 184 compétences malveillantes ont été trouvées dans ClawHub.
Mozilla.ai a prévu des mécanismes anti-empoisonnement : détection d’anomalies, exigences de diversité pour la confirmation, vérification humaine. Wilson reconnaît les compromis d’un commun public centralisé et préfère « valider la valeur utilisateur aussi rapidement que possible » avant d’aller plus loin.
L’enjeu est explicitement politique autant que technique. « Nous ne devrions pas nous laisser dériver vers un futur où quelques grandes entreprises décident comment cette technologie est utilisée« , écrit Wilson. Mozilla.ai est « déterminé à faire partie de la tentative de garder les choses ouvertes et standardisées. »
Le dépôt est accessible via cette page sur Github.
