Qu'est-ce que la dérive des jetons ?
La dérive des jetons est l'écart qui se creuse progressivement entre les décisions consignées dans un design system et les valeurs réellement utilisées dans un produit. Elle survient quand une surface (un fichier Figma, une feuille de styles, du code généré par IA) cesse de référencer la source partagée et accumule ses propres valeurs.
Comment cela commence
La dérive ne s'annonce jamais. Elle arrive par petites décisions raisonnables prises une à une.
Une designer a besoin d'une bordure un peu plus claire pour un tableau dense et la choisit dans le fichier plutôt que de proposer un jeton. Un développeur livre margin-top: 18px à onze heures du soir parce que l'échelle propose 16 et 20 et qu'aucun ne tombe juste. Quelqu'un copie un composant d'un autre projet, avec son ombre en dur.
Aucun de ces cas ne justifie de bloquer une pull request. Six mois de ces cas produisent une base de code où le « bleu principal » a quatre valeurs.
L'accélération par l'IA
Le phénomène s'est récemment accéléré, et il vaut la peine d'être précis sur la raison.
Un assistant IA à qui l'on demande une page de réglages n'a, par défaut, aucun accès à votre design system. Il produit des valeurs plausibles à partir de ce qu'il a vu ailleurs : #3B82F6 pour un primaire, 16px pour un écart, une ombre qui ressemble à la vôtre sans y correspondre.
Le résultat paraît correct en revue. Il emploie des valeurs raisonnables. Simplement, ce sont des valeurs raisonnables différentes des vôtres, et il le fait au rythme où votre équipe produit du code — soit bien plus vite qu'une personne écrivant du CSS à la main.
Comment la détecter
- Cherchez les couleurs hexadécimales dans la base de code. Dans un système sain, presque toutes vivent dans les définitions de jetons.
- Comptez les valeurs d'espacement distinctes en usage face aux pas de votre échelle.
- Comparez les couleurs de votre fichier Figma aux jetons de votre dépôt.
- Prenez un composant généré par un assistant IA et vérifiez chaque valeur face au système.
Les chiffres sont généralement pires que ce que l'équipe imagine, et c'est une bonne chose à apprendre tôt.
Comment la prévenir
Rendez le système atteignable depuis chaque surface qui le consomme. La dérive est avant tout un échec de distribution. Si une personne — ou un modèle — doit quitter ce qu'elle fait pour trouver la bonne valeur, il arrivera qu'elle ne le fasse pas.
Donnez les jetons directement aux agents. Un serveur Model Context Protocol qui sert les valeurs à jour fait qu'un modèle lit votre primaire au lieu de le deviner.
Contrôlez le code généré face au système. Détecter les valeurs en dur qui ont un équivalent en jeton transforme la dérive en quelque chose de visible en revue, plutôt qu'en découverte un an plus tard.
Faites qu'une direction fasse autorité. Quand Figma et le code divergent, quelqu'un doit pouvoir dire lequel a raison. Une étape de revue, où un changement de design devient un diff qu'une personne approuve avant qu'il n'atteigne le dépôt, est la réponse habituelle.
Ce que Flash DSM apporte ici
Flash DSM sert les jetons à jour aux agents IA via MCP, fournit un outil check_violations qui renvoie les valeurs en dur accompagnées du jeton qui les remplace, et transforme les publications Figma en diffs relisibles qui s'ouvrent en pull requests.