L’ère des agents IA redéfinit les critères de réussite professionnelle, où la capacité à choisir quoi construire et à évaluer la qualité devient plus précieuse que la résolution de problèmes standardisés. L’auteur, ingénieur expérimenté chez Google, souligne que les compétences techniques automatisables (comme le vibe-coding) sont désormais moins déterminantes que le jugement, l’intuition et la sélection de problèmes complexes ou originaux. Les parcours traditionnels, axés sur les réponses prédéfinies (comme à l’école), perdent de leur pertinence face à des agents capables de traiter des tâches à réponse unique.
Pour se démarquer, il recommande de privilégier les ressources rares – réputation, relations et track record – plutôt que les gains immédiats, comme illustré par son engagement dans l’open source, peu lucratif sur le moment mais porteur d’opportunités futures. L’accent est mis sur l’importance de trouver des problèmes plutôt que de simplement les résoudre, une compétence devenue cruciale à l’ère des agents IA qui absorbent les solutions existantes. L’expérience terrain, même dans des tâches répétitives ou abstraites, reste indispensable pour forger un jugement affûté.
Enfin, l’auteur met en garde contre une dépendance totale aux agents : une pratique délibérée, ciblant des problèmes significatifs et réalisés sans assistance, est essentielle pour développer une expertise profonde. Sans cette discipline, le risque n’est pas tant une baisse de qualité du code, mais une érosion de la capacité à distinguer le bon du médiocre, réduisant ainsi la valeur des professionnels à de simples exécutants de prompts.
Ce billet humoristique et critique illustre les dangers du vibe coding (développement impulsif basé sur l’IA) à travers une expérience fictive où un développeur, pressé par le temps, utilise un assistant IA pour implémenter rapidement une fonctionnalité. L’auteur met en scène deux jauges symbolisant la vitesse de développement et la dette technique, montrant comment la précipitation mène à des erreurs critiques, comme l’exposition d’une clé d’API en dur dans un commit public.
Le récit, structuré comme un jeu de rôle, explore les conséquences d’un manque de rigueur : l’assistant IA génère du code erroné ou dangereux, tandis que le développeur, obnubilé par la productivité immédiate, ignore les signaux d’alerte. Les choix du protagoniste – accepter aveuglément les suggestions, négliger les tests ou reporter les corrections – aggravent la situation, culminant avec la compromission d’un compte et une dette technique ingérable.
À travers ce scénario, l’auteur souligne les risques d’une approche trop laxiste du développement assisté par IA, où la vitesse prime sur la qualité et la sécurité. Le ton sarcastique et les références aux jeux vidéo renforcent l’idée que le vibe coding peut rapidement virer au cauchemar, transformant une "petite feature" en un désastre professionnel.
L’auteur explique pourquoi l’utilisation des modèles de langage (LLMs) pour coder, ou "vibe coding", ne lui convient pas personnellement. Il évoque son manque d’enthousiasme face à cette tendance, sans pour autant nier les avantages potentiels des outils d’IA pour certains développeurs.
Il souligne deux raisons personnelles : son aversion pour les coûts récurrents des services d’IA, qu’il juge absurdes, et son expérience en tant que développeur expérimenté, qui lui permet de relativiser les promesses de productivité instantanée. Il compare cette hype à d’anciennes innovations en outils low-code ou no-code.
Enfin, il s’appuie sur les travaux de Fred Brooks, notamment The Mythical Man-Month et No Silver Bullet, pour rappeler que la complexité du monde réel ne peut être entièrement simplifiée par des outils, même avancés. Pour lui, le codage reste une question de compréhension des abstractions et de gestion de la complexité, plutôt que de productivité pure.
L’article oppose deux approches du développement logiciel : le vibe coder, qui privilégie la rapidité de prototypage via des outils comme l’IA, et l’ingénieur logiciel, axé sur la qualité, la maintenabilité et la sécurité du code dans un environnement réel. L’auteur souligne que l’IA excelle pour générer des prototypes, mais que son utilisation dans un codebase partagé nécessite une évaluation rigoureuse, notamment en termes de revues, de tests et de maintenance.
L’idée centrale réside dans la mesure de la productivité : un vibe coder se concentre sur le temps nécessaire pour obtenir une première version fonctionnelle, tandis qu’un ingénieur évalue le temps jusqu’à une fusion sûre, incluant les coûts de revue, de déploiement et de maintenance. L’auteur met en garde contre l’illusion de gains de productivité si l’IA génère du code non maîtrisé, transférant la charge en aval.
Enfin, l’article insiste sur la nécessité de contraindre la production de code par l’IA pour éviter une accumulation de dette technique. Le code généré doit être minimaliste, justifié et aligné sur les standards existants, sous peine de complexifier inutilement le travail des équipes en aval.
Le billet analyse les échecs récents de délégation à l’IA (chatbot BMW proposant un rachat au centime près, boutique gérée par une IA, inventaire Starbucks) et souligne que le vrai risque ne réside pas dans le code généré, mais dans les couches supérieures : architecture, direction et prise de décision autonome. L’auteur distingue trois niveaux de délégation, du plus contrôlé (vibe coding avec relecture du code) au plus dangereux (décision exécutée sans supervision humaine), où les garde-fous traditionnels (revues de code, CI) deviennent inefficaces.
Les exemples illustrent comment des erreurs d’architecture ou de décision, invisibles dans un diff, peuvent avoir des conséquences graves en production, comme le chatbot BMW qui a engagé la concession sans validation humaine. Les outils de développement, en automatisant davantage, risquent de reproduire ces dérives en descendant eux-mêmes les marches de la délégation, sans filet adapté.
L’auteur plaide pour une refonte des garde-fous, non plus centrés sur la relecture du code, mais sur la supervision des décisions et de l’architecture, là où l’IA agit sans retour possible. La solution passe par une réintroduction systématique de l’humain dans les processus critiques, comme l’a fait BMW après l’incident.
L’auteur revient sur son expérience de développement de k10s, un outil en Go pour surveiller les clusters Kubernetes avec des GPU NVIDIA, entièrement généré par IA via des sessions de vibe-coding. Après des débuts prometteurs où l’IA produisait rapidement des fonctionnalités fonctionnelles, des problèmes structurels majeurs sont apparus, notamment un god object (objet monolithique) de 1 690 lignes dans model.go, rendant le code ingérable et instable. L’auteur souligne que l’IA excelle pour écrire des fonctionnalités, mais échoue à concevoir une architecture cohérente sans intervention humaine.
L’expérience a révélé que le vibe-coding donne une fausse impression de productivité, masquant la dette technique accumulée. L’auteur explique que sans une planification humaine rigoureuse, le projet a rapidement dégénéré en un code spaghetti, malgré des démos impressionnantes. Il conclut que l’humain doit rester maître de l’architecture et imposer des contraintes pour éviter le chaos, même si cela ralentit temporairement le développement.
Le projet est désormais en cours de réécriture depuis zéro, avec une approche plus structurée. L’auteur partage ses leçons, comme l’importance de documenter des directives pour l’IA (AGENTS.md/CLAUDE.md) et de ne pas laisser l’outil dicter la conception. Le code initial est archivé, mais les enseignements tirés valent pour tout développeur utilisant l’IA de manière intensive.
Camille Roux a développé un agent IA nommé vibe code pour automatiser la recherche d’un appartement à Montpellier, un processus habituellement fastidieux. L’outil scanne en temps réel trois plateformes immobilières (Leboncoin, SeLoger, Bien’Ici), filtre les annonces selon des critères personnalisables (budget, localisation, surface, etc.) et les classe avec un système de scoring pondéré. Un dashboard Kanban en Rails 8, déployé via Kamal, permet ensuite de suivre l’avancement des dossiers et des relances avec les agences.
L’agent repose sur un slash command (/appart) dans Claude Code, qui déclenche une série d’actions automatisées : navigation via le MCP Claude in Chrome, extraction des données JSON, déduplication des annonces et enrichissement des meilleures options. La logique de notation est transparente et ajustable via un fichier criteria.json, offrant une personnalisation fine des priorités.
Ce projet illustre l’efficacité du vibe coding pour des besoins ponctuels, évitant un développement manuel long et peu motivant. Les slash commands et le MCP Chrome se révèlent des leviers puissants pour créer des outils sur mesure, notamment pour interagir avec des sites dynamiques. L’auteur souligne aussi l’intérêt de cette approche pour automatiser des tâches répétitives, au-delà du simple développement logiciel.
L’article de Bearstech alerte sur les risques liés à l’intégration massive des grands modèles de langage (LLMs) dans les processus de développement logiciel, soulignant un paradoxe entre gain de productivité et explosion de la dette technique. L’adoption généralisée de l’IA générative, motivée par des impératifs de rapidité, entraîne une production de code souvent mal maîtrisé, augmentant la complexité des systèmes et rendant leur maintenance et leur sécurisation plus difficiles.
Les conséquences incluent des difficultés accrues pour appliquer des correctifs de sécurité, un coût élevé pour le débogage et l’audit, ainsi qu’une baisse de productivité pour les développeurs expérimentés. Les LLMs, en validant les biais initiaux des utilisateurs, peuvent aussi fausser la qualité des solutions proposées, aggravant les vulnérabilités des systèmes.
Enfin, l’article met en garde contre l’illusion d’une productivité durable, rappelant que le "vibe coding" – dépendre entièrement de l’IA pour coder – fragilise la sûreté des infrastructures IT, notamment dans les entreprises françaises.
L’article explique pourquoi le vibe coding (développement basé uniquement sur l’intuition et les prompts sans revue de code) a échoué en production, malgré son engouement initial. Andrej Karpathy, son inventeur, a récemment remplacé ce concept par l’agentic engineering : une approche où l’IA génère le code sous supervision humaine stricte, avec une responsabilité claire sur l’architecture, la qualité et la sécurité. L’auteur souligne que le problème n’était pas l’outil, mais l’absence de discipline, conduisant à du code non maintenable, des failles de sécurité et une dette cognitive accrue. Une lecture essentielle pour comprendre l’évolution des pratiques de développement assisté par IA en 2026.
Simon Willison partage ses réflexions après son passage dans le podcast de Lenny Rachitsky, abordant l’impact de l’IA sur l’ingénierie logicielle. Il évoque un point d’inflexion en novembre 2025, où les modèles comme GPT-5.1 et Claude Opus 4.5 ont franchi un seuil : leurs sorties de code sont désormais fiables sans besoin de relecture constante. Willison souligne que les développeurs servent de sonde pour les autres métiers intellectuels, confrontés aux mêmes défis (hallucinations, évaluation de la qualité). Il aborde aussi l’essor des coding agents (automatisation des tests), la productivité sur mobile, et les risques de la "vibe coding" (développement sans rigueur). Un débat riche sur l’avenir du travail assisté par IA.
Dans un monde où l’IA transforme radicalement le développement logiciel, l’auteur propose les 4C (Concevoir, Contextualiser, Contraindre, Comprendre) comme cadre pour maintenir la qualité et la maintenabilité du code. Face à l’évolution rapide des outils (comme les LLMs), ces principes servent de boussole pour structurer les interactions avec l’IA, en insistant sur la rigueur en amont (conception détaillée, explicitation des besoins) et la compréhension des invariants. Une approche essentielle pour éviter les pièges du Vibe Coding et préserver la stabilité des projets.
Ce billet de blog explore le concept de "Spec-Driven Development" (SDD) comme alternative à la méthode de "vibe coding" avec les outils d'IA de codage. L'auteur, travaillant dans l'ingénierie des paiements, explique que le SDD consiste à écrire une spécification structurée avant de laisser l'IA implémenter le code, contrairement à la méthode intuitive de "vibe coding" où l'on affine les prompts jusqu'à obtenir un résultat fonctionnel. L'article met en lumière les problèmes de perte de contexte et de dérive architecturale liés à l'utilisation excessive des prompts, surtout dans des systèmes critiques comme les paiements, où les failles de sécurité peuvent avoir des conséquences graves. Le SDD, avec des outils comme OpenSpec, permet de formaliser le processus de développement et d'éviter ces pièges.
L'article explore le phénomène du "vibe coding", où les développeurs utilisent des assistants IA pour générer du code en décrivant simplement leurs besoins en langage naturel. Bien que cette pratique permette de créer rapidement des prototypes et des MVPs, elle présente des limites importantes. Après quelques mois, les projets peuvent devenir ingérables, avec des bugs qui s'accumulent et une compréhension globale du code qui se perd. L'article met en garde contre les dangers de cette méthode, soulignant l'importance des spécifications claires et de la compréhension approfondie du code.
L’article explique que les skills d’Anthropic sont des « super system prompts » permettant de guider de façon plus précise et efficace un modèle d’IA comme Claude pour la génération de code, ce qui, combiné à une approche de vibe coding (interaction dialoguée et itérative avec l’IA plutôt que de simples prompts vagues), améliore l’expérience du développeur en réduisant frustration et erreurs. L’auteur illustre cela par son propre changement de pratique après avoir observé des streams de vibe coding efficaces et utilisé des skills personnalisés (comme une skill Java qu’il a créée), et souligne que cette approche fonctionne mieux en mode pair programming IA-humain, tout en précisant qu’elle ne remplace pas entièrement les compétences humaines du développeur.
L'auteur propose une alternative à la "Ralph loop", appelée "Eric loop", inspirée par le personnage calculateur et manipulateur d'Eric Cartman de South Park. Contrairement à la Ralph loop, la boucle Eric implique une séparation des tâches en plusieurs étapes (planification, exécution, vérification, review) et une formalisation des tâches par une IA. L'auteur illustre ce concept en créant un projet nommé Tiny-till, une application de caisse simple pour marchands ambulants, en utilisant un outil appelé Task-o-matic. L'idée est de mieux contrôler et optimiser l'utilisation des modèles d'IA en séparant les préoccupations et en adaptant les prompts à chaque phase de l'exécution des tâches.
Steve Yegge partage six nouvelles astuces pour mieux coder avec des agents, basées sur ses expériences récentes. Parmi celles-ci, il souligne que le logiciel est désormais jetable, avec une durée de vie inférieure à un an, rendant les réécritures plus faciles et intelligentes que les corrections. Cette approche remet en question les conseils traditionnels, comme ceux de Joel Spolsky, et ouvre la voie à des architectures modernes et maintenables, posant un défi aux fournisseurs de SaaS tiers.
Dans ce 3ᵉ et dernier volet de sa série, l’auteur raconte comment il a concrètement « vibe codé » une CLI — une petite application génératrice de Cilium Network Policies — en utilisant Claude Code et Speckit. Au-delà de la phase initiale d’idéation et de conception (décrite dans les épisodes précédents), ce billet détaille comment, à travers un workflow rigoureux (spécification, clarification, planification, découpage en tâches, validation, générations de code et tests), l’auteur a transformé un besoin métier complexe en un MVP fonctionnel — livré en un seul sprint et déjà en production. Il en tire des leçons fortes : l’IA ne remplace pas le développeur, elle l’augmente, mais uniquement si on encadre l’exercice avec une méthode claire, des specs précises et une boucle de validation humaine. Pour finir, il plaide pour une évolution du rôle du développeur vers celui d’architecte / Product Owner — capable de piloter l’IA tout en garantissant la qualité, la cohérence et la maintenabilité du code.
Le Vibe Coding, tendance récente promettant de générer du code sans savoir coder, suscite le scepticisme. Bien que l'idée ne soit pas nouvelle (FrontPage, LightSwitch, NoCode), l'auteur souligne que les non-développeurs finissent souvent par confier le travail à des professionnels. Le métier de développeur ne se résume pas à produire du code, mais implique discernement et expérience. Une étude d'OX Research révèle que les modèles actuels de Vibe Coding reproduisent des erreurs typiques des juniors, comme des anti-patterns et des problèmes de scalabilité, de sécurité et de maintenabilité. La rapidité et le volume de code généré posent des défis pour les processus de revue et d'accompagnement.
Scott H Young explore dans cet article les implications de l'IA sur l'apprentissage des compétences et le travail qualifié, en se concentrant sur le "vibe coding", une pratique où des agents IA écrivent du code à la place des programmeurs. Il souligne l'incertitude entourant les développements futurs de l'IA et les difficultés à prédire ses effets à long terme. Bien que les programmeurs professionnels expriment des scepticismes sur la qualité du code généré par IA, Young, en tant qu'amateur, adopte une approche plus neutre. Il partage ses expériences positives avec le vibe coding, ayant utilisé des agents IA pour créer des outils simples et utiles, comme un script pour étudier des vidéos en chinois. L'article questionne si cette technologie démocratise la programmation ou inonde le marché de code de mauvaise qualité.
L’auteur, développeur expérimenté, partage son retour sur l’utilisation de la GenAI (Claude Code) au quotidien. Il distingue trois usages principaux : le "vibe coding" (génération complète de scripts ou interfaces simples, gain de temps énorme), le "mode chirurgien" (résolution ciblée de bugs complexes ou manipulation de SDK obscurs), et l’assistance pour du code de production (génération de couches techniques répétitives, reviews, agents automatisés). Selon lui, la GenAI ne remplace pas les développeurs — elle libère du temps pour se concentrer sur la réflexion architecturale, l’intégration système et les bonnes pratiques, domaines où l’expertise humaine reste indispensable. Un outil à adopter pour booster sa productivité, mais sans illusions sur la disparition du métier.