Après près de deux mois d’utilisation de LeanCTX avec Codex sur un serveur, l’auteur mesure environ 11,7 millions de tokens nets évités et 34,5 % de compression sur les sorties traitées, sans prétendre à une réduction équivalente de la facture globale. L’outil filtre les logs, structure les lectures et évite les relectures redondantes, tout en permettant l’accès aux données brutes. L’article examine aussi le coût des outils MCP, les alternatives RTK et TOON, ainsi que les précautions de sécurité : cache local, restriction des chemins, télémétrie et proxy désactivés.

Dans ce deuxième volet consacré à son application de rétrospectives, Jérémy Decool décrit le « harness » qui encadre le travail des agents de développement utilisant Claude Code. Il s’appuie sur des règles ciblées, des décisions d’architecture, un glossaire et des fichiers AGENTS.md propres à chaque contexte. Pour éviter de saturer la fenêtre de contexte, les instructions sont chargées de façon conditionnelle et auditées par une compétence dédiée ainsi que des tests. L’auteur souligne toutefois que ces consignes restent non déterministes et doivent être complétées par des contrôles automatisés.

Jérémy Decool détaille l’architecture de Team Retrospective, une application de rétrospectives d’équipe développée avec PHP, Symfony et Symfony UX. Le projet est organisé en dix contextes métier selon les principes du DDD et de la Clean Architecture, avec des bus de commandes, requêtes et événements, du temps réel via Mercure et une infrastructure conteneurisée. Une documentation structurée encadre également le développement. L’auteur souligne que les agents IA produisent l’essentiel du code, tandis qu’il reste responsable de la conception architecturale.

En appliquant le principe de Peter au développement assisté par IA, Baldur Bjarnason estime que les développeurs sont devenus, sans formation, des gestionnaires d’agents imprévisibles. Au lieu de programmer, ils doivent coordonner, surveiller et corriger des processus difficiles à maîtriser. Cela favoriserait le travail inutile, les retards et le stress, sans garantir davantage de valeur. L’auteur souligne aussi le paradoxe de l’automatisation : moins on pratique le code, plus les compétences et les modèles mentaux nécessaires pour contrôler la qualité risquent de s’éroder.

Alberto Denia compare le code à de l’argile : avec les agents IA, le coût des modifications chute, permettant d’expérimenter et de remodeler rapidement un logiciel. Il distingue deux approches complémentaires : l’artisan, qui intervient à chaque itération pour affiner le produit et son code, et l’usine, qui automatise les tâches répétitives grâce aux spécifications, tests et contrôles. Dans les deux cas, le jugement humain reste indispensable, mais il s’exerce à des moments différents : pendant la création ou lors de la conception du processus.

L'article explore le concept de "Agentic Coding" en comparant le développement de composants graphiques personnalisés à l'aide de primitives D3 et de la librairie Recharts. L'auteur a découvert que l'approche basée sur les primitives D3 a permis de satisfaire pleinement les exigences de conception complexes, y compris les animations et les comportements spécifiques, sans nécessiter de contournements coûteux.

En contraste, la librairie Recharts, bien que plus rapide pour les cas courants, a rapidement montré ses limites pour atteindre les 20% de personnalisation restants, obligeant à coder du SVG personnalisé et à désactiver des fonctionnalités comme les animations pour contourner des problèmes de compatibilité avec la pile React du projet.

L'auteur redéfinit l'abstraction non pas comme un coût nul, mais comme un travail d'implémentation pré-payé qui offre de la flexibilité en échange. L'histoire du développement web est vue comme une ascension progressive de cette échelle d'abstraction, où chaque étape convertit du travail humain coûteux en dépendances moins chères, mais où les besoins spécifiques finissent par révéler les contraintes de ces abstractions de haut niveau.

Domenic Denicola partage son environnement de développement agentique optimisé pour l’IA, conçu pour permettre une collaboration fluide avec des modèles avancés comme Claude Code. Son objectif principal est de pouvoir corriger des bugs en production directement depuis un smartphone, même en déplacement, tout en garantissant une continuité de travail entre différents appareils. Pour cela, il utilise une machine virtuelle Linux dédiée et toujours active, couplée à Tailscale pour un accès sécurisé et transparent, ainsi que des outils comme Portless et chezmoi pour centraliser les configurations et préserver l’état des projets.

Son approche repose sur une VM Linux, indispensable pour éviter les limitations des environnements Windows, souvent incompatibles avec les outils en ligne de commande utilisés par les agents. Il insiste sur la nécessité de préserver les sessions, l’état des fichiers et les configurations globales, tout en permettant le lancement de serveurs de développement accessibles uniquement en local ou via HTTPS. La gestion des permissions est simplifiée pour minimiser les interruptions, autorisant même des modes de fonctionnement autonomes pour des tâches parallèles.

L’auteure partage son expérience positive avec les modèles locaux d’IA, désormais suffisamment performants pour des tâches de développement et de codage. Elle souligne l’évolution rapide des modèles comme Mistral 7B, Gemma 3 ou Qwen 3, et leur capacité à rivaliser avec des solutions cloud, notamment depuis l’arrivée de GPT-OSS et des modèles Gemma 4. Son utilisation locale, via des outils comme LM Studio ou Ollama, lui permet de gagner en rapidité et en personnalisation pour des besoins comme le refactoring de code ou la génération de tests unitaires.

Elle détaille son passage à l’agentic coding avec Gemma 4-26B, atteignant environ 75 % des performances des modèles frontaliers, tout en restant dans un environnement contrôlé (Docker). Malgré des contraintes matérielles (64 Go de RAM), ces modèles locaux lui offrent une autonomie accrue pour des tâches autrefois impossibles en local, comme l’analyse de logs ou la génération de structures de projets.

Enfin, elle encourage à tester ces solutions en local, en combinant un moteur d’inférence (LM Studio, llama.cpp) et un outil d’orchestration (comme Pi). Elle note que des modèles plus récents comme Gemma 4-12B-QAT offrent un bon compromis taille/performance, tout en soulignant l’importance des choix architecturaux face aux contraintes techniques.

Deuxième journée orientée vers des retours d’expérience concrets autour de l’IA et de son industrialisation, avec un fil conducteur clair : privilégier des approches pragmatiques, bien dimensionnées et intégrées à l’écosystème existant plutôt que des solutions “tout gros modèle”. Un exemple marquant est l’usage de petits modèles spécialisés (SLM/TLM) combinés à du RAG et une orchestration légère pour gérer un support client efficacement sans explosion des coûts.

Un autre point fort concerne l’“agentic coding” vu comme un sujet de platform engineering : son adoption à grande échelle impose de repenser workflows, gestion du contexte et standardisation via des outils ou marketplaces internes, avec une approche spec-driven (spécifications versionnées lisibles par humains et machines).

La journée aborde aussi des problématiques d’infrastructure à grande échelle (ex. gestion de centaines de millions d’emails) et des réflexions plus larges sur le rôle politique de la tech, tout en restant ancrée dans des retours terrain et des outils concrets pour les devs et ops.