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.