James Randall, un développeur expérimenté, partage son évolution dans le monde de la programmation depuis ses débuts à l'âge de 7 ans en 1983. Il évoque avec nostalgie l'ère des machines 8-bits et des premiers PC, où la compréhension technique était essentielle et où la créativité naissait des contraintes matérielles. Il décrit comment l'industrie s'est professionalisée, rendant la technologie plus accessible mais moins fascinante. Il exprime aussi sa déception face à l'utilisation actuelle des technologies pour la surveillance et l'extraction de données, loin de l'optimisme initial. Malgré ces changements, il souligne l'adaptabilité des développeurs face aux transitions technologiques constantes. Un témoignage poignant sur l'évolution de la programmation et de ses promesses.

Depuis 1969, chaque décennie voit émerger des promesses de simplification du développement logiciel pour réduire le besoin en développeurs. De COBOL aux outils CASE, en passant par Visual Basic, chaque innovation a échoué à éliminer la complexité inhérente à ce métier. Malgré des avancées technologiques, la nécessité de compétences spécialisées persiste, frustrante pour les dirigeants mais révélatrice de la nature complexe du travail en logiciel.

Le Context Driven Engineering émerge comme un nouveau paradigme de développement logiciel à l’ère de l’IA : au lieu de simplement générer du code à partir de prompts, les équipes doivent fournir un contexte structuré (spécifications, contraintes, règles et documentation) et suivre un workflow type spec-plan-act afin de fiabiliser la production et d’industrialiser l’usage des assistants. L’article montre que cette évolution entraîne la mise en place de règles pour les agents, d’outils de gouvernance, d’intégrations CI/CD et de nouvelles pratiques de documentation, tout en soulevant des enjeux humains et organisationnels tels que la formation des juniors, la mutation du rôle des développeurs et la nécessité de conserver les fondamentaux de l’ingénierie — architecture, tests, sécurité et documentation — qui deviennent encore plus critiques dans un contexte où le code peut être produit massivement par des IA.

L’article décrit comment créer une compétence (skill) pour Claude Code qui implémente un système de mémoire de projet, capable de conserver automatiquement les décisions architecturales, bugs résolus, faits clés et historiques de travail pour éviter que l’assistant n’oublie d’une session à l’autre; ce système, appelé project-memory, tient en moins de 300 lignes et a permis à l’auteur de gagner beaucoup de temps en réduisant la répétition des explications et erreurs déjà traitées, tout en montrant comment structurer et déclencher une skill via un fichier SKILL.md et l’installer (par exemple via le CLI skilz) pour standardiser la mémoire de projet à travers plusieurs outils d’aide au développement.

L'article explore l'utilisation pratique des outils de codage basés sur l'IA pour les développeurs responsables. Il met en lumière comment des outils comme Copilot, Cursor, Claude et ChatGPT peuvent améliorer le flux de travail en gérant des tâches fastidieuses, en aidant à naviguer dans des codebases complexes et en facilitant l'implémentation de fonctionnalités dans des langages inconnus. L'auteur partage des techniques concrètes pour utiliser ces outils de manière responsable, en insistant sur la qualité du code, la sécurité, la confidentialité et l'approbation des outils par l'employeur. L'article se concentre sur des applications pratiques, notamment la compréhension de codebases inconnus et la gestion des changements de rupture lors des mises à niveau.

L’article explique que dans le développement logiciel, l’ego des développeurs est souvent la vraie source de dysfonctionnements en équipe car il transforme les débats techniques en combats de personnalité et freine l’amélioration collective; l’egoless programming consiste à laisser le problème guider les décisions plutôt que la défense de ses propres idées, en restant ouvert aux idées des autres, en acceptant les retours sans défensivité et en dissociant sa valeur personnelle de la qualité du code, ce qui améliore collaboration, innovation et résultats produit.

L'article explore l'évolution des stratégies de développement logiciel, passant du traditionnel "Build or Buy" à un nouveau paradigme "Build, Buy, Run or Vibe" (BBRV) avec l'essor de l'IA. L'auteur souligne que la capacité à produire du code n'est plus un avantage compétitif durable, car les assistants de code boostés par l'IA permettent de reproduire rapidement des logiciels existants. Il illustre ce point avec des exemples comme Nolto.social et Pono-job.eu, des alternatives à LinkedIn développées par de petites équipes grâce à l'IA. L'article met en lumière les défis pour les créateurs de logiciels, notamment les SAAS, et suggère que la compréhension métier devient un facteur clé de différenciation.

L'auteur partage son expérience sur l'impact de l'IA dans son processus de développement, tout en soulignant l'importance cruciale du rôle humain dans la revue et l'analyse des sorties générées par l'IA. Bien que l'IA ait transformé son flux de travail, il insiste sur la nécessité de revoir chaque modification pour garantir la qualité, la sécurité et la compatibilité des changements. Il argue que la responsabilité et la compréhension des systèmes restent essentielles, et que les ingénieurs et architectes logiciels sont plus cruciaux que jamais dans cette nouvelle ère.

L'auteur partage son expérience et ses réflexions sur l'importance de diversifier ses compétences au cours de sa carrière, plutôt que de se cantonner à une seule spécialité. Il suggère de viser un profil en "N" ou en "M", c'est-à-dire d'acquérir des compétences dans plusieurs domaines. Par exemple, un SRE (Site Reliability Engineer) ayant également une expérience en développement sera plus à même de comprendre les besoins des développeurs et de travailler efficacement avec eux. De plus, cette diversité de compétences permet de mieux détecter les problèmes et de participer activement à la résolution des incidents. L'auteur encourage à changer de poste pour acquérir de nouvelles expériences et compétences, ce qui est enrichissant et valorisant.

L’article présente une sélection d’essais influents qui ont marqué la pensée et les pratiques de l’auteur en tant qu’ingénieur logiciel. Parmi les textes cités, on retrouve des classiques comme « Choose Boring Technology » de Dan McKinley, qui prône l’utilisation de technologies éprouvées pour éviter les risques inutiles, « Parse, Don’t Validate » d’Alexis King, qui encourage à transformer les données en types riches pour éliminer les états invalides, ou « Things You Should Never Do, Part I » de Joel Spolsky, mettant en garde contre les réécritures complètes de code. D’autres essais, comme « The Majestic Monolith » de DHH ou « The Rise of ‘Worse is Better’ » de Richard P. Gabriel, remettent en question les tendances architecturales (microservices, perfectionnisme) au profit de solutions pragmatiques et adaptées au contexte. L’auteur souligne aussi l’importance de la qualité (« Software Quality at Top Speed » de Steve McConnell) et de la valeur métier (« Don’t Call Yourself a Programmer » de Patrick McKenzie). Enfin, des conseils plus larges, comme « How To Become a Better Programmer by Not Programming » de Jeff Atwood, rappellent que les compétences techniques ne suffisent pas : comprendre le domaine, communiquer et éviter la complexité inutile sont tout aussi cruciaux. Une lecture inspirante pour repenser sa pratique du développement.

Stanislas a développé une interface en mode texte (TUI) pour indexer et rechercher ses sessions avec des agents de codage locaux comme Claude Code, Codex, OpenCode, et Copilot. Face aux limitations des fonctionnalités de reprise de session des agents (recherche limitée, sessions liées à un répertoire), il a créé un outil permettant de rechercher dans le contenu des sessions et de les reprendre rapidement. L'outil utilise Tantivy pour l'indexation et orjson pour le parsing rapide des fichiers JSON, et offre des fonctionnalités comme la recherche incrémentale, la navigation intuitive, et des statistiques. Le projet, nommé fast-resume, est disponible pour essai.

L'auteur explore l'évolution de la création logicielle avec l'essor des outils comme Claude Code, marquant un déplacement vers des logiciels personnels et éphémères. Il souligne la chute des barrières d'entrée pour le développement, permettant aux non-développeurs de créer des outils sur mesure pour des besoins spécifiques. Cette tendance s'éloigne du modèle SaaS traditionnel, axé sur la rétention, vers des solutions éphémères, locales et sans friction, optimisées pour l'immédiateté et le contrôle. L'article met en lumière une nouvelle ère où le logiciel devient une utilité personnelle générée, plutôt qu'un produit acheté, reflétant un retour aux origines des tableurs comme outils de résolution de problèmes ponctuels.

Dans cet article, Hugo Lassiège explore comment l’avènement des agents IA en 2025-2026 bouleverse profondément le rôle traditionnel du développeur : de la simple écriture de code à une responsabilité d’architecte, de superviseur et d’industrialisation des pratiques de production logicielle. À travers une revue des évolutions récentes, il montre que ces assistants autonomes transforment les tâches, élèvent les exigences en rigueur architecturale et ouvrent la voie à une mutation durable du métier plutôt qu’à sa disparition — un débat crucial pour tous les ingénieurs et équipes tech qui doivent anticiper et s’adapter à cette révolution

L'article présente une méthode innovante pour améliorer l'utilisation de l'IA dans le développement de logiciels. L'auteur introduit le concept de "Design Log", un dossier versionné dans le dépôt Git contenant des documents markdown qui capturent les décisions de conception à un moment précis. Cette approche permet de résoudre le problème de la "Context Wall", où l'IA commence à faire des suggestions conflictuelles à mesure que le codebase grandit. L'article illustre cette méthodologie avec un exemple concret de l'ajout de "Server Actions" dans le Jay Framework, montrant comment l'IA peut devenir un partenaire architectural en suivant des règles de projet strictes. La méthode permet de passer d'une idée à une mise en production en seulement 48 heures, en favorisant une collaboration socratique et une implémentation traçable.

L'auteur partage son expérience avec les outils d'IA générative comme Claude Code, qui ont révolutionné sa façon de coder. Il estime que la majorité du code sera désormais généré par ces outils, réduisant la saisie manuelle et se concentrant sur la réflexion, l'analyse et la relecture. Il souligne l'importance des tests pour fonder et documenter le code, et mentionne les capacités avancées de ces outils pour analyser des bugs, lire des logs et comprendre du code legacy. L'auteur prédit que ces outils rendront obsolète l'écriture manuelle de code, car ils sont plus efficaces et moins sujets aux erreurs.

Ce tutoriel explique comment créer un assistant de codage basique en seulement 200 lignes de Python. Il démystifie le fonctionnement des outils d'IA comme Claude Code, en montrant que leur fonctionnement repose sur une boucle simple : l'IA envoie des requêtes pour lire, lister ou modifier des fichiers, et votre code exécute ces actions localement. L'article détaille l'implémentation de ces trois outils essentiels et montre comment les intégrer dans une conversation avec un LLM pour créer un agent de codage fonctionnel.

Ce guide expert partage un retour d'expérience sur l'utilisation de Claude Code, une IA générative, pour améliorer sa pratique du développement. L'auteur explique comment repenser son approche pour tirer pleinement parti de l'IA, en insistant sur l'importance de la précision dans les requêtes, de l'itération progressive et de la collaboration avec l'IA pour le débogage. Il détaille également la configuration optimale de l'environnement, notamment l'intégration avec VS Code et les extensions complémentaires recommandées. L'article aborde les fondamentaux de l'interaction avec l'IA, les techniques avancées et les limites à connaître pour une utilisation efficace.

Addy Osmani partage son workflow de codage avec les modèles de langage (LLM) pour 2026, soulignant l'importance de la planification et de la gestion des tâches. Il recommande de commencer par une spécification détaillée et un plan de projet clair, en collaborant avec l'IA pour définir les exigences et les étapes de mise en œuvre. Ensuite, il suggère de diviser le travail en petites tâches itératives, traitant chaque fonctionnalité ou correction une par une. Cette approche permet de maximiser l'efficacité de l'IA et de maintenir un contrôle humain sur le processus de développement.

Marine Dunstetter, ingénieure logicielle senior, explore les parallèles entre son métier et sa passion pour le jardinage. Elle souligne que ces deux activités, bien que différentes en apparence, partagent des similitudes fondamentales : un travail sans fin, un écosystème complexe à gérer et un apprentissage continu. Le jardinage, comme le développement web, demande une attention constante et une adaptation permanente aux changements. Les erreurs, inévitables dans les deux domaines, sont des opportunités d'apprentissage. L'auteur invite à voir ces défis comme des occasions de croissance et de compréhension plus profonde de nos environnements, qu'ils soient numériques ou naturels.

AGENTS.md est un format ouvert et simple pour guider les agents de codage, utilisé par plus de 60 000 projets open source. Il sert de complément au README.md en fournissant des instructions spécifiques pour les agents, comme les étapes de construction, les tests et les conventions, tout en gardant le README concis et axé sur les contributeurs humains. Le fichier AGENTS.md est compatible avec divers agents de codage et outils, et peut être adopté librement par quiconque trouve cela utile.