Gonzalo Ayuso explique comment exposer une API REST existante via le protocole MCP (Model Context Protocol) pour la rendre utilisable par des agents IA (comme Claude Code ou Cursor) sans modifier l'API originale. En utilisant FastMCP, il crée une couche d'adaptation légère qui traduit les appels MCP en requêtes HTTP vers une API Flask simple de gestion de notes (CRUD). Ainsi, les outils IA peuvent interagir avec l'API comme s'il s'agissait d'une interface native, tout en conservant l'infrastructure REST intacte. Une solution élégante pour intégrer des APIs legacy aux workflows d'IA.

L’article questionne les estimations souvent alarmistes sur l’empreinte carbone de l’IA, soulignant le manque de transparence des géants comme OpenAI ou Google. Entre 0,1 et 0,2 % de la consommation électrique mondiale (soit bien moins que les idées reçues), les chiffres varient énormément selon les modèles : de 0,05 Wh à 14 Wh par requête, et jusqu’à 1 kWh pour générer 5 secondes de vidéo. L’auteur critique l’absence de données fiables et l’opacité des acteurs du secteur, tout en rappelant que l’impact écologique ne doit pas occulter d’autres enjeux (propriété intellectuelle, concentration du pouvoir, etc.). Une réflexion nuancée sur un débat trop souvent simplifié.

L'auteur explique pourquoi Ruby on Rails est devenu, presque par hasard, le framework parfait pour travailler avec des LLM (Large Language Models). Grâce à ses conventions strictes (Convention over Configuration), sa structure prévisible et son langage Ruby proche du naturel, Rails permet aux IA de comprendre et modifier le code sans instructions détaillées. Un exemple concret montre comment un LLM a ajouté un champ à un modèle Rails en quelques minutes, simplement en suivant les conventions connues. L'auteur souligne aussi l'efficacité de Rails pour l'IA : centralisation du schéma de données dans schema.rb, code déclaratif et dense, et Hotwire pour une interactivité côté serveur simplifiée. En résumé, Rails amplifie l'expertise collective des développeurs tout en réduisant les risques d'erreurs pour les IA.

L'auteur s'interroge sur l'impact de l'IA dans le développement logiciel, notamment sur la perte des compétences critiques comme le debugging ou l'évaluation critique du code. Il évoque son propre parcours, où des "vieux cons" avaient tort de rejeter les bases de données ou les outils modernes, tout en se demandant s'il ne reproduit pas les mêmes erreurs en supervisant aveuglément l'IA. Un exemple concret illustre ce dilemme : un diff généré par IA, techniquement impeccable mais conceptuellement faux, révèle l'importance du taste et du jugement, des qualités que l'IA ne peut pas encore transmettre. L'article souligne que l'IA excelle en productivité, mais que la sagesse de savoir ne pas construire certaines choses reste humaine. Une réflexion pertinente sur l'avenir du métier de développeur.

Cet article explore le fonctionnement des coding agents, des outils qui combinent un modèle de langage (LLM) avec des capacités supplémentaires via des outils appelables. L'auteur explique comment les LLM, comme GPT ou Claude, génèrent du texte à partir de tokens (unités de traitement facturées), et comment les coding agents optimisent les interactions en utilisant des prompts structurés en conversation et en exploitant le token caching pour réduire les coûts. Un guide technique utile pour comprendre les mécanismes derrière ces assistants IA.

Cet article explore la beauté mathématique derrière la Binary Cross-Entropy (BCE), une fonction clé en apprentissage automatique, révélant comment des siècles de découvertes (de Bernoulli à la rétropropagation) convergent vers une formule élégante : p − y. L’auteur souligne l’universalité des mathématiques, comparant cette simplicité à des lois physiques comme celles de Maxwell, et interroge les limites des IA actuelles (comme les LLMs) face à la compréhension du monde réel. Yann LeCun y est cité pour sa vision d’une IA plus proche de la cognition humaine via son World Model (JEPA), bien que des défis majeurs (apprentissage en un coup, généralisation) persistent. Une réflexion poétique sur l’harmonie entre maths, nature et intelligence artificielle.

L'auteur partage son expérience avec un outil Kubernetes simplifié, kubectl-debug-pvc, développé en deux sessions de 30 minutes grâce à l'IA (Claude Opus). Face à un besoin réel en production (accéder à un volume PVC en ReadWriteOnce sans shell), il contourne les limites de kubectl debug avec une solution automatisée via un plugin Krew. Le projet, plus léger que son prédécesseur PodSweeper, illustre l'efficacité de l'IA pour des tâches ciblées, tout en soulignant l'importance de la supervision humaine. Une démonstration de la puissance des outils GenAI pour le DevOps ! 🚀

Trois scènes tirées d’une même semaine illustrent comment l’IA et les LLM bouleversent déjà l’organisation des équipes tech : un développeur frontend qui produit aussi du backend grâce à l’IA, un product manager capable de livrer lui-même une fonctionnalité, et un ingénieur senior qui passe moins de temps à coder qu’à superviser des systèmes automatisés. À travers ces situations ordinaires mais révélatrices, l’auteur questionne la pertinence des modèles classiques d’équipes (squads spécialisées, rôles bien séparés) face à des outils qui élargissent les capacités individuelles et déplacent la valeur vers la supervision, la compréhension du produit et la prise de décision plutôt que l’écriture directe de code.

Compte rendu de l’édition 2026 de Touraine Tech, conférence technologique tenue les 12 et 13 février à Tours, qui met en avant plusieurs interventions marquantes autour de l’IA, du cloud et des pratiques de développement. L’article revient notamment sur des sujets comme les architectures multi-agents pour organiser des systèmes d’IA, les serveurs MCP permettant à un LLM d’interagir de manière structurée avec des API, ou encore le framework Diátaxis pour améliorer la qualité et la maintenabilité de la documentation technique. D’autres conférences abordent l’expérience développeur et l’impact de la charge cognitive sur la performance des équipes, ainsi que des retours d’expérience sur l’évolution d’architectures logicielles et l’exploitation d’infrastructures bare-metal comme un cloud, illustrant les grandes tendances actuelles autour de la souveraineté numérique, de la sécurité des données et de la maturité croissante de l’intelligence artificielle.

Cet article de Towards Data Science explore le problème de la "boîte noire" dans le code généré par l'IA. Bien que l'IA améliore initialement la productivité des équipes de développement, le code généré devient rapidement difficile à maintenir en raison de son manque de structure. Les principaux problèmes incluent la tendance à tout regrouper dans un seul module, les dépendances circulaires et implicites, l'absence de contrats explicites et une documentation qui explique l'implémentation plutôt que l'utilisation. Un exemple concret illustre comment une génération non structurée peut créer un système de notifications monolithique difficile à modifier, contrairement à une approche structurée qui décompose le système en composants indépendants. L'article souligne que le problème n'est pas l'IA en soi, mais plutôt l'architecture résultante.

Le Model Context Protocol (MCP) est un standard visant à intégrer des outils et scripts existants directement dans les IDE pour les agents IA. Actuellement, ces agents comprennent le code mais ne peuvent pas exécuter des actions réelles, souvent situées en dehors de l'IDE. MCP propose une solution en exposant ces capacités (CLI, API, services internes) via un contrat structuré, permettant aux agents de les utiliser sans nécessiter de plugins spécifiques. Contrairement aux API REST classiques, MCP standardise les actions et permet une découverte dynamique des capacités, facilitant ainsi l'orchestration par les agents IA.

Ce billet explore les implications de l'augmentation de la vitesse de codage, notamment grâce à l'IA, sur le métier de développeur. L'auteur, un entrepreneur technique, partage son expérience personnelle où le gain de temps lui permet de se concentrer sur la stratégie et l'amélioration du produit plutôt que sur la simple production de code. Il souligne que l'impact varie selon les contextes, comme les grandes entreprises ou les freelances, et que le gain de temps n'est pas toujours évident, comme le montre une étude récente. L'idée centrale est de se demander à quoi sert ce temps gagné et comment il peut être utilisé pour améliorer la qualité du produit et la réflexion stratégique.

Ce billet de blog explore les limites des grands modèles de langage (LLM) en matière de génération de code correct, en se concentrant sur un exemple concret : une réécriture en Rust d'une base de données SQLite générée par un LLM. Bien que le code compilé semble fonctionner et passe les tests, il s'avère être environ 20 000 fois plus lent que l'original pour des opérations de base. L'auteur souligne que les LLM optimisent pour la plausibilité plutôt que pour la correction, et souligne l'importance de définir des critères d'acceptation clairs avant de générer du code. L'article inclut des benchmarks détaillés et une analyse du code pour illustrer ces problèmes, tout en reconnaissant les avantages des LLM pour accélérer le développement d'idées.

Dans ce billet de blog, l'auteur partage son expérience avec l'intelligence artificielle générative (GenAI) dans le développement logiciel, notamment à travers le projet PodSweeper. Il évoque l'utilisation croissante d'assistants IA pour automatiser des tâches répétitives et explorer des projets web complets, malgré des résultats mitigés en opérations (Ops). Bien qu'il reconnaisse les limites et les critiques des experts sur la qualité du code généré, il souligne les bénéfices concrets pour les non-experts comme lui. L'auteur teste également des outils spécialisés comme k8sgpt et HolmesGPT, tout en restant prudent sur les promesses de la GenAI. Un retour d'expérience nuancé sur les apports et les défis de l'IA dans le développement logiciel.

Carrie Webster explore l'impact de l'IA sur le workflow des designers UX. Bien que l'IA puisse générer rapidement des wireframes, prototypes et même des design systems, l'auteure souligne que le rôle du designer UX va au-delà de la création d'interfaces. Elle met en avant la capacité des designers à naviguer dans l'ambiguïté, à défendre les intérêts humains dans des systèmes optimisés pour l'efficacité, et à résoudre des problèmes humains par une conception réfléchie. L'IA ne remplace pas ces compétences, mais les amplifie, permettant aux designers de passer de la création d'outputs à la direction d'intentions, un changement qui, selon elle, est excitant et enrichissant pour le domaine du UX.

Scriberr est une application de transcription audio open-source, autonome et hors ligne, conçue pour les utilisateurs qui hébergent eux-mêmes leurs services et qui privilégient la confidentialité et les performances. Elle permet de transcrire des fichiers audio en texte directement sur ses propres serveurs, sans dépendre de services externes. Le projet est disponible sur GitHub et inclut des fonctionnalités telles que la reconnaissance de locuteurs et la personnalisation des paramètres de transcription.

L'article explore l'impact des agents d'IA sur le développement logiciel. Yoav Aviram y affirme que la programmation manuelle est en déclin, remplaçée par une nouvelle discipline centrée sur la résolution de problèmes et la supervision des agents. Il souligne que le coût marginal du code est en baisse, facilitant la refactorisation, la gestion de la dette technique et la résolution des bugs. L'auteur encourage à créer des boucles de rétroaction serrées et à adapter les processus pour un monde en mutation, tout en soulignant que les agents d'IA ne sont pas réservés qu'au codage.

Ce dépôt GitHub, "claude-code-best-practice", propose des pratiques optimales pour l'utilisation de Claude, un modèle d'IA. Il inclut des concepts clés comme les commandes, les sous-agents, les compétences, les workflows, et les hooks, ainsi que des fonctionnalités avancées telles que les équipes d'agents, le mode vocal, et le contrôle à distance. Le dépôt fournit également des exemples d'implémentation, des workflows de développement, et des rapports sur la dégradation des modèles de langage. Il est structuré pour faciliter l'intégration et l'utilisation de ces meilleures pratiques dans des projets utilisant Claude.

Dépôt open source proposant une “agence IA” composée d’une cinquantaine d’agents spécialisés organisés par rôles (développement, design, marketing, analyse, etc.), chacun défini par une personnalité, des règles, des workflows et des livrables précis afin d’exécuter des tâches concrètes plutôt que de simples prompts génériques. Le projet fournit plus de 50 agents répartis en plusieurs divisions — par exemple développeur frontend, architecte backend, growth hacker ou responsable Reddit — qui peuvent être combinés pour simuler une équipe complète travaillant sur des projets comme un MVP, une campagne marketing ou une fonctionnalité d’entreprise, avec des processus reproductibles et des critères de réussite mesurables.

L'auteur partage son expérience de 7 mois avec Claude Code, un outil d'assistance à la programmation. Initialement frustré par des résultats médiocres et des erreurs, il réalise que le problème venait de son utilisation inadéquate de l'outil plutôt que de ses capacités. Il décrit plusieurs erreurs courantes, comme les requêtes vagues, les sessions trop longues avec des tâches non liées, les corrections répétées polluant le contexte, et la confiance aveugle dans le code généré. Il apprend finalement à structurer ses demandes, à limiter les sessions à une seule tâche, à clarifier ses consignes et à vérifier systématiquement le code produit, ce qui améliore significativement son efficacité.