Une étude montre que si les développeurs expérimentés apprécient les agents IA pour leur capacité à améliorer la productivité, ils conservent leur pouvoir d'action dans la conception et la mise en œuvre des logiciels en insistant sur les attributs fondamentaux de la qualité des logiciels et en employant des stratégies pour contrôler le comportement des agents en tirant parti de leur expertise. En outre, les développeurs expérimentés ont une opinion globalement positive de l'intégration des agents dans le développement de logiciels, car ils sont convaincus de pouvoir pallier les limites des agents. Le vibe coding est une technique de développement logiciel assistée par l'intelligence artificielle (IA). Le terme a été introduit par Andrej Karpathy en février 2025. Le Vibe Coding décrit une approche basée sur les chatbots pour créer des logiciels, dans laquelle le développeur décrit un projet ou une tâche à un grand modèle de langage (LLM), qui génère du code à partir de la requête. Le développeur ne révise ni ne modifie le code, mais utilise uniquement des outils et les résultats d'exécution pour l'évaluer et demande au LLM d'apporter des améliorations. Contrairement au codage assisté par l'IA ou à la programmation en binôme traditionnels, le développeur humain évite d'examiner le code, accepte les compléments suggérés par l'IA sans révision humaine et se concentre davantage sur l'expérimentation itérative que sur l'exactitude ou la structure du code.
Dans le contexte de l'intelligence artificielle générative, les agents IA sont une catégorie d'agents intelligents qui se distinguent par leur capacité à fonctionner de manière autonome dans des environnements complexes. Les outils d'IA agentique privilégient la prise de décision plutôt que la création de contenu et ne nécessitent pas d'intervention humaine ni de supervision continue. Les agents IA possèdent plusieurs attributs clés, notamment des structures d'objectifs complexes, des interfaces en langage naturel, la capacité d'agir indépendamment de la supervision de l'utilisateur et l'intégration d'outils logiciels ou de systèmes de planification. Leur flux de contrôle est souvent piloté par des LLM. Les agents comprennent également des systèmes de mémoire pour se souvenir des interactions précédentes entre l'utilisateur et l'agent, ainsi que des logiciels d'orchestration pour organiser les composants de l'agent.
L'essor des agents IA et du vibe coding transforment la manière dont les logiciels peuvent être développés. Une enquête menée en juillet 2025 par Fastly auprès de 791 développeurs a révélé une différence notable dans la quantité de code généré par l'IA qui est mis en production. Environ un tiers des développeurs seniors (plus de 10 ans d'expérience) déclarent que plus de la moitié du code qu'ils livrent est généré par l'IA, soit près de deux fois et demie le taux déclaré par les développeurs juniors (0 à 2 ans d'expérience), qui est de 13 %. Un peu plus de 50 % des développeurs juniors déclarent que l'IA les rend modérément plus rapides. En revanche, seuls 39 % des développeurs seniors partagent cet avis.
Les agents IA promettent aux développeurs de pouvoir écrire du code plus rapidement, déléguer plusieurs tâches à différents agents et même écrire un logiciel complet uniquement à partir du langage naturel. En réalité, le rôle que jouent les agents dans le développement professionnel de logiciels reste incertain. Un nouvelle étude examine comment les développeurs expérimentés utilisent les agents dans le développement de logiciels, notamment leurs motivations, leurs stratégies, l'adéquation des tâches et leurs sentiments.
Grâce à des observations sur le terrain (N = 13) et à des enquêtes qualitatives (N = 99), les résultats montrent que si les développeurs expérimentés apprécient les agents pour leur capacité à améliorer la productivité, ils conservent leur pouvoir d'action dans la conception et la mise en œuvre des logiciels en insistant sur les attributs fondamentaux de la qualité des logiciels et en employant des stratégies pour contrôler le comportement des agents en tirant parti de leur expertise.
En outre, les développeurs expérimentés ont une opinion globalement positive de l'intégration des agents dans le développement de logiciels, car ils sont convaincus de pouvoir pallier les limites des agents. Les résultats mettent en lumière la valeur des meilleures pratiques en matière de développement logiciel pour une utilisation efficace des agents, suggèrent les types de tâches pour lesquelles les agents peuvent être adaptés et indiquent les opportunités futures pour de meilleures interfaces agentives et de meilleures directives d'utilisation des agents.
Les développeurs de logiciels professionnels ne vibrent pas, ils contrôlent : utilisation des agents IA pour le codage en 2025
L'IA est en train de transformer rapidement la pratique de la programmation. Déjà, environ la moitié des développeurs de logiciels professionnels utilisent quotidiennement des outils d'IA. Les grands modèles de langage (LLM) sont particulièrement doués pour écrire du code et deviennent chaque année plus performants. À l'origine, en 2021, les LLM ne fournissaient qu'une aide au codage sous forme d'autocomplétion ultra-performante. Mais plus récemment, leurs capacités ont évolué pour permettre d'accéder, de modifier et de tester des bases de code entières de manière autonome, étape par étape. Nous sommes désormais entrés dans l'ère du codage agentique.
De nombreuses questions restent en suspens quant aux capacités de ces agents et à la meilleure façon de les utiliser. Nous entendons parfois des anecdotes de personnes qui ont essayé une fois et qui n'ont pas obtenu de bons résultats. Mais cela contraste avec ce que l'on peut lire sur les réseaux sociaux : certains utilisateurs en ligne affirment utiliser des dizaines d'agents à la fois pour construire de manière autonome des logiciels volumineux, une affirmation si intrigante mais potentiellement incroyable qu'elle fait l'objet de parodies. Que se passe-t-il réellement ?
Les études humaines sur le codage agentique font leur apparition, mais restent encore rares. Un essai randomisé notable a révélé que les mainteneurs open source expérimentés étaient en fait ralentis de 19 % lorsqu'ils étaient autorisés à utiliser l'IA, et qu'un système agentique déployé dans un outil de suivi des problèmes ne voyait que 8 % de ses invocations aboutir à un succès complet (une demande de fusion). Ces résultats suggèrent que l'IA agentielle n'est peut-être pas aussi utile qu'elle pourrait le paraître à première vue, mais environ un quart des développeurs professionnels déclarent déjà utiliser des agents IA au moins une fois par semaine.
Quelques études récentes ont porté sur le « vibe coding ». Bien que ce terme soit parfois utilisé pour désigner tout codage avec des agents IA, ces articles étudient le « vibe coding » comme une forme particulière d'utilisation d'agents qui vise à procurer une expérience de « fluidité et de joie » en faisant confiance à l'IA plutôt qu'en examinant attentivement le code généré, « où l'on s'abandonne complètement aux vibrations », « où l'on oublie même que le code existe » et « où l'on ne lit plus les différences ». Les praticiens reconnaissent tacitement que le vibe coding produit un code de moindre qualité. En tant que tel, le vibe coding n'est peut-être pas l'approche la plus efficace du codage agentique, et n'est peut-être pas la manière dont les développeurs expérimentés utilisent les agents. Comment, alors, les développeurs expérimentés créent-ils des logiciels de qualité avec des agents IA ?
Cette étude tente de mieux comprendre les pratiques actuelles du codage agentique par des experts, afin de comprendre ce qui fonctionne et ce qui ne fonctionne pas. Par rapport aux travaux antérieurs, les chercheurs (a) ne limitent pas l'étude au vibe coding et (b) ils se sont intéressés uniquement aux développeurs expérimentés, dans l'espoir qu'ils aient suffisamment d'expertise pour porter un regard critique et perspicace sur les outils agents utilisés dans le monde réel. L'étude se présente en deux parties : 13 observations sur le terrain et une enquête plus large auprès de 99 développeurs expérimentés — dans l'espoir de répondre à quatre questions de recherche (RQ) :
- RQ1 - Motivations. Qu'est-ce qui importe aux développeurs expérimentés lorsqu'ils intègrent des agents dans
leur processus de développement logiciel ?
- QR2 - Stratégies. Quelles stratégies les développeurs expérimentés emploient-ils lorsqu'ils développent des logiciels avec des agents ?
- QR3 - Adéquation. À quoi les agents de développement logiciel sont-ils adaptés, et quand échouent-ils ?
- QR4 - Sentiments. Quels sentiments les développeurs expérimentés éprouvent-ils lorsqu'ils utilisent des outils agentiels ?
La conclusion la plus marquante est que, en effet, les...
La fin de cet article est réservée aux abonnés. Soutenez le Club Developpez.com en prenant un abonnement pour que nous puissions continuer à vous proposer des publications.
à tous,
Envoyé par Jade Emy
