News

Du Vibe Coding à l'Agentic Engineering : la nouvelle ère du développement logiciel

10 février 2026

Andrej Karpathy a inventé le « vibe coding » -- aujourd'hui une nouvelle discipline émerge : l'Agentic Engineering. Des agents IA qui planifient, écrivent, testent et font évoluer le code de manière autonome sous supervision humaine structurée.

Du Vibe Coding à l'Agentic Engineering : la nouvelle ère du développement logiciel

En quelques années à peine, l'IA a fait passer le développement logiciel de l'autocomplétion à quelque chose de bien plus radical. D'abord l'assistance au code par IA, puis le « vibe coding » -- un terme inventé par Andrej Karpathy pour décrire le fait de construire un logiciel en parlant à un LLM et en « oubliant que le code existe ».

Aujourd'hui, une nouvelle discipline émerge sur cette base : l'Agentic Engineering. Au lieu de traiter l'IA comme une boîte de texte intelligente, les équipes commencent à concevoir, orchestrer et gouverner des systèmes entiers d'agents autonomes qui écrivent, testent et font évoluer le code sous supervision humaine structurée.

Cet article retrace cette évolution et décrit ce que l'Agentic Engineering signifie pour l'avenir du développement logiciel.

Qu'est-ce que le vibe coding exactement ?

Le vibe coding est un style de programmation assistée par IA où l'on décrit ce que l'on veut en langage naturel et où un environnement propulsé par un LLM génère et modifie le code.

Le terme vient d'un post viral de 2025 d'Andrej Karpathy, co-fondateur d'OpenAI et ancien responsable de l'IA chez Tesla. Il décrivait « un nouveau type de programmation » où l'on « se laisse complètement porter par les vibes, on embrasse les exponentielles, et on oublie que le code existe » tandis qu'un LLM comme Cursor Composer écrit et refactorise l'ensemble du projet. Selon ses propres mots, il accepte toutes les suggestions, lit à peine les diffs, colle les messages d'erreur dans le modèle, et laisse la base de code dépasser sa compréhension habituelle -- ce qu'il considère explicitement comme acceptable pour les « projets jetables du week-end ».

Un panorama de 2026 note que cette approche s'est rapidement répandue au-delà de son usage personnel : en un an, le « vibe coding » avait une entrée Wikipedia et était utilisé par une très large part des développeurs américains pour le prototypage rapide et les projets personnels. L'idée centrale n'est pas simplement l'assistance par IA, mais un déplacement de l'attention du code vers le ressenti du produit : on décrit, on voit quelque chose, on réagit, et on itère de manière conversationnelle.

Les limites du vibe coding en environnement professionnel

Pour l'expérimentation, les hackathons et les idées d'interface rapides, le vibe coding est incroyablement puissant. Mais ses forces mêmes deviennent des faiblesses quand on passe en production :

  • Manque de compréhension profonde. Un élément central de la définition est que le développeur souvent ne comprend pas entièrement le code généré, s'appuyant plutôt sur les tests, les vérifications manuelles et de nouveaux prompts pour orienter le comportement.
  • Raisonnement et architecture fragiles. Les LLM excellent dans les modifications locales et les petites abstractions, mais sans cadre architectural solide, ils peuvent générer des chemins de code emmêlés, des patterns incohérents et du couplage caché au fil du temps.
  • Pas de gouvernance intégrée. Le vibe coding traite généralement l'IA comme un outil puissant mais non régulé. Il n'y a pas de notion explicite de politiques, de contraintes de sécurité ou de responsabilité au-delà de ce que le développeur individuel choisit d'appliquer.

Comme Simon Willison l'a souligné, si un LLM écrit chaque ligne mais que vous relisez, testez et comprenez tout, vous utilisez l'IA comme un assistant -- vous ne faites pas vraiment du vibe coding. Cette distinction compte, car les entreprises ne peuvent pas se permettre des bases de code opaques et non gouvernées, surtout dans les domaines réglementés ou critiques pour la sécurité.

C'est là que les approches agentiques entrent en jeu.

Des outils aux coéquipiers : qu'est-ce que l'IA agentique ?

L'IA agentique repositionne les systèmes d'IA comme des coéquipiers actifs plutôt que des outils passifs. Au lieu d'attendre que vous tapiez du code, un agent reçoit un objectif, planifie le travail, choisit des outils (comme votre dépôt, votre suite de tests ou votre pipeline CI), exécute les étapes, observe les retours et adapte son comportement.

Une boucle agentique typique ressemble à ceci :

  • 1. Réception d'un objectif en langage naturel (par exemple : « Ajouter une API CRUD sécurisée par JWT autour de notre table de commandes et la connecter au service de facturation existant. »).
  • 2. Planification des tâches, en décomposant l'objectif en sous-tâches (analyser le schéma, concevoir les endpoints, mettre à jour le middleware d'authentification, écrire les tests, mettre à jour la documentation).
  • 3. Utilisation d'outils et de contexte (base de code, outil de suivi des tickets, terminal, suite de tests, logs) pour agir.
  • 4. Observation des résultats (échecs de tests, erreurs de lint, logs d'exécution) et affinement du plan.
  • 5. Restitution via des résumés, des diffs ou des tableaux de bord que les humains peuvent examiner.

La définition de GitHub met l'accent sur la mémoire, les outils et l'autonomie comme ingrédients clés : le modèle fournit le raisonnement ; le système d'agents environnant transforme ce raisonnement en exécution intentionnelle à travers le cycle de développement. Google Cloud décrit de manière similaire le « agentic coding » comme une approche où les agents planifient, écrivent, testent et modifient le code avec une intervention humaine minimale, se comportant davantage comme un prestataire qualifié que comme un autocomplete passif.

Autrement dit, là où le vibe coding se concentre sur l'expérience (les « vibes »), l'IA agentique se concentre sur le comportement structuré et les objectifs.

Définir l'Agentic Engineering comme discipline

L'Agentic Engineering prend ces capacités agentiques et les transforme en une profession et une discipline d'ingénierie, et non pas simplement un buzzword.

Une définition opérationnelle concise issue de sources industrielles est :

L'Agentic Engineering est une discipline d'ingénierie logicielle dans laquelle les humains définissent les objectifs, les contraintes et les standards de qualité, tandis que les agents IA planifient, écrivent, testent et font évoluer le code de manière autonome sous supervision humaine structurée.

Des organisations comme l'Agentic Engineering Institute (AEI) le présentent comme la fusion de la conception de systèmes IA, des architectures cognitives et de l'ingénierie d'entreprise. Leurs travaux mettent systématiquement en avant quatre piliers :

  • Orchestration et gouvernance des agents. Concevoir combien d'agents il y a, ce que chacun est autorisé à faire, comment ils communiquent, et comment les politiques et garde-fous sont appliqués à l'exécution.
  • Sécurité, fiabilité et alignement. S'assurer que les workflows autonomes des agents restent dans les limites légales, éthiques et métier, et qu'ils échouent de manière sûre quand les choses tournent mal.
  • Architecture avec humain dans la boucle et responsabilité. Construire des points de contrôle explicites où les humains examinent, approuvent ou annulent les modifications pilotées par l'IA, avec des lignes de responsabilité claires.
  • Rigueur d'ingénierie pour une autonomie de niveau production. Appliquer le même sérieux que l'ingénierie logicielle traditionnelle : versioning, tests, observabilité, réponse aux incidents et post-mortems -- mais étendu aux agents IA et aux boucles de cognition.

L'AEI, par exemple, parle d'un Agentic Engineering Body of Practice (AEBOP) dérivé de centaines de déploiements réels, et se concentre sur des systèmes « de niveau production, de niveau entreprise et de niveau réglementaire » -- un signal clair que cela va au-delà des démos astucieuses.

Comment l'Agentic Engineering transforme le développement logiciel

L'Agentic Engineering n'abandonne pas le cycle de développement logiciel (SDLC) ; il superpose une couche d'agents par-dessus.

1. Les équipes conçoivent des « workflows agentiques », pas seulement des pipelines

Dans un monde DevOps classique, on conçoit des pipelines CI/CD et des workflows humains. Dans un monde agentique, on conçoit également des workflows multi-agents : quels agents surveillent quels signaux, qui peut ouvrir des PRs, qui peut étiqueter des tickets, qui peut toucher aux configurations de production, et comment ils se coordonnent.

Des patterns qui émergent déjà incluent :

  • Un Agent de Spécification qui affine les user stories en exigences techniques et critères d'acceptation.
  • Un Agent de Code qui implémente les modifications pour un composant ou service donné.
  • Un Agent de Test qui génère et maintient les tests, surveille la couverture et investigue les tests instables.
  • Un Agent d'Ops qui surveille les logs, les SLOs et les incidents, proposant des remédiations ou ouvrant des tickets.

La logique d'orchestration -- quand chaque agent se réveille, quel contexte il reçoit, et comment les conflits sont résolus -- devient une préoccupation architecturale de premier ordre.

2. Les développeurs passent de « taper du code » à « spécifier et superviser »

En vibe coding, l'expérience développeur est souvent : décrire vaguement, accepter les suggestions, et voir ce qui se passe. En Agentic Engineering, les développeurs et architectes :

  • Définissent des objectifs, contraintes et niveaux de qualité pour les agents.
  • Organisent la surface d'outillage (quels dépôts, APIs et environnements les agents peuvent toucher).
  • Examinent les diffs, plans et explications proposés par les agents.
  • Ajustent les signaux de récompense ou critères d'évaluation pour que les agents apprennent quels comportements sont acceptables.

Comme le formule un guide pratique sur le développement agentique, l'attention humaine se déplace vers l'architecture, le cadrage des problèmes et la revue du travail de l'IA plutôt que l'écriture de chaque ligne.

3. De nouveaux rôles émergent : ingénieurs agentiques, pas seulement ingénieurs ML

L'Agentic Engineering se situe à l'intersection de l'ingénierie logicielle, du ML et des opérations. Les praticiens doivent être à l'aise avec :

  • Les frameworks d'agents et l'orchestration (utilisation d'outils, mémoire, planification).
  • L'architecture logicielle et la conception d'APIs.
  • Les patterns d'observabilité, d'évaluation et de sécurité pour les systèmes IA.
  • La gouvernance et la conformité dans des domaines comme la finance, la santé ou les services publics.

L'AEI et les organisations similaires se positionnent explicitement comme des réseaux professionnels et des organismes de certification pour ce nouveau profil -- à l'image de la façon dont le SRE, le DevOps ou le data engineering sont devenus des disciplines distinctes lors de vagues précédentes.

Cas d'usage concrets : au-delà des exemples jouets

Si une grande partie du discours reste conceptuel, il existe déjà des cas d'usage crédibles où les approches agentiques apportent une valeur claire :

  • Refactoring et migrations à grande échelle -- Les agents peuvent scanner une grande base de code, proposer un plan de migration (par ex. d'une API à une autre), ouvrir des PRs ciblées, exécuter les tests et itérer jusqu'à ce que toutes les dépréciations soient résolues.
  • Génération et maintenance continues des tests -- Un Agent de Test surveille les modifications de code, la couverture et les tests instables, proposant continuellement des cas de test nouveaux ou mis à jour en réponse aux changements.
  • Documentation et gestion des connaissances -- Les agents maintiennent les documents d'architecture, les fichiers README et les runbooks synchronisés avec le code et l'infrastructure réels, détectant les dérives au fil du temps.
  • Triage des incidents et suggestions de remédiation -- Des agents orientés Ops surveillent les logs et les métriques, suggèrent les causes probables et proposent des correctifs ciblés ou des modifications de configuration pour revue humaine.
  • Plateformes internes et outillage en self-service -- Les équipes plateformes peuvent exposer des « capacités » de haut niveau (créer un nouveau service, ajouter un endpoint, onboarder un nouveau tenant), que les agents implémentent ensuite à travers les nombreux systèmes sous-jacents.

Ces patterns font écho à ce que GitHub, Google Cloud et d'autres décrivent : l'IA qui passe d'un générateur de code sans contexte à un coéquipier intégré dans le cycle de développement.

Garde-fous : sécurité, fiabilité et gouvernance

Si le risque du vibe coding est « je ne comprends pas entièrement ce projet du week-end », les systèmes agentiques élèvent les enjeux : les agents peuvent toucher des systèmes de production, des données clients ou des workflows réglementés.

Cela rend les garde-fous non négociables :

  • Périmètre et permissions. Accès au moindre privilège aux dépôts, environnements et APIs. Les agents ne devraient pas avoir de droits généraux sur la production par défaut.
  • Vérifications de sécurité à l'exécution. Des politiques qui bloquent certaines classes d'actions (supprimer des tables, abaisser des seuils de sécurité, exposer des secrets) sauf approbation explicite.
  • Évaluation et monitoring. Mesure continue du comportement des agents : taux de succès, régressions, corrélations d'incidents et détection d'anomalies sur les actions entreprises.
  • Auditabilité. Logs complets du raisonnement des agents, des actions, des diffs et des approbations pour que les équipes puissent faire des post-mortems et répondre aux exigences de conformité.
  • Approbations avec humain dans la boucle. Des points clairs où les humains doivent approuver les changements -- par exemple, les merges vers des branches protégées, les migrations risquées ou les adaptations des contrôles de sécurité.

Les guides industriels sur les systèmes agentiques soulignent que l'autonomie sans discipline ne passe pas à l'échelle ; les organisations qui réussiront seront celles qui traiteront la gouvernance et la sécurité comme des problèmes d'ingénierie de premier ordre, pas comme des ajouts tardifs.

Comment démarrer avec l'Agentic Engineering

Pour les équipes qui expérimentent déjà avec des outils de type Copilot ou le vibe coding, un chemin pragmatique vers l'Agentic Engineering pourrait ressembler à ceci :

  • 1. Cartographier vos workflows. Identifier les tâches répétitives du cycle de développement (mises à jour de tests, petits refactorings, mises à jour de dépendances, mises à jour de documentation) où les agents pourraient aider en toute sécurité.
  • 2. Introduire un seul agent, bien délimité. Par exemple, un Agent de Test qui opère uniquement sur une branche hors production et ne peut pas toucher aux configurations de déploiement.
  • 3. Ajouter observabilité et revue. Traiter l'agent comme un coéquipier junior : suivre ses contributions, exiger des revues de code, et mesurer le temps gagné par rapport aux incidents créés.
  • 4. Itérer vers l'orchestration multi-agents. Une fois qu'un agent est stable, en ajouter d'autres (Agent Doc, Agent Refactoring) et concevoir comment ils se coordonnent.
  • 5. Investir dans les compétences et les standards. Former un petit groupe comme « ingénieurs agentiques » responsables des patterns, garde-fous et bonnes pratiques ; s'aligner sur des organismes et référentiels externes lorsque c'est utile.

L'objectif n'est pas de remplacer les développeurs, mais de multiplier leur impact tout en gardant les humains fermement aux commandes de l'architecture, de la stratégie et de la responsabilité.

L'avenir : au-delà du vibe coding, sans perdre les « vibes »

Le vibe coding a été un moment culturel important : il a montré ce qui se passe quand les développeurs « se laissent porter par les vibes » et laissent les LLM s'occuper du travail fastidieux de génération de code. Il a rendu l'idée de programmation conversationnelle réelle, et il a abaissé la barrière psychologique pour laisser l'IA toucher à notre code.

L'Agentic Engineering est l'étape suivante : il conserve le flux créatif et l'intention de haut niveau du vibe coding, mais ajoute la rigueur, la structure et la gouvernance nécessaires pour des systèmes réels qui doivent fonctionner 24/7, respecter les réglementations et évoluer en toute sécurité pendant des années.

En ce sens, ce n'est pas du battage médiatique mais la maturation logique du développement logiciel à l'ère des agents IA autonomes : du code tapé à la main, au vibe coding, jusqu'à la conception, l'orchestration et la gouvernance de flottes de coéquipiers intelligents.

Sources et références

    Du Vibe Coding à l'Agentic Engineering : l'avenir du développement logiciel | Versatik