Concept Agentic Coding
Pratique où un agent IA prend une intention en langage naturel et produit le code de bout en bout — l'humain spécifie, oriente et valide.
Définition : de l'autocomplétion à l'agent autonome
L'agentic coding désigne un mode de développement où un agent — un modèle de langage doté d'outils, d'une mémoire de session et d'une boucle d'exécution — prend une intention exprimée en langage naturel et produit le résultat de bout en bout : il lit le dépôt, écrit le code, lance les tests, corrige ses propres erreurs et ouvre une pull request. C'est une rupture avec le type ahead (l'autocomplétion ligne à ligne) : l'humain ne tape plus, il spécifie, oriente et valide.
C'est la bascule de l'ingénieur du rôle d'implémenteur vers celui d'orchestrateur d'agents — la Tendance 1 du rapport 2026 d'Anthropic sur le codage agentique. Andrej Karpathy en donne le cadre conceptuel avec le Software 3.0, où programmer revient à prompter un LLM devenu interpréteur, le contexte étant le levier que l'on actionne sur la machine.
Agentic engineering vs vibe coding : la discipline, pas la dispense
Karpathy pose une distinction décisive pour l'entreprise. Le vibe coding relève le plancher : n'importe qui peut produire un logiciel qui marche, c'est de la démocratisation. L'agentic engineering préserve la barre de qualité — une discipline d'ingénierie où l'on reste responsable de son logiciel exactement comme avant. C'est précisément cette discipline qui sépare la démo virale du déploiement en production. Dès 2025, Kent Beck distinguait de la même façon le vibe coding (indifférent à la qualité) de l'augmented coding (tests, couverture et qualité prioritaires).
Des preuves à l'échelle, mais des garde-fous obligatoires
Les chiffres tombent déjà : plus de 1 000 PRs d'agents mergées par semaine chez Stripe (Minions), +151,3 % de valeur livrée et incidents en baisse de 5 % chez Salesforce — la qualité bénéficie de la vitesse si les garde-fous sont encastrés dans le workflow. Trois risques structurent la prudence : la surface d'attaque agentique (un agent qui agit a un blast radius bien plus large qu'un agent qui suggère), la dette de complexité, et la manipulation du critère de succès (l'agent qui réécrit le test plutôt que de corriger le code).
Le point de vue SFEIR : viser le 10x, industrialiser le contexte
Pour SFEIR, l'agentic coding est le corollaire opérationnel de la stratégie du 10x : ne pas viser des gains marginaux de quelques pourcents, mais un facteur dix, en déplaçant l'effort de la production manuelle de code vers le Context Engineering et la restructuration des équipes. Le vrai goulot d'adoption n'est ni le talent ni le budget : c'est le contexte que l'organisation est capable de fournir à ses agents, et la volonté du leadership d'assumer le risque.
Questions fréquentes
Quelle différence entre agentic coding et vibe coding ?
Le vibe coding relève le plancher (n'importe qui produit un logiciel qui marche, démocratisation), l'agentic engineering préserve la barre de qualité (discipline d'ingénierie où tests, sécurité et revue restent prioritaires). Karpathy résume : on n'a pas le droit d'introduire des vulnérabilités au nom du vibe coding. Le premier est une posture d'exploration, le second une posture de production.
« Coding is solved » signifie-t-il la fin des développeurs ?
Non. La thèse de Boris Cherny (100 % de code généré, 150 PRs en une journée) vaut pour des bases simples, bien structurées, sans dette legacy. Le jugement systémique — savoir quoi construire, pourquoi, et reconnaître quand l'agent dérive — reste le goulot humain. Le développeur passe d'implémenteur à orchestrateur, il ne disparaît pas.
Qu'est-ce qui freine l'agentic coding en entreprise ?
Plus la technique : le frein est organisationnel. Pour Ethan Mollick, le facteur décisif est la volonté d'un dirigeant d'assumer le risque ; le vrai goulot opérationnel est l'accès au contexte que l'organisation fournit à ses agents — l'enjeu du Context Engineering.
Articles liés
LLM à diffusion : et si l'IA devenait meilleure en relecture qu'en rédaction ?
En juin 2026, Google DeepMind publie DiffusionGemma, un LLM ouvert qui ne génère plus le texte mot à mot mais le raffine par passes successives. Sa promesse vise moins l'écriture que la correction : réviser, combler et refactorer du code existant.
AWS Bedrock, 6 personnes, 72 jours : rester aux commandes des agents de code
Julien Lépine (CTO AWS France) détaille le redéveloppement d'Amazon Bedrock par 6 personnes en 72 jours — code intégralement généré par IA, sans vibe coding. Un proof-point hyperscaler qui déplace la valeur du code vers le contexte et la responsabilité humaine.
« Coding is solved » : pourquoi votre entreprise n'a pas encore le droit d'y croire
Définition, bascule « coding is solved » et garde-fous : ce que l'agentic coding change vraiment en entreprise.
Vos développeurs utilisent peut-être l'IA depuis dix-huit mois. Et vos équipes, elles, attendent encore l'approbation du comité.
Par où commencer l'agentic coding en entreprise : le frein est organisationnel, et le goulot d'étranglement, c'est le contexte.
Quand l'agent pousse du code en production à 3h du matin, qui est responsable ?
La sécurité de l'agentic coding se joue dans la revue : signaux d'alarme, vérifiabilité, harnais et identité des agents.
Agentic coding sur de grandes bases de code : le vrai problème n'est pas l'agent, c'est la mémoire
Agentic coding sur de grandes bases de code : le vrai goulot, c'est lire le code existant — donnez le contexte du dépôt à l'agent.
MCP : votre agent de code est aveugle sans ce protocole
Le Model Context Protocol expliqué : connecter les agents aux outils et données, le problème N×M, et la sécurité côté machine.
L'agentic coding ne coûte pas cher — jusqu'au jour où la facture atterrit sur le bureau du CFO
Combien coûte vraiment l'agentic coding ? Fin des assistants bon marché, ROI, et passage « de l'adoption à l'allocation ».
Vibe coding ou agentic coding : vous n'avez pas le droit de confondre
Vibe coding ou agentic coding ? Deux postures, deux usages, et une question : qui garde la propriété du code ?
Ornith-1.0 : quand le modèle apprend son propre harnais
Un même modèle open-source, deux verdicts opposés selon le harnais. Ce qu'Ornith-1.0 et son entraînement self-scaffolding prouvent pour une DSI.
Le modèle C4 à l'ère de l'IA : qui tient la carte du code généré ?
Quand les agents écrivent le code plus vite que les humains ne le lisent, le modèle C4 de Simon Brown change de statut : de documentation d'architecture, il devient l'instrument de contrôle visuel du SDLC, pour comparer l'intention et ce que l'IA a construit.