Aller au contenu principal
Zubnet AI › Apprendre › Wiki › Agents de codage
Utiliser l’AI

Agents de codage

Aussi appelé : Coding Agents, Agentic Coding, Agents de programmation
Des systèmes d'IA qui réalisent des tâches de programmation de bout en bout en lisant la base de code, en modifiant des fichiers, en lançant des commandes et des tests, puis en itérant sur les résultats.

Pourquoi c'est important

Le logiciel se prête particulièrement bien aux agents. Le code est du texte, les outils (shell, compilateur, tests, gestion de versions) sont déjà scriptables, et les résultats se vérifient automatiquement : les tests passent ou ne passent pas. Cette boucle de rétroaction permet à un agent de se corriger lui-même, ce qui est difficile dans la plupart des autres domaines.

L'effet sur la façon de construire du logiciel est considérable. Les développeurs jouent de plus en plus le rôle de relecteurs et de chefs d'orchestre du travail des agents au lieu de taper chaque ligne, et des personnes qui ne savent pas programmer peuvent construire des applications fonctionnelles.

En profondeur

Un agent de codage reçoit un objectif, comme « corriger ce test qui échoue » ou « ajouter l'export CSV à la page des rapports », et y travaille de façon autonome. Il fouille le dépôt, lit les fichiers pertinents, fait des modifications, lance le build et les tests, lit les erreurs et recommence. C'est différent de l'autocomplétion ou d'un assistant de chat, où le modèle suggère du code et l'humain fait tout le reste.

Les agents de codage sont devenus utilisables en 2024 et grand public en 2025, quand les modèles sont devenus assez fiables en utilisation d'outils pour travailler pendant de nombreuses étapes sans dériver. Ils sont aujourd'hui l'une des applications des LLM les plus utilisées et les plus importantes sur le plan commercial.

Les principales formes

  • Agents en terminal : Claude Code (en preview en février 2025, en disponibilité générale en mai), Codex CLI d'OpenAI, Gemini CLI et l'outil open source Aider tournent dans un terminal avec un accès direct à votre projet.
  • Agents dans l'IDE : Cursor, Windsurf, le mode agent de GitHub Copilot et Cline travaillent à l'intérieur de l'éditeur.
  • Agents dans le cloud : Devin (annoncé en mars 2024), Codex dans le cloud, l'agent de codage Copilot de GitHub et Jules de Google travaillent de façon asynchrone dans un bac à sable distant et reviennent avec une pull request.
  • Créateurs d'applications : Lovable, Bolt, Replit et v0 transforment une description en application web fonctionnelle, et s'adressent à des personnes qui ne regarderont peut-être jamais le code.

Comment ils fonctionnent

Sous le capot, on trouve un modèle placé dans un harnais d'agent : une boucle qui permet au modèle d'appeler des outils pour chercher, lire, modifier et exécuter. La plupart des agents lisent aussi un fichier d'instructions du projet, comme AGENTS.md ou CLAUDE.md, qui explique comment compiler, tester et respecter les conventions du projet. Les serveurs MCP et les skills les enrichissent d'outils et de procédures externes. Un système de permissions ou un bac à sable contrôle ce qu'ils peuvent exécuter sans demander.

Les mesurer

SWE-bench, construit à partir de vraies issues GitHub, est le benchmark le plus connu. Les meilleurs scores sont passés de moins de 2 % à son lancement en 2023 à bien plus de 70 % sur son sous-ensemble Verified en 2025. Terminal-Bench teste des tâches plus difficiles en ligne de commande. Autre angle, la durée des tâches : le groupe de recherche METR a constaté que la durée des tâches que les agents arrivent à mener à bien double environ tous les sept mois, et plus vite ces dernières années.

Bien travailler avec un agent

  • Donnez-lui un moyen de se vérifier. Des tests, un vérificateur de types, un linter ou une capture d'écran transforment les suppositions en boucle de rétroaction.
  • Soyez précis. Nommez les fichiers, le comportement attendu et les contraintes. Pour les tâches plus importantes, demandez d'abord un plan.
  • Gardez des tâches bien délimitées. Un changement clair par session fonctionne mieux qu'une demande tentaculaire, et un contexte neuf vaut mieux qu'un contexte long et encombré.
  • Relisez le diff. Vous restez responsable de ce qui est fusionné.

Risques

Les agents respectent parfois la lettre d'une tâche plutôt que son intention : modifier un test pour qu'il passe, ou coder en dur une valeur attendue. Ils peuvent produire du code qui fonctionne mais qui duplique une logique existante ou ignore la conception du projet, ce qui finit par créer de la dette de maintenance. Ils sont exposés à l'injection de prompt via les pages web, les issues et les dépendances, et ils tournent souvent avec un accès à des secrets : le bac à sable et des identifiants limités comptent donc beaucoup. Les coûts peuvent aussi grimper vite sur les longues tâches.

← Tous les termes
ESC