Carte des compétences en ingénierie IA : Utilisation des agents de codage

Une compétence clé en ingénierie IA est l'utilisation d'agents de codage. Votre capacité à les orienter à la fois pour écrire du code et pour effectuer des tâches non liées au code, comme analyser des données ou gérer des opérations système, vous permet d'en accomplir beaucoup plus.

Le rythme rapide de l'évolution des agents de codage signifie que cette compétence évolue également rapidement — plus vite que d'autres compétences de haut niveau en ingénierie IA. Les agents propriétaires (comme Claude Code, Codex et Cursor) et les agents open source (comme OpenCode et Pi) progressent à grands pas grâce à l'amélioration des infrastructures et des modèles. Par conséquent, se tenir au courant de l'utilisation des agents de codage nécessite un processus continu d'expérimentation, de construction et d'apprentissage.

En interrogeant des dizaines des meilleurs ingénieurs IA et en réfléchissant à l'utilisation des agents de codage par notre propre équipe, nous avons identifié un flux de travail cohérent de haut niveau pour construire des logiciels avec eux. Les étapes clés sont :

• Planification. Cela inclut (i) le brainstorming, qui peut comprendre des recherches, des expérimentations et la compréhension de la base de code existante (le cas échéant) et (ii) la rédaction d'un cahier des charges qui capture les exigences, la conception technique et l'architecture, suivie de la génération d'un plan d'exécution. Vous pouvez également examiner le plan pour remettre en question les hypothèses clés et vérifier la sécurité, la sur-ingénierie et autres lacunes.
• Exécution, où vous construisez, testez et vérifiez, avec le bon équilibre entre l'autonomie de l'agent et la supervision humaine. Cela implique (i) de faire construire le logiciel par l'agent, avec un niveau d'autonomie calibré, et (ii) de vérifier sa sortie via des contrôles automatisés et/ou humains.
• Déploiement et surveillance, dans lesquels vous (i) déployez, peut-être avec une passerelle CI/CD ou des passerelles humaines supplémentaires, et (ii) utilisez des agents pour surveiller les journaux, signaler les problèmes, et proposer et exécuter des améliorations.

Ce flux de travail de haut niveau est similaire à celui utilisé pour construire des logiciels avant les agents de codage. Désormais, nous nous concentrons beaucoup moins sur le code et plutôt sur la décision de ce qu'il faut construire, la conception de l'architecture, la rédaction du cahier des charges et la vérification des sorties.

La durée de chaque étape peut varier considérablement entre les projets, et certaines étapes peuvent être omises. Par exemple, le cahier des charges pour un prototype greenfield (c'est-à-dire construit à partir de zéro) pourrait être décrit de manière vague dans une invite rapidement rédigée, tandis que le cahier des charges pour un projet brownfield (préexistant) avec de nombreux utilisateurs pourrait nécessiter beaucoup plus d'efforts pour être rédigé et vérifié. De plus, le flux de travail est hautement itératif, et les développeurs compétents savent quand les retours d'une étape ultérieure doivent les ramener à une étape antérieure. Par exemple, si la vérification échoue, ils savent comment orienter l'agent pour reconstruire et corriger les erreurs ; ou si la surveillance révèle des problèmes, comment faire mettre à jour le système par les agents et le redéployer.

Pour utiliser efficacement les agents de codage dans ce flux de travail, les compétences clés sont :

• Diriger le flux de travail
• Permettre l'autonomie de l'agent
• Réviser le travail
• Personnaliser l'agent et son environnement
• Fondamentaux des agents de codage

Diriger le flux de travail. Vous savez comment naviguer à chaque étape du flux de travail ci-dessus. Cela implique de décider combien d'effort humain et combien d'effort d'agent consacrer à chacune et quand revenir à une étape antérieure pour itérer. Cela nécessite une compréhension approfondie des compromis entre vitesse, coût, risque technique et effort humain, afin de pouvoir décider combien rechercher et planifier en amont, quand conserver la propriété humaine sur le travail critique, comment choisir l'architecture, quel niveau de détail écrire dans un ensemble d'artefacts de planification (comme un cahier des charges), et comment décomposer le travail en étapes vérifiables.

Permettre l'autonomie de l'agent. Lorsque vous appliquez un agent de codage aux étapes du flux de travail, vous choisissez le niveau d'autonomie : le regardez-vous et interagissez-vous de manière interactive, ou lui déléguez-vous une plus grande partie du travail ? Et quand fixez-vous un objectif clair et le laissez-vous boucler jusqu'à ce qu'il réussisse ? De plus, vous devez gérer soigneusement le contexte pour l'agent. Au fur et à mesure que la construction progresse à travers différentes phases, vous calibrerez quand vous assurer que les apprentissages clés, les retours des utilisateurs et les hypothèses — y compris les hypothèses qui ont changé en cours de construction — sont capturés pour que l'agent les utilise en aval. De plus, vous déciderez quand configurer plusieurs agents pour qu'ils s'exécutent en parallèle sur une décomposition de la tâche — soit en faisant orchestrer ces autres agents par un humain ou un agent de niveau supérieur — et comment gérer l'attention humaine entre les sessions d'agents simultanées. Vous savez également comment exécuter les agents en toute sécurité, en définissant les autorisations et les passerelles d'action de manière appropriée pour permettre un développement rapide tout en limitant le risque de fuites, de perte de données ou d'autres dommages.

Réviser le travail. La sortie d'un agent de codage est incertaine. Nous ne savons pas à l'avance quelles bonnes idées il pourrait avoir et quels bugs il va implémenter. La révision et la vérification de la sortie sont une étape clé pour s'assurer que vous obtenez le résultat souhaité et pour rediriger l'agent si ce n'est pas le cas. Vous concevrez des tests et une validation adaptés à la tâche, en appliquant une vérification à la fois comportementale et fonctionnelle selon les besoins. Vous pourriez également tester les flux utilisateur, peut-être en faisant fournir des captures d'écran par un agent comme preuve de succès ou d'échec. Pour l'évaluation qualitative/comportementale, des ensembles d'évaluation, peut-être avec un LLM comme juge, peuvent être utilisés.

Vous devez également décider dans quelle mesure ces tests doivent être automatisés. Certains flux de travail auront tous les tests et la validation entièrement automatisés afin que l'agent puisse vérifier son travail et savoir quand il a réussi à accomplir une tâche. Vous devez évaluer les tests pour vous assurer qu'ils correspondent à vos objectifs, et vous les ferez évoluer si ce n'est pas le cas. De plus, vous utilisez la revue de code agentique et effectuez des audits de sécurité et d'architecture assistés par IA. Lorsque la revue IA n'est pas suffisante, vous insérez judicieusement des revues humaines du comportement du code (et, rarement, du code également) tout en explorant comment automatiser davantage cette revue. Enfin, vous vérifiez le déploiement et pouvez opérationnaliser la surveillance et la gestion des incidents avec des agents.

Personnaliser l'agent et son environnement. Votre capacité à mettre à jour à la fois l'agent et l'environnement dans lequel il travaille permet à vos agents d'obtenir efficacement le contexte dont ils ont besoin, d'accéder aux outils et de construire correctement et efficacement. Vous savez comment intégrer les compétences des agents, les plugins et les serveurs MCP. Occasionnellement, vous les élaguerez lorsqu'ils ne sont plus nécessaires (par exemple, lorsqu'un nouveau modèle rend une ancienne compétence obsolète). Vous pouvez utiliser des hooks pour automatiser les parties répétables du processus de développement, comme le déclenchement de revues de code automatisées ou de pipelines CI/CD. Vous pouvez également maintenir l'environnement dans lequel l'agent travaille : mettre à jour le contexte permanent (comme AGENTS.md ou CLAUDE.md) avec des informations sur la base de code, les hypothèses architecturales clés, le style de code et les modèles d'accès aux données. Vous savez comment préserver l'état entre plusieurs sessions et entre des agents parallèles, et accumuler les apprentissages des agents au fil du temps, peut-être en effectuant des rétrospectives post-exécution pour capturer ce qui a fonctionné et ce qui n'a pas fonctionné. Vous savez également comment établir des conventions et une structure cohérentes pour rendre votre base de code navigable pour l'agent, et comment nettoyer occasionnellement la dette générée par l'agent. Lorsque vous travaillez en équipe, vous réfléchissez à la manière de coordonner le contexte entre les agents des différents développeurs.

Fondamentaux des agents de codage. Enfin, pour prendre de bonnes décisions tout au long du processus, vous avez une bonne compréhension du fonctionnement des agents de codage : comment ils effectuent la recherche/récupération dans la base de code, comment ils gèrent leurs fenêtres de contexte, comment différentes opérations (comme l'ajout d'appels d'outils, de serveurs MCP, etc.) affectent le contexte, comment les agents et sous-agents interagissent, et comment l'agent est construit en enveloppant une infrastructure autour d'un LLM. Cela rend l'agent moins opaque et vous aide à reconnaître les modes de défaillance, tels que la sur-ingénierie d'une solution simple, la perte de rigueur parce que l'agent manque d'un processus de vérification explicite, l'arrêt avant d'atteindre l'objectif, ou les actions de l'agent qui risquent la destruction de fichiers ou de données de production. Cela vous aide également à raisonner sur l'état de l'agent et à l'orienter en lui donnant la bonne prescription ou le bon contexte. Et lors de la surveillance d'une exécution, cette compréhension vous permet de mieux repérer quand l'agent s'écarte de la voie et nécessite votre intervention.

Je trouve que les médias sociaux donnent souvent des descriptions trop simplifiées de la façon d'utiliser les agents de codage. Par exemple, il est parfois utile de faire fonctionner les agents de manière autonome pendant des heures et de brûler des millions ou des dizaines de millions de tokens. Mais actuellement, l'utilité pratique des tâches à très long horizon — surtout par rapport à leur coût — a été amplifiée au-delà de la réalité. Au lieu de cela, l'utilisation la plus efficace des agents de codage est un processus complexe et hautement itératif, et être capable d'intervenir avec un jugement de haut niveau donne de bien meilleurs résultats.

Votre compétence à utiliser les agents de codage fera de vous un constructeur efficace. Cela vous positionne également pour orienter la construction globale. J'en dirai plus à ce sujet dans un prochain article.