De l'autocomplete à l'équipier : l'état des lieux honnête

Les trois âges

1. L'autocomplete (2021-2023) : la suggestion de ligne. Gain réel mais local — tu restes l'auteur de chaque décision ;
2. L'agent (2024-2026) : un LLM avec des outils (lire des fichiers, exécuter des commandes, éditer) qui mène une tâche entière — « ajoute une route », « corrige ce bug », « écris les tests ». Il lit ta base de code, itère sur les erreurs, propose une MR ;
3. L'équipe augmentée (maintenant) : plusieurs agents spécialisés, du savoir-faire versionné dans le repo, des agents en CI — le sujet de ce cours.

Ce qu'un agent fait bien (et mal) en 2026

Bien : le code idiomatique dans un cadre clair, la couverture de tests, les migrations mécaniques, la recherche dans une grande base de code, le premier jet de tout. Mal, sans encadrement : respecter des invariants implicites (« on ne filtre jamais par tenant_id à la main » — comment le devinerait-il ?), résister à la sur-ingénierie, savoir quand s'arrêter, et distinguer « ça compile » de « c'est juste ».

D'où la question qui structure ce cours : comment transférer le contexte et les invariants de l'équipe à des agents — et comment vérifier mécaniquement qu'ils les respectent ? Réponse en deux mots : du savoir versionné (modules 1) et des garde-fous exécutables (module 2). Tout le reste est du détail.

Le principe fondateur : l'agent propose, la CI dispose

L'équipe étudiée dans ce cours (celle d'un copilot B2B en production — le projet du cours « Stack IA ») n'a PAS assoupli sa qualité pour accueillir les agents : elle l'a durcie. mypy strict, ruff 13 rulesets, import-linter, Sonar gate bloquant, tests d'intégration sur vraie DB. La logique : plus la production de code s'accélère, plus la vérification doit être mécanique — un humain ne peut pas relire à la vitesse où un agent écrit. Les garde-fous ne sont pas une méfiance envers l'IA : ils sont ce qui permet de lui déléguer beaucoup.