Si les entreprises ont massivement adopté les agents de code (Claude Code, Codex, GitHub Copilot) pour gagner en productivité, elles se heurtent aujourd’hui à un « mur de dettes ». Produire du code n’a jamais été aussi simple tout compte fait. Et produire du code maintenable reste un défi humain.
Entre « vibe coding » aléatoire et méthodes structurées comme le Spec Driven Development, le secteur de la tech opère un virage méthodologique crucial pour éviter que les applications ne deviennent des usines à gaz impossibles à déboguer.
L’IA est encore un stagiaire hyperactif qu’il faut cadrer
L’accélération de la production de fonctionnalités via l’IA a un coût caché souvent ignoré au début du déploiement : les défauts structurels.
Comme le souligne Nicolas Gaudemet (Onepoint), l’IA non guidée choisit souvent le chemin de la moindre résistance plutôt que celui de la meilleure architecture.
- Failles de sécurité : l’agent ne s’en soucie pas par défaut.
- Redondance : l’IA réinvente souvent des briques déjà existantes dans la codebase.
- Variabilité : le « vibe coding » (codage à l’instinct via chat) produit des résultats imprévisibles d’une session à l’autre.
Chez SNCF Connect & Tech, leur retour d’expérience indique que le mode conversationnel pur n’est pas optimal pour les 800 collaborateurs tech de l’entreprise. L’imprécision du langage naturel mène à trop de reprises de code.
Solution n°1 : le contexte chirurgical (agent.md & Skills)
La qualité de la production est directement proportionnelle à la précision du contexte. Il ne s’agit pas d’envoyer toute la documentation au LLM (ce qui saturerait sa fenêtre de contexte), mais de cibler les informations critiques.
Les outils de cadrage
- Fichiers agent.md : lus au démarrage de chaque tâche, ils contiennent les règles d’architecture et de nommage spécifiques au projet.
- Skills spécialisés : des jeux de règles distincts pour le front-end, le back-end ou les bases de données.
- Utilisation des MCP (Model Context Protocol) : pour permettre à l’agent d’accéder aux documentations à jour des librairies, évitant ainsi l’obsolescence des données d’entraînement des modèles.
La règle d’or, c’est de ne pas réexpliquer ce que le modèle sait déjà (le langage), mais se concentrer sur ce qui est spécifique à votre projet (l’organisation).
Solution n°2 : passer au « Spec Driven Development »
Pour éradiquer l’aléatoire du « vibe coding », des entreprises comme SNCF Connect s’appuient sur des frameworks comme SpecKit ou BMAD.
L’idée est de simuler une équipe agile complète où l’agent ne code pas avant d’avoir validé une spécification.
| Étape | Action de l’Agent | Rôle Humain |
| Spécification | Traduit le besoin en specs techniques. | Valide ou affine. |
| Planification | Propose les étapes et les options. | Challenge les choix d’architecture. |
| Tâches | Découpe le travail en unités gérables. | Vérifie la cohérence. |
| Implémentation | Génère le code basé sur les étapes validées. | Effectue la revue finale. |
AWS Kiro intègre d’ailleurs nativement cette logique, transformant un prompt en design technique avant toute génération de code.
Solution n°3 : la revue de code multi-niveaux
Même avec les meilleures spécifications, « aucune ligne de code généré par IA ne doit passer en production sans validation humaine » (Mohamed Bendjebbour, Suadeo).
Pour alléger la pression sur les relecteurs humains, de nouvelles pratiques émergent :
- L’agent de relecture : faire revoir le code par un agent séparé, dans une conversation distincte, pour éviter les biais.
- Le croisement de modèles : vérifier le code généré par Claude avec un modèle GPT-5 ou Gemini 3.
- Le micro-découpage : un code bien découpé en tâches unitaires se revoit beaucoup plus vite qu’un bloc monolithique.
Le secret ? Investir en amont pour shipper plus vite en aval
Paradoxalement, prendre le temps de rédiger des règles et des spécifications permet de livrer plus vite.
Un code conforme aux conventions génère moins de bugs et de reprises. La vitesse ne fait donc plus référence à la capacité de générer du texte, mais à la capacité de maintenir un système sain sur le long terme.
- Partager l'article :
Restez à la pointe de l'information avec
INTELLIGENCE-ARTIFICIELLE.COM !
