Agents IA de code
Agents IA de code : la périphérie pour eux, le cœur pour les humains
Les agents IA de code excellent sur certaines tâches et sont dangereux sur d’autres. Confiez-leur la périphérie, gardez les humains sur le cœur : voici où ils ont leur place, et où ils ne l’ont pas.
Un agent IA de code peut trouver la cause d’un bug dans du code que personne n’a touché depuis un an, puis, le même après-midi, mettre en production sans sourciller un bug qui fait tomber le paiement, si vous le laissez approcher du cœur. L’écart entre ces deux moments est le même à toutes les échelles. Pour un fondateur seul, l’erreur se rattrape ; dans une entreprise, tout se joue là.
Côté fondateurs, l’essentiel est déjà tranché. Depuis un an, je vois des gens sans vrai bagage d’ingénieur construire et faire grandir eux-mêmes de vrais produits : un CRM pour une école en présentiel, un outil pour analystes métier, de l’automatisation marketing pour leurs propres besoins. Le coût d’entrée pour construire s’est effondré : brancher la collecte de métriques depuis Jira et GitLab se fait en une soirée.
Les pièges n’ont pas disparu : les agents perdent le contexte, génèrent du code étrange, et certains projets glissent vers le chaos. Cela se règle, et c’est une bonne part de mon travail ; j’ai décrit à part comment remettre un tel projet d’aplomb. Voilà pour la version fondateur. Le problème plus difficile, et moins balisé, se situe un cran au-dessus, dans une entreprise : c’est le sujet de cet article.
En entreprise, le vrai frein est le droit d’utiliser l’agent
À l’échelle d’une grande entreprise, l’agent est tout aussi capable ; le plus dur est d’obtenir le droit de s’en servir. Dans les startups, l’IA est déjà un outil standard. En entreprise, son adoption reste bloquée des semaines en validations : revues de sécurité, données autorisées à atteindre le modèle, propriétaire de la plateforme, gouvernance des agents.
Ce qui débloque tout : rien n’a besoin de sortir de l’entreprise. Vous pouvez faire tourner une API compatible OpenAI entièrement dans votre propre périmètre : un modèle open source comme Qwen servi via LiteLLM et vLLM, accessible uniquement par le VPN de l’entreprise, avec un agent comme Opencode ou Hermes branché dans l’IDE et des serveurs MCP qui le relient à Jira, GitLab, Confluence et au reste de vos outils internes. Il tourne avec les identifiants du développeur, ne touche que ce à quoi ce développeur a déjà accès et journalise chaque action pour l’audit. La sécurité cesse d’être un blocage. Monter toute la pile est un sujet à part entière, mais ce n’est plus l’obstacle d’il y a un an.

Une fois l’agent en place, sur l’ordinateur du fondateur ou derrière le VPN de l’entreprise, la question reste la même : que lui confier, concrètement ?
Ce que les agents IA de code font bien
Connecté à votre code, votre documentation, vos tâches, vos tests, vos logs et vos métriques, qu’il s’agisse de Cursor, de Claude Code ou d’un agent interne auto-hébergé, l’agent commence à comprendre votre projet. Voici où il gagne sa place.
- Prendre en main du code inconnu — fouiller du code que vous n’avez jamais touché, trouver la cause d’un bug dans une fonctionnalité que vous ne connaissez pas, répondre à la question d’un analyste sur une fonction dont vous n’aviez jamais entendu parler.
- Le support au développement — les outils et automatisations pour lesquels personne n’avait jamais le temps : collecte de métriques, exports de données depuis Jira et GitLab, skills d’agent pour les tâches répétitives comme les intégrations standard. Le produit cœur, où la qualité du code est critique, reste en dehors.
- Les artefacts autour du code — documentation, diagrammes UML, tests automatisés, cas TestRail, présentations.
- Les revues — de code, d’exigences et de spécifications. Pour l’instant, c’est du 50/50 : parfois du pur bruit, parfois une trouvaille vraiment utile.
Ce qu’il ne faut pas confier aux agents IA de code
Le développement de bout en bout de tout ce qui compte. L’argent, les blockchains, les systèmes à forte charge, l’architecture cœur : partout où une erreur est facile à commettre et coûteuse à rattraper. Dans une startup, confier une fonctionnalité entière à l’agent fonctionne déjà en partie ; en production, avec du vrai trafic et du vrai argent en jeu, ce n’est pas encore une bonne idée. Est-ce que ça accélère le travail ? Oui. Est-ce que ça remplace un développeur senior ? Non.
La règle périphérie / cœur
Le principe est simple. L’agent couvre la périphérie du développement : la routine, les tâches de support, l’exploration de code inconnu, les artefacts, tout ce qui représente beaucoup de volume pour un coût d’erreur relativement faible. Le cœur, où le coût d’une erreur se mesure en argent et en utilisateurs, reste aux humains.

Les ingénieurs passaient des heures à chercher de l’information et à abattre de la routine. Désormais, leur travail principal est de prendre la bonne décision d’ingénierie.
Questions fréquentes
Faut-il entraîner ou affiner les agents IA de code sur notre base de code ?
Non. Ils lisent votre code, votre documentation, vos tâches et vos logs au moment où ils travaillent, sans aucun réentraînement. C’est pourquoi bien configurer les accès compte bien plus que n’importe quel réglage du modèle.
Faut-il un service d’IA dans le cloud ou un modèle auto-hébergé ?
Les startups commencent en général avec un service cloud ; les entreprises réglementées ou attentives à la sécurité sont de plus en plus nombreuses à héberger elles-mêmes un modèle open source, pour que les données ne quittent jamais leur périmètre. D’un côté, le contrôle et la confidentialité ; de l’autre, l’effort de faire tourner toute la pile vous-même.
Qu’est-ce qui distingue un agent IA de code d’un chatbot ?
L’accès. Un chatbot répond à partir de connaissances générales ; un agent connecté à votre code, votre documentation, vos tâches et vos logs agit dans votre vrai projet. C’est précisément pour cela que la frontière entre ce qu’il peut toucher et ce qu’il doit laisser compte autant.
Un fondateur non technique peut-il vraiment livrer un produit avec des agents IA de code ?
Oui. Aujourd’hui, la vraie limite est de savoir quoi construire et de garder le code maintenable à mesure qu’il grandit. Des fondateurs livrent régulièrement de vrais produits de cette façon ; quand un projet échoue, c’est presque toujours parce qu’on a négligé sa structure.