Les agents de codage montent en puissance, mais exigent plus de méthode

Les agents de codage, ces assistants capables d’écrire du code mais aussi d’analyser des données ou d’exécuter des tâches système, deviennent un outil clé pour les équipes IA. Andrew Ng explique qu’ils déplacent le travail vers la planification, la vérification et l’orchestration, plutôt que vers la simple saisie de lignes de code. Dans ce contexte, la compétence décisive n’est plus seulement de demander, mais de savoir quand déléguer, contrôler et corriger. Et oui, le clavier n’a pas encore pris sa retraite.

Un workflow plus proche de la conduite que de la frappe

La méthode décrite par Andrew Ng s’organise en quatre temps : planifier, exécuter, déployer, puis surveiller. La première étape réunit la recherche, la rédaction d’une spécification et la définition d’un plan d’exécution ; la seconde consiste à laisser l’agent construire, tester et vérifier, avec un niveau d’autonomie ajusté ; la troisième porte sur le déploiement, éventuellement via une chaîne CI/CD et des validations humaines ; la dernière repose sur la surveillance des journaux et l’amélioration continue.

Le point central est simple : plus l’agent progresse, plus l’humain doit arbitrer. Sur un prototype construit from scratch, la spec peut tenir dans un prompt rapide. Sur un projet existant avec des utilisateurs, elle devient beaucoup plus détaillée, car les risques techniques et métier montent d’un cran.

Autonomie, revue et environnement : les trois leviers qui changent tout

Le texte insiste sur quatre compétences : diriger le workflow, permettre l’autonomie de l’agent, relire son travail et adapter l’environnement. Diriger le workflow revient à doser l’effort humain et celui de la machine selon le coût, le risque et le temps disponible. Permettre l’autonomie suppose de choisir entre une interaction serrée et une exécution en boucle jusqu’au succès.

Relire le travail reste indispensable, car la sortie d’un agent est incertaine. Andrew Ng mentionne des vérifications automatisées, des revues de sécurité, des tests de comportement et, si besoin, des contrôles humains. Enfin, personnaliser l’agent passe par les plugins, les serveurs MCP, les hooks, mais aussi la maintenance d’un contexte stable dans des fichiers comme AGENTS.md ou CLAUDE.md.

Pourquoi les équipes n’ont pas le droit de lâcher le volant

Cette montée en puissance change le rôle des développeurs plus qu’elle ne le supprime. Le travail se déplace vers le choix d’architecture, la définition des critères de réussite et l’évaluation des sorties. Les agents peuvent aller vite, parfois très loin, mais les tâches longues et entièrement autonomes sont souvent survendues par les réseaux sociaux et coûtent cher en jetons. Là encore, la réalité préfère la nuance au grand spectacle.

Andrew Ng décrit les coding agents comme un système itératif, où une erreur dans la vérification peut renvoyer à la phase de planification, et où un problème détecté au monitoring peut conduire à redéployer. Cette boucle compte d’autant plus que les modèles évoluent vite, chez Claude Code, Codex, Cursor, OpenCode ou Pi. Pour les équipes, cela veut dire une chose très concrète : apprendre à piloter ces outils devient une compétence d’ingénierie à part entière.

Les promesses des agents se heurtent encore à la confidentialité

Le même environnement technique soulève aussi des questions de sécurité et de confidentialité, comme le montrent les politiques de rétention de données chez OpenAI et Anthropic. OpenAI promet pour certains clients professionnels un zéro retention data, c’est-à-dire l’absence de conservation des prompts et réponses, tandis qu’Anthropic prévoit un programme Enterprise Frontier Safeguards où les données restent chez le client ou chez certains cloud providers. Les deux sociétés disent vouloir détecter des usages abusifs sans lecture humaine directe, mais les détails techniques restent limités [à vérifier].

Cette tension explique pourquoi les entreprises régulées, comme les cabinets juridiques, les hôpitaux ou les banques, regardent de près ce que “zéro rétention” veut vraiment dire. Si le fournisseur n’a pas vos données, le sujet n’est pas le même que s’il peut y accéder via ses systèmes automatisés. Pour les organisations, le choix d’un agent ne se résume donc jamais à sa vitesse d’exécution ou à sa capacité à écrire du code.

Le vrai enjeu : garder l’humain dans la boucle, mais pas partout

Les agents de codage gagnent en efficacité quand ils sont intégrés dans un workflow précis, avec des étapes vérifiables et des limites claires. Ils sont moins utiles quand on leur demande de tout faire seuls pendant des heures, sans supervision ni objectifs intermédiaires. La bonne approche ressemble moins à une délégation totale qu’à une chaîne de responsabilités bien répartie : l’agent produit, l’humain tranche, l’outillage sécurise. Et, dans les meilleurs cas, les trois avancent sans se marcher dessus.

Pour les équipes produit, cela change le rythme de livraison. Pour les responsables techniques, cela renforce le besoin de spécifications, de tests et de garde-fous. Et pour le marché, cela confirme que la prochaine bataille autour des agents ne se jouera pas seulement sur la qualité des modèles, mais sur la capacité à les faire travailler proprement, en sécurité et dans un cadre exploitable.