Qu’est-ce que l’ingénierie agentique ?

L’ingénierie agentique met l’accent sur la programmation agentique en tant qu’outil plutôt que comme la force chargée de créer l’intégralité d’une base de code. Ce terme s’appuie sur l’expression « vibe coding », inventée par Andrej Karpathy, cofondateur d’OpenAI, en 2025. Le « vibe coding » désigne la pratique libre consistant à demander à des outils d’IA de générer du code plutôt que de l’écrire manuellement.

Cependant, au début de l’année 2026, le secteur du développement logiciel a besoin d’une terminologie reflétant mieux les pratiques professionnelles. Andrej Karpathy a donc créé un nouveau terme : « ingénierie agentique ». Dans cet article, nous examinerons la signification de ce terme et ses différences avec le vibe coding.

Avec le développement rapide de l’intelligence artificielle (IA) et des agents d’IA, l’utilisation de l’IA générative pour créer des logiciels est devenue une étape incontournable du workflow standard de développement logiciel. Selon l’enquête 2025 de Stack Overflow auprès des développeurs, 84 % des personnes interrogées utilisent ou prévoient d’utiliser la programmation assistée par l’IA dans leur processus de développement.

Cette enquête montre toutefois que les développeurs sont plus nombreux à se méfier de l’exactitude des outils d’IA qu’à leur faire confiance : 46 % expriment leur scepticisme, contre 33 % qui se disent confiants dans les résultats obtenus.

Seule une faible proportion des personnes interrogées (3 %) déclare faire « entièrement confiance » aux résultats générés par l’IA. Les développeurs expérimentés se montrent particulièrement prudents : ils affichent le plus faible taux de confiance élevée, avec 2,6 %, et le plus fort taux de méfiance élevée, avec 20 %.¹ Cette tendance révèle une attente largement partagée : la supervision humaine demeure essentielle, notamment dans les fonctions impliquant d’importantes responsabilités.

Dans la pratique, les développeurs utilisent l’IA pour effectuer des tâches chronophages, mais présentant un risque relativement faible lorsqu’elles sont supervisées par une personne expérimentée. Il peut notamment s’agir de remanier du code, de générer du code standard et des tests, d’effectuer des examens de code simples, de rédiger de la documentation, de créer la structure initiale d’API et de réaliser d’autres tâches à faible risque.

En résumé, le vibe coding permet aux développeurs d’automatiser des tâches et de créer rapidement des prototypes au moyen de quelques prompts en langage naturel adressés à de grands modèles de langage (LLM) ou à des systèmes agentiques.

Le mot « vibe » confère au terme « vibe coding » une connotation décontractée et improvisée. Si cette formulation convenait bien à la première phase exploratoire de la programmation assistée par l’IA, elle cadre mal avec la méfiance que les développeurs manifestent aujourd’hui à l’égard des agents de codage fondés sur l’IA.

Sans disposer de l’expertise nécessaire pour utiliser les LLM à des fins d’ingénierie logicielle, le vibe coding peut produire ce que l’on appelle de l’« AI slop », c’est-à-dire du code inutile ou susceptible de casser le code existant. Ce code défectueux augmente souvent la dette technique des équipes d’ingénierie, qui doivent alors consacrer une grande partie de leur temps à le comprendre, à le déboguer et à le remanier.

Andrej Karpathy a présenté le terme « ingénierie agentique » sur X de la manière suivante :

• « Agentique » : une orchestration d’agents écrit le code, tandis que le développeur humain supervise et valide les résultats. À mesure que l’agent ou le système multi-agent exécute les différentes sous-tâches de manière itérative, un humain reste dans la boucle.
• « Ingénierie » : l’utilisation de workflows agentiques pour produire du code réellement exploitable sans en compromettre la qualité exige un certain niveau d’expertise. Cette compétence peut être acquise et améliorée.

Vous souhaitez découvrir comment l’ingénierie agentique transforme le rôle d’ingénieur logiciel ? Regardez la vidéo « Agentic Engineering vs. Software Engineering : Beyond Vibe Coding » (Ingénierie agentique et ingénierie logicielle : au-delà du vibe coding) pour comprendre en quoi l’ingénierie agentique se distingue du développement logiciel traditionnel et comment les développeurs peuvent collaborer avec des agents d’IA.

L’ingénierie agentique repose sur la combinaison de l’expertise humaine en ingénierie et d’agents d’IA capables d’effectuer des tâches spécifiques de développement logiciel. Au lieu de demander à un système d’IA de générer une application entière à partir d’un seul prompt, les développeurs définissent des objectifs, décomposent le travail complexe en tâches gérables, fournissent aux agents le contexte et les outils nécessaires, puis examinent et valident le résultat.

Un workflow type d’ingénierie agentique comprend les étapes suivantes :

1. Définition de l’objectif et des exigences. Les développeurs déterminent ce que le logiciel ou la fonctionnalité doit accomplir, ainsi que les exigences techniques, les contraintes et les normes de qualité.

2. Décomposition du travail en tâches. Le travail de développement complexe est divisé en tâches plus petites et bien définies qu’un agent d’IA peut exécuter, telles que l’écriture de code, la mise à jour de la documentation, la génération de tests ou l’identification de bogues.

3. Attribution des tâches aux agents d’IA. Les développeurs sélectionnent ou configurent des agents pour des tâches spécifiques et leur donnent accès au code, à la documentation, aux outils de développement et à tout autre contexte dont ils ont besoin pour travailler efficacement.

4. Orchestration et pilotage des agents. Les développeurs fournissent des instructions, établissent des dépendances entre les tâches et déterminent quand les agents doivent travailler de manière autonome ou quand leurs résultats nécessitent une intervention humaine.

5. Examen et validation des résultats. Des ingénieurs évaluent le code généré par les agents ainsi que les autres résultats afin d’en vérifier l’exactitude, la sécurité, les performances, la maintenabilité et la conformité aux exigences. Des tests automatisés et d’autres outils d’évaluation peuvent faciliter ce processus.

6. Itération et affinage. Les agents peuvent réviser leur travail en fonction des résultats des tests, des retours des développeurs ou de l’évolution des exigences. Les développeurs continuent à orienter le processus jusqu’à ce que le résultat réponde aux normes requises.

7. Intégration des modifications approuvées. Une fois le travail examiné et validé, les développeurs intègrent le code obtenu dans le workflow global et dans la base de code de production.

La principale distinction réside dans le fait que les agents d’IA se chargent d’une grande partie de l’exécution, tandis que les ingénieurs humains restent responsables de la direction des travaux, de la prise de décisions techniques stratégiques et de la garantie de la qualité du résultat final. Les entreprises exploitent ainsi l’IA au-delà de la simple génération de code tout en conservant le jugement technique et la supervision indispensables au développement logiciel professionnel.

Les entreprises peuvent passer à l’ingénierie agentique en mettant en place une gouvernance adaptée, en dotant les développeurs des compétences nécessaires pour travailler avec des agents d’IA et en créant l’infrastructure technique requise pour prendre en charge les workflows agentiques. Cela implique notamment de fournir aux agents un contexte organisationnel pertinent, de décomposer le travail de développement en tâches gérables et d’établir des processus clairs pour la supervision et la validation humaines.

Les entreprises peuvent prendre plusieurs mesures pour faciliter cette adoption.

Ensemble, ces pratiques permettent aux entreprises de passer de l’expérimentation d’outils de codage basés sur l’IA à une approche plus structurée de l’ingénierie agentique, dans laquelle les agents d’IA se chargent de tâches de développement de plus en plus complexes sous une supervision humaine appropriée. 

L’ingénierie agentique permet de s’éloigner de la logique déterministe pour pénétrer dans le domaine plus nuancé du jugement probabiliste. Elle impose donc un changement fondamental dans la manière dont les entreprises envisagent leur activité et dont les équipes d’ingénierie travaillent.

À mesure que le paysage du développement logiciel assisté par l’IA continue d’évoluer, sa terminologie est également appelée à changer. Si l’expression « ingénierie agentique » fournit aujourd’hui une représentation plus mature et plus exacte de la collaboration entre les développeurs et les systèmes autonomes, les pratiques qu’elle désigne continueront à progresser à mesure que les agents d’IA gagneront en capacités. Dans les années à venir, les systèmes agentiques devraient être en mesure de prendre en charge des tâches de plus en plus complexes.

Parallèlement, le rôle des développeurs évoluera : au lieu de se contenter d’écrire du code, ils seront amenés à concevoir, superviser et façonner le comportement de ces systèmes d’IA. Que vous soyez ingénieur en IA, développeur full stack, data scientist ou que vous fassiez vos premiers pas dans le codage, certains principes fondamentaux demeureront indispensables : la supervision humaine, la compréhension de la conception des systèmes et la capacité à prendre des décisions exigeant un haut niveau de discernement.

Si vous ne savez pas vraiment par où commencer, commencez modestement. Explorez un workflow agentique, qu’il soit open source ou dédié aux entreprises, testez-le avec votre équipe et découvrez ce qu’il peut vous apporter.