Le code avec des agents : écrire devient bon marché, vérifier non

Les outils et leurs trois modes

Dans l'IDE, l'agent modifie le code dans votre éditeur sous vos yeux. Dans le terminal, un agent en ligne de commande lit le dépôt, lance commandes et tests, et modifie les fichiers. Dans le cloud, vous confiez une tâche et récupérez une pull request.

Deux formats ouverts limitent la dépendance : AGENTS.md, un fichier Markdown d'instructions pour agents lancé en août 2025 et adopté par plus de 60 000 projets open source en décembre, et MCP pour les outils et les données (voir MCP expliqué).

Benchmarks : regardez la version et le harnais

SWE-bench Verified, le sous-ensemble validé par des humains qu'OpenAI a publié en août 2024, était le chiffre cité à chaque lancement. En février 2026, OpenAI a cessé de le publier : l'état de l'art n'était passé que de 74,9 % à 80,9 % en six mois, un audit de 138 problèmes difficiles a trouvé des tests défectueux dans 59,4 % d'entre eux, et GPT-5.2 a résolu 31 tâches jugées presque impossibles, signe de contamination. Il est absent des tableaux de lancement de Claude Opus 5.5 et de GPT-6 Astra.

Ses successeurs sont plus durs et changent plus vite. SWE-bench Pro (Scale AI, septembre 2025) compte 1 865 tâches longues issues de 41 dépôts ; le 31 octobre 2026, son classement public était mené par Muse Spark 1.1, de Meta, avec 61,5 %, mais n'incluait toujours ni Claude Opus 5.5, ni Claude Sonnet 5.5, ni GPT-6 Astra. Terminal-Bench est passé de la version 1.0 à la 4.0 en 15 mois ; sur le classement de la 4.0 consulté le même jour, Claude Opus 5.5 dans Claude Code mène avec 64,8 %, suivi de Claude Sonnet 5.5 (61,8 %) puis de GPT-6 Astra et GPT-6.1 Sol dans Codex (58,2 % chacun). Les chiffres des éditeurs sont plus élevés. Anthropic annonce 66,4 % pour Opus 5.5 (voir notre analyse) et 70,6 % pour Sonnet 5.5. Dans le tableau DeepSWE v1.1 d'OpenAI, cinq modèles de trois éditeurs se tiennent en moins de 7 points.

Nommez donc le modèle et le harnais, le logiciel qui fait tourner l'agent ; ne comparez qu'au sein d'une même version ; et testez sur votre code. Anthropic recommande de démarrer l'évaluation d'agents avec 20 à 50 tâches tirées d'échecs réels : pour le code, des tickets clos de vos propres dépôts. La méthode est dans notre guide d'évaluation des LLM.

Ce qu'ont trouvé les études de productivité

L'étude la plus rigoureuse reste l'essai randomisé de METR, publié en juillet 2025 : 16 développeurs open source expérimentés, 246 tickets réels d'environ deux heures chacun, dans des dépôts matures de plus d'un million de lignes. Avec l'IA autorisée, surtout Cursor Pro avec Claude 3.5 et 3.7 Sonnet, les tâches ont pris 19 % de temps en plus. Les développeurs attendaient un gain de 24 % et pensaient encore, après coup, avoir gagné 20 %.

Le suivi, lancé en août 2025 et publié en février 2026, estime un gain de temps de 18 % pour les participants revenus et de 4 % pour les nouveaux, mais les deux intervalles de confiance incluent zéro. METR juge ces données peu fiables : 30 % à 50 % des participants ont écarté les tâches qu'ils ne voulaient pas faire sans IA, donc le gain réel est probablement plus élevé.

Les enquêtes montrent le même écart. Dans DORA 2025 (près de 5 000 répondants), 90 % utilisent l'IA au travail et plus de 80 % se disent plus productifs, mais 30 % font peu ou pas confiance au code généré, et l'adoption va de pair avec plus de débit mais moins de stabilité des livraisons. Dans l'enquête 2026 de Stack Overflow, publiée le 6 octobre, 65,9 % utilisent des assistants ou agents de code au travail et 73 % d'entre eux chaque jour ; Claude Code (65,5 %) et GitHub Copilot (58,7 %) sont les agents les plus utilisés, et 48 % jugent acceptable de faire confiance à l'IA quand sa réponse est facile à vérifier.

Sécurité : le code de l'IA échoue de façon connue

En 2025, Veracode a testé plus de 100 modèles sur des tâches en Java, Python, C# et JavaScript : 45 % des échantillons introduisaient une vulnérabilité du Top 10 OWASP, de 72 % en Java à 38 % en Python. Son rapport de juillet 2026 ne voit presque aucun progrès : le taux moyen de réussite aux tests de sécurité passe de 55 % à 56 %, les grands modèles (53 %) dépassent à peine les petits (51 %) et les modèles de raisonnement atteignent 56 %, contre 51 % pour les autres. La qualité fonctionnelle progresse, pas la sécurité.

• Dépendances. Un modèle peut suggérer un paquet qui n'existe pas, et un attaquant peut enregistrer ce nom avant vous. Figez les versions, installez via un registre interne ou une liste autorisée, et faites de chaque nouvelle dépendance une décision humaine (voir la sécurité de la chaîne d'approvisionnement IA). Les extensions de l'éditeur comptent aussi : le 29 octobre 2026, la marketplace de Cursor a distribué pendant environ 11 heures les versions 2.1.312 et 2.1.313 de l'extension Claude Code, modifiées par un tiers pour installer une clé SSH de l'attaquant. Anthropic ne les a pas développées, et selon Cursor les désinstaller ne suffisait pas à nettoyer la machine.
• Secrets. Un agent voit ce que voit son terminal. Donnez-lui des identifiants éphémères au périmètre minimal, jamais ceux de production, et analysez chaque pull request à la recherche de secrets.
• Injection de prompt. Un ticket, une page web ou un README peuvent contenir des instructions que l'agent suit, et OpenAI juge peu probable que le problème soit un jour totalement résolu (voir injection de prompt et agents).
• Isolation. L'isolation du système de fichiers et du réseau a réduit de 84 % les demandes d'autorisation chez Anthropic, ce qui freine la validation machinale, et en octobre 2026 GitHub a fait passer en disponibilité générale l'isolation locale des agents dans Copilot CLI, sans surcoût. Anthropic a aussi observé qu'environ 0,8 % des actions d'agents semblaient irréversibles.

Nous recommandons les mêmes contrôles de sécurité pour toute pull request, humaine ou d'agent, et un pentest web et API externe avant d'exposer une application critique.

Ce qui change dans l'équipe

Des specs avant les prompts. Les agents travaillent mieux à partir d'une spécification courte : critères d'acceptation, fichiers concernés, ce qui ne doit pas changer. AWS a bâti Kiro autour de cette idée, et le harnais d'Anthropic pour agents de longue durée avance une fonctionnalité à la fois, après avoir vu des agents tout tenter d'un coup, se déclarer terminés trop tôt et laisser des fonctions non testées.

Les tests comme contrat. Un agent qui écrit le code et les tests peut se tromper des deux côtés de la même façon. Les tests qui définissent le comportement doivent être écrits ou validés par une personne, protégés par des code owners et jamais modifiés dans la pull request qu'ils valident.

La revue devient le goulot. Gardez des pull requests petites (une tâche, une pull request), demandez des preuves à l'agent (sortie des tests, captures, ce qu'il n'a pas fait) et étiquetez le travail des agents pour le mesurer à part. Selon Anthropic, avec l'expérience, la supervision passe de l'approbation de chaque action au suivi du travail. La revue par IA se vend désormais comme un produit (Code Review de Claude Code est sorti de préversion le 15 octobre 2026) : utilisez-la comme premier filtre, pas comme validation.

Check-list avant d'activer des agents en arrière-plan

1. Un AGENTS.md avec les commandes de build, de test et de lint, et les zones interdites.
2. Des tests d'acceptation sur les chemins critiques, tenus par des personnes.
3. Des contrôles en CI : tests, types, analyse statique, détection de secrets, de dépendances et de licences.
4. Une taille maximale par pull request ; un agent ne fusionne jamais son propre travail.
5. Des identifiants d'agent éphémères, au moindre privilège, séparés des comptes humains.
6. Un bac à sable au réseau restreint et une étiquette sur les commits d'agents.

Gouvernance, licences et propriété intellectuelle en Colombie et en Europe

Commencez par une politique. Le modèle de capacités IA de DORA inclut une politique d'IA claire : quels outils, quels dépôts, quelles données, et qui peut activer des agents en arrière-plan. Sans elle, chacun apporte ses propres outils.

Traitez le code comme une donnée, car les dépôts contiennent des secrets d'affaires et parfois des données personnelles. Choisissez des offres qui excluent l'entraînement sur votre code, tenez les données de production hors de portée des agents et vérifiez où tourne l'inférence. En Colombie, un prestataire qui traite des données personnelles pour votre compte exige un contrat de transmission, et les transferts internationaux relèvent de l'article 26 de la loi 1581 de 2012. Dans l'UE, le RGPD s'applique, et l'article 4 modifié de l'AI Act (en vigueur depuis le 27 juillet 2026) demande aux entreprises de soutenir la maîtrise de l'IA chez leur personnel.

Sur la paternité, le Copyright Office américain a conclu en janvier 2025 que des prompts seuls ne rendent pas un résultat d'IA protégeable : la protection exige une paternité humaine. Conservez les preuves de la contribution humaine (specs, revues, commits), lisez les clauses de propriété intellectuelle de votre éditeur et analysez les licences, car le code généré peut ressembler à du code open source existant.

Les outils changent de propriétaire (Cursor appartient désormais à SpaceX et se vend depuis octobre dans une offre groupée avec Grok et X Premium), de nom ou d'offre (Google a cessé de servir Gemini CLI aux comptes individuels le 18 juin 2026, au profit d'Antigravity CLI), et l'accès peut changer pour des raisons politiques : une directive américaine de contrôle des exportations a obligé Anthropic à retirer Fable 5 à tous ses utilisateurs du 12 juin au 1er juillet 2026. Gardez les instructions dans des formats ouverts, les outils sur MCP et une seconde option testée.

Un modèle opérationnel et les indicateurs qui comptent

Déployez par étapes. Commencez là où la spécification est claire et la vérification peu coûteuse : bugs avec un test qui les reproduit, mises à jour de dépendances, écriture de tests, documentation, migrations mécaniques. Ajoutez des agents en arrière-plan une fois les contrôles et les indicateurs en place, et gardez l'architecture, le code sensible et les migrations de données sous contrôle humain étroit. Après 8 à 12 semaines, comparez avec la référence et décidez dépôt par dépôt.

Notre règle pratique quand nous construisons du logiciel sur mesure : l'agent écrit, les tests et les relecteurs décident. Pour les agents au-delà du code, lisez les agents d'IA en production.