Pendant des décennies, l’image d’un développeur de logiciels a été celle d’un architecte solitaire penché sur un environnement de développement intégré (IDE) et un terminal brillants, traduisant une logique métier complexe en milliers de lignes de syntaxe. Le succès est souvent mesuré par la capacité du développeur à agir comme un dictionnaire vivant de commandes et un débogueur précis de points-virgules. Cependant, nous entrons dans une nouvelle ère. L’introduction d’outils d’agent et de « vibe coding » assisté par l’IA modifie fondamentalement les flux de travail des développeurs. Nous assistons à la montée de la « classe des superviseurs ». Un changement où la principale valeur pour les développeurs n’est plus la génération manuelle de code, mais l’orchestration de haut niveau d’agents autonomes.
Montée de la classe des superviseurs
Le rôle des développeurs passe à un niveau supérieur. Les flux de travail précédents comprenaient la compréhension des besoins de l’entreprise, la rédaction de conceptions de haut niveau et de bas niveau et la saisie de code ligne par ligne. Actuellement, les deux dernières étapes sont principalement gérées par des agents. Les développeurs demandent des objectifs et des exigences au système et permettent aux agents d’accomplir des tâches.
Dans cette nouvelle réalité, les terminaux deviennent des outils plus puissants que les créateurs d’interface utilisateur traditionnels, car ils agissent comme des hubs centraux qui surveillent les boucles autonomes. Les développeurs ne se contentent plus d’écrire. Ils examinent, affinent et dirigent. La proposition de valeur fondamentale est passée de la mémorisation de la syntaxe à l’application d’un jugement de haut niveau.
La mort de la syntaxe et la naissance des compétences d’agent
Avec ce flux de travail réinventé, mémoriser 50 ou 60 commandes de terminal spécifiques n’est plus un goulot d’étranglement. Bien qu’une connaissance de base de ce que font ces commandes soit toujours requise, le besoin de mémoriser une syntaxe détaillée diminue. Au lieu de cela, l’industrie adopte les compétences des agents, des instructions modulaires en langage naturel qui enseignent aux agents comment combler leurs lacunes en matière de connaissances.
Les compétences des agents résolvent l’une des frustrations les plus persistantes des premiers codages de l’IA : l’oubli. Les invites standard sont temporaires et les grands modèles de langage (LLM) souffrent de fenêtres contextuelles limitées. Si la conversation est trop longue, le modèle perd son avantage. Les compétences des agents agissent comme un cadre modulaire et indexé, un peu comme les chapitres d’un livre, permettant aux agents de capturer uniquement les connaissances spécifiques nécessaires à une tâche. Cela permet aux développeurs de créer un « second cerveau » persistant au sein du référentiel du projet, garantissant qu’une fois que les agents ont appris les meilleures pratiques et les règles architecturales spécifiques au projet, ils les conservent.
Codage vibratoire avec garde-corps
Certains sont sceptiques quant au passage au vibe coding. Sans structure, le codage d’ambiance peut conduire à une sortie IA de mauvaise qualité, appelée « slop », qui peut produire un code qui semble correct mais qui ne répond pas aux normes de sécurité ou de performances des environnements de production. Les nouvelles architectures de collaboration nécessitent de repenser le cycle de vie du développement logiciel (SDLC) avec des garde-fous intégrés. Les entreprises intègrent désormais des linters, des scanners de sécurité et des flux de travail déterministes directement dans la boucle des agents.
La nécessité d’une base structurée est la raison pour laquelle le mythe selon lequel les plateformes SaaS ne sont pas pertinentes contredit la réalité de l’entreprise. Lorsque les développeurs codent une architecture entière à partir de zéro, ils créent par inadvertance un important fardeau caché : une vaste surface de code brut qui doit être entretenue, protégée et exploitée. Les frais administratifs qui en résultent (passer du temps d’ingénierie d’élite à réparer les résultats et payer des coûts symboliques élevés pour des invites non fondées) finiront par dépasser la vitesse de création initiale.
Les plates-formes Agentic SaaS fournissent les métadonnées nécessaires et l’infrastructure sécurisée pour permettre aux agents d’effectuer des tâches allant de l’assistance à la facturation aux requêtes promotionnelles avec la précision requise pour les opérations. Les compétences des agents restent précieuses. Le déploiement de compétences d’agent au sein d’une plateforme où les bases de sécurité et d’évolutivité sont déjà en place constitue un puissant accélérateur permettant aux développeurs de créer rapidement des fonctionnalités à haute valeur ajoutée au-dessus de la plateforme.
Management d’une équipe de sous-agents
La vie quotidienne des développeurs modernes consiste de plus en plus à gérer des équipes plates composées de sous-agents spécialisés. Plutôt qu’un seul agent d’IA monolithique, les développeurs orchestrent des flux de travail séquentiels ou parallèles entre des agents spécialisés pour le code frontal, les examens de sécurité et les tests.
Nous constatons déjà ce changement dans la manière dont les organisations évoluent. Lennar, l’un des plus grands constructeurs de maisons aux États-Unis, déploie actuellement 1,1 million de flux de travail d’agent par mois pour fidéliser davantage de clients, augmenter les taux de conversion et raccourcir les cycles de vente. De même, le fabricant de tablettes en papier reMarkable a lancé son premier agent IA en seulement trois semaines. L’entreprise a résolu plus de 10 500 demandes de clients avec des scores NPS qui correspondent aux équipes d’assistance humaine.
Pour ces entreprises, la classe de superviseur de développeur fait plus que simplement écrire du code. Ils développent des compétences et des couches d’orchestration qui permettent à ces agents d’agir comme une extension transparente de la main-d’œuvre.
De la productivité à la qualité : une nouvelle métrique
Si un agent peut générer 1 000 lignes de code en 10 secondes, les lignes de code et la vitesse brute ne sont plus des indicateurs significatifs pour la productivité des développeurs. En fait, plus de code signifie plus de surface pour l’apparition de bugs.
Nous devons nous concentrer davantage sur les unités de travail des agents, qui sont des tâches discrètes exécutées par des agents IA. Chez Salesforce, notre propre implémentation d’agent met en évidence ce changement. Nos agents d’assistance traitent désormais 96 % des dossiers de manière autonome et nous avons économisé plus de 50 000 heures de temps de vente en laissant les agents « gérer » les ventes.
Pour les développeurs, les unités de travail des agents consistent à mesurer la manière dont les agents peuvent être exploités pour résoudre des problèmes complexes avec un minimum de frictions. Le succès doit être mesuré par la qualité du logiciel. En d’autres termes, le nombre de bugs a-t-il diminué ? L’architecture est-elle plus résiliente ? Proposons-nous des fonctionnalités qui résolvent réellement les problèmes de nos utilisateurs, plutôt que de simplement remplir nos référentiels ?
Passer de la consommation de jetons à la qualité du travail en tant que mesure permet aux développeurs de se concentrer sur ce que les humains font de mieux : faire preuve de jugement, comprendre les besoins des utilisateurs et concevoir des systèmes conçus pour durer.
Le besoin persistant de l’intention humaine
Nous sommes aux premiers stades de cette transition, qui rappelle l’époque où les développeurs ont commencé à partager des modules avec Node Package Manager (NPM) ou Maven. Un « échange de compétences d’agent » mondial sera bientôt disponible, où les développeurs partageront des procédures d’agent modulaires, des blogs techniques au référencement et à la logique algorithmique complexe.
L’avenir appartient aux développeurs qui maîtrisent la capacité de décomposer l’expertise humaine en compétences d’agent réutilisables. Assumer un rôle de superviseur ne remplace pas un développeur. Ils sont enfin libérés de la corvée de la syntaxe et peuvent se concentrer sur la seule chose que l’IA ne peut pas reproduire : le jugement de haut niveau nécessaire pour construire l’avenir des logiciels.
Les opinions exprimées dans les articles de commentaires de Fortune.com sont uniquement celles de l’auteur et ne reflètent pas nécessairement les opinions ou les croyances de Fortune.
