La démo virale contient un code de triche intégré
Les démos virales comme morluto/rea promettent que les agents IA peuvent inspecter des applications existantes et reproduire leur comportement, alimentant les affirmations selon lesquelles l'ingénierie logicielle est presque résolue. Cette capacité, démontrée dans des outils comme "Reverse Engineer Anything", semble confirmer un avenir où les codeurs humains sont obsolètes, ou du moins, de simples "proxys de chair" pour l'IA.
Mais ces démonstrations frappantes contiennent un code de triche intégré : l'application originale elle-même. Cette référence fonctionnelle rend les fonctionnalités et les résultats escomptés observables, permettant à un agent de comparer sa sortie à une cible concrète plutôt que de deviner ce qu'une demande vague signifie. L'application est l'intention.
Cet avantage crucial permet aux agents de valider continuellement leur travail avec une fiabilité de 100 %. Ils peuvent voir ce qu'ils construisent et l'aligner sur les fonctionnalités et le comportement du produit existant. C'est pourquoi de telles tâches "fonctionnent si incroyablement bien", comme le note Cole Medin.
Cependant, ce succès trace une limite claire : l'ingénierie inverse d'un produit connu diffère fondamentalement de la création de quelque chose de nouveau. Une démo qui montre que les agents peuvent parfaitement reproduire un système existant ne prouve pas qu'ils peuvent découvrir indépendamment ce qu'un nouveau produit devrait être. La compétence de l'intent engineering reste fermement humaine.
Ne devenez pas le bouton copier-coller humain
Le danger immédiat pour les développeurs n'est pas l'obsolescence ; c'est de devenir ce que Cole Medin appelle crûment un "proxy de chair". Cela signifie transmettre sans réfléchir une demande Jira à un agent, puis coller sa réponse dans Slack. Une telle action n'apporte aucun jugement significatif, tout en laissant l'humain responsable du code résultant.
Les modèles de langage, malgré toute leur prouesse, ne peuvent pas lire dans les pensées. Une fonctionnalité magnifiquement implémentée peut toujours résoudre le problème totalement erroné si les exigences, les cas limites, les contraintes ou les attentes des utilisateurs n'ont jamais été explicitement définis. Une sortie polie d'un LLM ne garantit pas une intention correcte.
Medin souligne une distinction cruciale : déléguer l'implémentation ne signifie pas déléguer la responsabilité. Il n'a pas écrit manuellement une seule ligne de code depuis plus d'un an, mais reste profondément impliqué dans la planification initiale et la validation finale. Cela sépare l'automatisation de l'abdication, soulignant que la pensée critique et la supervision sont plus vitales que jamais.
La vraie valeur dans ce nouveau paradigme réside dans l'intent engineering—le processus méticuleux de structuration des exigences et de conception de harnais de validation. Sans cette couche humaine, même les agents les plus avancés produiront des solutions techniquement solides, mais fondamentalement mal alignées. Les développeurs doivent élever leur rôle de codeurs à architectes de l'intention, en s'assurant que l'IA construit la bonne chose, et pas seulement une chose.
La prochaine compétence est la construction du brief—et des contrôles
La véritable compétence n'est pas d'écrire du code, mais l'intent engineering : transformer une idée naissante en une référence précise et exploitable pour un agent. Cela signifie élaborer un PRD détaillé, un plan complet, des exemples concrets, des contraintes claires et des décisions explicites, le tout suffisamment spécifique pour qu'un agent puisse construire à partir de cela. Sans cela, même les modèles les plus avancés produiront un code techniquement solide mais finalement mal aligné.
Un harness robuste fonctionne de manière bidirectionnelle. En amont, il interroge, posant des questions de clarification pour s'aligner sur la portée et les exigences avant que tout code ne soit généré. Après la mise en œuvre, il fournit la validation critique : tests, comparaisons ou étapes de révision pour vérifier rigoureusement si le résultat correspond réellement à l'intention initiale. C'est dans cette boucle de rétroaction que le jugement humain apporte sa contribution indispensable.
Considérez l'expérience de Cole Medin : charger un agent de créer un prototype de jeu a initialement donné un résultat en 2D, manquant son objectif. La percée n'a pas été un modèle plus puissant, mais ses conseils plus clairs. En fournissant une référence visuelle pour le style 3D souhaité et en établissant un mécanisme de comparaison pour les résultats, l'agent a produit une approximation beaucoup plus proche. Cette amélioration découle d'une meilleure orientation et d'une évaluation plus efficace, et non simplement d'une puissance générative brute. Medin souligne que si un agent se trompe, il s'agit généralement d'un échec dans la spécification de l'intention humaine. Pour explorer davantage les capacités des agents, consultez des projets comme morluto/rea: Reverse engineer anything with agents.
Cet article vous plaît ? Recevez-en un comme celui-ci chaque matin.
un e-mail par jour · désinscription en deux clics · aucun traqueur tiers
Apprenez le jugement que la génération de code ne peut remplacer
Alors, comment discerner quelles compétences restent précieuses ? Appliquez un test pratique : une compétence aide-t-elle à définir le problème, à naviguer dans les trade-offs, à fournir une référence fiable ou à détecter quand une réponse est fausse ? Si c'est le cas, l'IA rend cette compétence plus importante, et non moins. L'avantage revient aux personnes capables de diriger et de vérifier la machine, et non simplement de relayer sa production.
Les compétences durables à développer incluent l'analyse des exigences, la conception de systèmes, les connaissances du domaine, la décomposition, les tests et la capacité critique à réviser le travail d'un agent. Bien que la syntaxe soit toujours utile, elle n'est plus la seule voie vers la mise en œuvre ; les bâtisseurs doivent désormais donner la priorité à l'intention et à la vérification.
Cole Medin, qui n'a pas écrit une ligne de code brut depuis plus d'un an, consacre toujours beaucoup de temps à la planification et à la validation. Il note que si un agent commet une erreur, c'est souvent dû à un échec dans la communication de l'intention ou dans la conception du harness.
Les agents peuvent prendre en charge une plus grande partie du codage, mais les bâtisseurs façonnent toujours ce qui est construit et décident si cela fonctionne. L'avenir appartient à ceux qui maîtrisent le jugement que la génération de code ne peut remplacer, en tirant parti de l'IA comme un outil puissant plutôt que comme un remplacement autonome. Cela signifie se concentrer sur les aspects centrés sur l'humain de la livraison de logiciels.
Foire aux questions
Apprendre à créer des logiciels vaut-il toujours la peine avec l'IA ?
Oui. L'IA peut générer du code, mais les gens doivent toujours définir le problème, prendre des décisions de conception et vérifier que le résultat répond aux besoins réels.
Qu'est-ce que l'ingénierie de l'intention ?
L'ingénierie de l'intention est le travail consistant à clarifier les exigences et à donner à un agent IA suffisamment de contexte, d'exemples et de contraintes pour construire la bonne chose.
Pourquoi les agents IA peuvent-ils faire de l'ingénierie inverse d'une application si efficacement ?
Une application fonctionnelle fournit une référence concrète pour son comportement et son apparence, permettant à un agent de comparer sa production par rapport à une cible visible.
Qu'est-ce qu'un harness dans le développement de logiciels par IA ?
Un harness est le processus et l'outillage environnants qui guident un agent, recueillent les exigences, fournissent des commentaires et vérifient son travail.