Agentic engineering : pourquoi le vibe coding a mûri en 2026

En février 2026, Andrej Karpathy a proposé un terme qui a redéfini la manière dont l'industrie aborde le développement assisté par AI : l'Agentic engineering. Cette appellation a remplacé le « vibe coding », ce raccourci informel que Karpathy lui-même avait inventé en 2025 pour décrire la pratique consistant à prompter une AI pour écrire du code sans véritable examen humain. Ce changement de vocabulaire reflète une évolution des pratiques. Les développeurs sont passés d'une expérimentation informelle à des flux de travail structurés où les agents AI planifient, écrivent, testent et itèrent sur le code sous une supervision humaine délibérée.

Cet article détaille ce que signifie réellement l'Agentic engineering, pourquoi l'industrie avait besoin d'un meilleur terme que le vibe coding, et comment les équipes de développement l'adoptent aujourd'hui dans des environnements de production.

What is agentic engineering?

L'Agentic engineering est la discipline consistant à construire des logiciels en orchestrant des agents de codage AI sous une supervision humaine structurée. Le développeur définit les spécifications, fixe les contraintes et révise les résultats, tandis que l'agent gère l'écriture du code, les tests et l'itération de manière autonome à l'intérieur de ces limites.

La définition de Karpathy est précise : « "Agentic" parce que la nouvelle norme est que vous n'écrivez plus le code directement 99 % du temps, vous orchestrez des agents qui le font et agissez en tant que superviseur — "engineering" pour souligner qu'il s'agit d'un art, d'une science et d'une expertise. »

Cela diffère du codage traditionnel (où les humains écrivent chaque ligne) et du vibe coding (où les humains promptent l'AI sans trop se soucier de la qualité du résultat).

Why vibe coding needed a replacement

Le vibe coding a rempli son rôle de provocation. Lorsque Karpathy a introduit le terme au début de 2025, l'intention était de nommer un phénomène réel : des développeurs utilisant des LLMs pour générer du code et le livrant sans inspection approfondie. Pour le prototypage, les scripts jetables et les expériences rapides, ce flux de travail était logique.

Le problème est apparu lorsque la pratique s'est généralisée. L'enquête 2025 de Stack Overflow auprès des développeurs a révélé que 84 % des répondants utilisent ou prévoient d'utiliser la programmation assistée par AI, mais 46 % ont exprimé leur scepticisme quant à la précision du code généré par AI. Seuls 3 % ont déclaré avoir une « grande confiance » dans les résultats de l'AI. Les développeurs expérimentés étaient les plus prudents, 20 % d'entre eux faisant état d'une grande méfiance.

Le décalage entre l'adoption et la confiance a entraîné des conséquences concrètes. Les équipes livrant des résultats issus du vibe coding ont accumulé de la dette technique : des tests échoués, des abstractions fragiles et un code que personne dans l'équipe ne comprenait pleinement. L'industrie avait besoin d'une terminologie reconnaissant le rôle de l'AI sans suggérer que l'expertise humaine était optionnelle.

How agentic engineering works in practice

Le flux de travail est centré sur une boucle de rétroaction entre la supervision humaine et l'exécution autonome de l'agent. Voici comment cela fonctionne généralement dans les équipes de production :

Spécifications et contraintes. Le développeur rédige une spécification en langage naturel ou un prompt structuré définissant les exigences, les cas limites et les attentes en matière de tests. Cela remplace l'approche informelle « construis-moi juste X » du vibe coding.

Orchestration des agents. Des outils comme Claude Code, OpenAI Codex ou GLM-5 décomposent la spécification en sous-tâches. L'agent génère le code, écrit les tests, les exécute et itère sans nécessiter de guidage étape par étape. Les systèmes multi-agents peuvent répartir le travail entre des agents spécialisés pour le frontend, le backend et les tests.

Points de contrôle de révision humaine. Le développeur examine les résultats de l'agent à des points de contrôle définis plutôt qu'après coup. Cela inclut la révision du code, la validation des tests et l'évaluation architecturale. La différence clé avec le vibe coding : la révision est planifiée dans le flux de travail, et non une réflexion après coup.

Intégration CI/CD. Les flux de travail agentiques s'intègrent dans les pipelines d'intégration continue existants. Le code généré par l'agent passe par les mêmes étapes de linting, de test et de déploiement que le code écrit par l'homme. Les organisations ajoutent des garde-fous spécifiques pour les résultats des agents, notamment des seuils de couverture de tests obligatoires et des vérifications de conformité de style.

The tools powering agentic engineering

Le paysage des outils a mûri rapidement. En mars 2026, les principales options se répartissent en deux catégories :

Outil	Catégorie	Approche
Claude Code	IDE / CLI optimisé par AI	L'agent exécute le code, teste et itère de manière autonome
OpenAI Codex	CLI piloté par agent	Exécution en arrière-plan avec points de contrôle de révision humaine
Cursor	IDE optimisé par AI	Suggestions en ligne avec mode agentique pour les tâches complexes
GLM-5	Modèle de fondation	Conçu spécifiquement pour les modèles d'Agentic engineering
Windsurf	IDE optimisé par AI	Agent basé sur le flux avec contexte à l'échelle du projet

GLM-5, publié dans un article de février 2026 par l'Université de Tsinghua, se positionne explicitement comme un modèle « conçu pour faire passer le paradigme du vibe coding à l'Agentic engineering ». Il utilise ce que les auteurs appellent le DSA (agents structurés dynamiques) pour diviser les tâches complexes en sous-composants vérifiables.

Simon Willison, créateur de Datasette et auteur prolifique sur les outils de développement, a commencé à documenter les modèles d'Agentic engineering en février 2026. Sa définition trace une ligne claire : l'Agentic engineering consiste à « construire des logiciels à l'aide d'agents de codage — des outils comme Claude Code et OpenAI Codex, dont la caractéristique principale est qu'ils peuvent à la fois générer et exécuter du code — leur permettant de tester ce code et d'itérer indépendamment du guidage étape par étape de leur superviseur humain. »

Agentic engineering vs. vibe coding: a direct comparison

Dimension	Vibe coding	Agentic engineering
Rôle humain	Révision minimale	Orchestration active et supervision
Qualité du code	Imprévisible	Régie par des points de contrôle et la CI/CD
Cas d'usage	Prototypage, scripts jetables	Systèmes de production, flux d'équipe
Modèle de confiance	« Livrer et espérer »	Validation structurée aux points de contrôle
Compétences requises	Prompting de base	Conception de systèmes, orchestration, révision
Dette technique	Risque élevé	Gérée par des garde-fous

La distinction est cruciale pour le recrutement, la structure des équipes et le risque organisationnel. Une équipe pratiquant le vibe coding a besoin de quelqu'un capable de prompter efficacement. Une équipe pratiquant l'Agentic engineering a besoin de développeurs qui comprennent l'architecture système, les stratégies de test et la manière de concevoir des boucles de supervision pour des agents autonomes.

What organizations should do now

L'analyse d'IBM identifie plusieurs étapes concrètes pour les équipes adoptant l'Agentic engineering :

Établir des cadres de gouvernance. Définir quand et comment les flux de travail agentiques doivent être utilisés, et quelles exigences de révision s'appliquent au code généré par agent.

Former à l'orchestration, pas seulement au prompting. Les ingénieurs doivent apprendre la conception de systèmes pour les flux d'agents — comment diviser les problèmes en sous-tâches adaptées aux agents, définir des points de contrôle de validation et intégrer des boucles de révision dans la CI/CD.

Adopter des architectures basées sur le RAG. Ancrer les résultats des agents dans une documentation réelle, des spécifications et des dépôts de code. Cela réduit les hallucinations et améliore la précision en donnant aux agents accès au contexte réel de la base de code.

Créer des guides internes. Standardiser les modèles d'utilisation des agents, y compris les exigences de révision de code, les attentes en matière de tests et les configurations de garde-fous spécifiques à votre stack.

Mesurer et itérer. Suivre les indicateurs importants : temps de fusion (time-to-merge), taux de défauts sur le code généré par agent vs écrit par l'homme, et satisfaction des développeurs vis-à-vis du flux de travail.

The open-source dimension

Un article académique de janvier 2026 intitulé « Vibe Coding Kills Open Source » a soulevé une préoccupation à laquelle l'Agentic engineering répond partiellement. L'article soutenait que lorsque les développeurs cessent de s'intéresser au code généré par l'AI, ils cessent également de s'intéresser aux bibliothèques open-source dont ce code dépend. Les rapports de bogues diminuent. Les contributions se tarissent. Le contrat social entre développeurs et mainteneurs s'érode.

L'Agentic engineering, avec l'accent mis sur la révision et la compréhension humaine, offre une réponse partielle. Les développeurs qui révisent et comprennent activement le code généré par les agents restent impliqués dans les dépendances utilisées par ce code. Mais l'inquiétude est légitime : plus l'agent est autonome, moins l'infrastructure sous-jacente devient visible pour le développeur qui le supervise.

Conclusion

• Agentic engineering is the practice of orchestrating AI coding agents under structured human oversight to build production software
• Karpathy coined the term in February 2026 to replace the casual connotations of "vibe coding"
• 84% of developers use AI-assisted programming but only 3% highly trust the output, making human oversight essential
• The workflow involves specification, agent orchestration, review gates, and CI/CD integration
• Tools like Claude Code, OpenAI Codex, and GLM-5 enable agents to write, test, and iterate code autonomously
• Organizations should establish governance frameworks, train for orchestration, and create internal playbooks

Key takeaways

• L'Agentic engineering est la pratique consistant à orchestrer des agents de codage AI sous une supervision humaine structurée pour construire des logiciels de production.
• Karpathy a inventé le terme en février 2026 pour remplacer les connotations informelles du « vibe coding ».
• 84 % des développeurs utilisent la programmation assistée par AI, mais seulement 3 % ont une grande confiance dans les résultats, ce qui rend la supervision humaine essentielle.
• Le flux de travail implique la spécification, l'orchestration des agents, les points de contrôle de révision et l'intégration CI/CD.
• Des outils comme Claude Code, OpenAI Codex et GLM-5 permettent aux agents d'écrire, de tester et d'itérer le code de manière autonome.
• Les organisations doivent établir des cadres de gouvernance, former à l'orchestration et créer des guides internes.