On ne code plus, on écrit des boucles — et c’est là que la dette s’accumule

« Je ne prompte plus Claude. J’ai des boucles qui le promptent et qui décident quoi faire. Mon job, c’est d’écrire des boucles. » Cette phrase de Boris Cherny résume le basculement de 2026. On est passés du prompt au loop. Et personne ne parle de la facture qui arrive avec.

Le prompt est mort, vive la boucle

Depuis quelques mois, ce qui se construit autour des agents de code ressemble de moins en moins à « utiliser un agent ». Le travail entre dans une file, une machine le prend, tente quelque chose, s’arrête — et un harness décide si c’était vraiment la fin [1]. S’il estime que non, il relance, injecte un message, repart sur un contexte modifié, ou envoie la tâche à une autre machine. La tâche reste vivante bien au-delà du point où le modèle, seul, aurait dit « j’ai fini ».

C’est ça, the coming loop : une boucle extérieure à la boucle de l’agent. Et elle marche. Un ancien principal engineer L8 de Meta raconte qu’il a arrêté d’écrire la plupart de son code pour se comporter « comme un engineering manager dirigeant une équipe d’agents ». Résultat : sortir plus de 30 PR de qualité par jour, ce qui était impensable, est devenu « une journée tranquille » [2].

La productivité est réelle. Le problème, c’est ce qu’on empile pour y arriver.

La dette du prompt

Premier étage de la dette : le prompt lui-même. Les interfaces en langage naturel rendent le prototypage magique — tu écris ce que tu veux en anglais, et un prototype apparaît dans l’après-midi. Mais comme façon de spécifier le comportement d’un système fiable, c’est un piège [3].

Le symptôme arrive lentement, déguisé en progrès normal. Un utilisateur signale un cas limite, on ajoute une instruction. Le comportement persiste, on répète l’instruction, avec une sévérité croissante. Le system prompt de Fable répète ses consignes de copyright jusqu’à six fois, sous des sections aux noms de plus en plus alarmants : mandatory_copyright_requirements, hard_limits, critical_reminders [3]. Au bout du chemin, ton prompt est illisible pour tes collègues — et tu es scotché à un modèle, parce que tes correctifs marchent sur l’un et explosent sur le suivant.

Le langage naturel n’a jamais été conçu pour être un langage de spécification. Le traiter comme tel plafonne discrètement ce que tu peux construire.

La dette du harness

Deuxième étage, plus profond. Si tu construis des produits agentiques depuis un an, tu as écrit du code de harness : system prompts, wrappers d’outils, boucles planificateur-exécuteur, politiques de retry, stratégies de compaction de contexte, allowlists, juges pour décider quand s’arrêter [4]. C’est la couche d’orchestration entre le modèle et le monde — le système d’exploitation de l’agent, quand le modèle n’est que le CPU.

La partie amère : presque tout ça va se dissoudre dans la prochaine génération de modèles. Les équipes qui traitent leur harness comme une surface produit permanente passeront un an à l’arracher [4]. La vraie question à se poser sur chaque bout d’orchestration : est-ce porteur, ou n’est-ce que l’échafaudage dont on avait besoin à ce niveau précis de capacité des modèles ?

Pendant ce temps, les incidents montent

On empile de l’orchestration, on accélère — et la gouvernance ne suit pas. Une enquête Jamf montre que l’adoption de l’IA corrèle avec la fréquence des incidents : même les organisations qui n’ont pas encore été touchées s’attendent à un incident lié à l’IA dans un futur proche [5]. Plus de surface agentique, plus d’outils branchés au modèle, plus de boucles autonomes : autant de portes laissées entrouvertes quand le contrôle reste une réflexion après coup.

Le logiciel ne disparaît pas, il passe devant

Alors, est-ce que tout ce code déterministe finit par fondre dans la conversation ? Non. Un LLM n’a pas de schéma, pas de clés étrangères, pas de transactions, pas de contraintes — et si une réponse ne peut pas être déterminée de façon fiable, il répond quand même, de façon plausible [6]. L’affaire Moffatt v. Air Canada l’a rappelé : un chatbot a inventé une politique de remboursement, et le tribunal a fait payer la compagnie pour l’improvisation.

La direction du mouvement est claire. Salesforce n’a pas dissous son CRM dans un chatbot : il a branché du MCP sur Agentforce pour que le modèle atteigne le système qui, lui, fait respecter le schéma. Ce n’est pas le logiciel absorbé par les LLM. C’est les LLM absorbés dans le logiciel [6].

On ne va pas finir avec une appli LLM saupoudrée d’un peu de déterminisme. On va finir avec du logiciel déterministe qui utilise des LLM comme composant. Le software ne sera pas remplacé. Il sera mis en façade.

Alors la vraie question pour 2026 n’est peut-être pas « jusqu’où l’agent peut aller seul ? », mais : dans toute cette orchestration que tu construis aujourd’hui, qu’est-ce qui est porteur — et qu’est-ce que tu seras content de jeter dans six mois ?

---

Sources

1. The Coming Loop
2. An Ex-Meta L8’s Agentic Engineering Setup
3. The Problem is Prompt Debt
4. Hidden Technical Debt of AI Systems: Agent Harness
5. AI adoption correlates with incident frequency, underscoring need for governance
6. What Is Software, and Will LLMs Replace It?

Pour aller plus loin

• Anthropic Wants Claude to Be Your New Slack Coworker — l’agent qui s’invite dans ton espace de travail, exactement le genre de surface qui crée de la nouvelle dette d’orchestration.
• Prompt Injection as Role Confusion — pour comprendre pourquoi plus de surface agentique veut dire plus de portes ouvertes côté sécurité.
• Rethinking cloud operations with agentic observability — l’observabilité comme réponse à la complexité des boucles autonomes.
• Introducing Claude Tag — un exemple concret d’outillage qui peut devenir porteur… ou échafaudage.

Cet article a été rédigé en m’appuyant sur une IA pour m’aider à synthétiser et structurer ma veille. Les idées, le choix des sources et la relecture restent les miens.