L’usine logicielle est là — mais qui surveille la chaîne de montage ?

Chez Anthropic, un bot Slack signe désormais 65 % des PR d’ingénierie produit de l’équipe Claude Code [1]. On n’est plus dans l’autocomplétion. L’agent porte du code, écrit ses tests, lance le simulateur, ouvre la PR. La vraie question de 2026 n’est plus « est-ce que ça code ? » — c’est : quand la machine produit tout, où passe le goulot d’étranglement ?

Du copilote à l’usine

Il y a un an, on utilisait les LLM pour générer des bouts de code. Aujourd’hui, ils avalent des chantiers entiers. Anthropic vient de documenter sa méthode pour les migrations de code à grande échelle : un processus en six étapes, où l’agent construit un « rulebook », une carte de dépendances et un inventaire des trous à combler avant de traduire quoi que ce soit [2]. Pour un port Python vers TypeScript, l’ingénieur a relancé la migration complète trois fois, en jetant le résultat à chaque tour, jusqu’à ce que la troisième passe soit bonne.

Et la boucle se referme jusqu’au device : Claude Code peut maintenant compiler et tester des apps iOS directement dans le simulateur d’Apple [3]. L’agent ne se contente plus d’écrire — il vérifie que ça tourne.

Le prérequis oublié : le juge

Ce qui frappe dans la méthode d’Anthropic, ce n’est pas la génération de code. C’est l’obsession de l’exit condition. Avant toute migration, il faut un « juge » capable d’évaluer l’ancien et le nouveau code sur un pied d’égalité. Et pour valider ce juge, on le fait tourner sur du code volontairement cassé : s’il ne détecte pas la casse, ce n’est pas un juge [2].

Autrement dit : quand écrire du code coûte quasi zéro, le problème n’est plus d’écrire. C’est de savoir si c’est juste.

AI scales the writing without scaling the reviewing, creating a bottleneck.

Georg Wiese formule le même constat autrement [4]. Les agents écrivent à coût marginal nul, mais quelqu’un doit encore relire. Sa proposition : coupler IA et vérification formelle. L’humain spécifie ce qu’il veut en Lean, l’IA écrit le code et la preuve machine-vérifiable qu’il respecte la spec. La relecture humaine de l’implémentation disparaît — non pas par confiance aveugle, mais parce qu’une preuve la remplace. La montée en assurance devient presque un effet secondaire.

Claude n’est pas un compilateur

C’est là que le billet « Claude Is Not a Compiler » remet les pendules à l’heure [5]. On aimerait voir l’agent comme une couche de plus dans la pile — vision → stratégie → plan → code → binaire — qui « compile » du langage naturel en code, en prenant les décisions à notre place. Sauf que les abstractions fuient, et les couches se frottent. Un bon agent travaille à travers les couches, pas dans une seule. La mécanique de sympathie compte encore. Ce qui distingue un bon ingénieur, ce n’est pas la vitesse de frappe : c’est le jugement. Et le jugement ne se délègue pas à une chaîne de montage.

Là où ça craque

Quand l’usine tourne à plein régime, deux surfaces se fragilisent.

La sécurité d’abord. Cursor, Codex, Gemini CLI et Antigravity ont tous été touchés par des évasions de sandbox [6]. Ces agents exécutent du code sur nos machines — le bac à sable qui devait les contenir a des trous. Plus on donne les clés à l’agent, plus la moindre fuite coûte cher.

La prod ensuite. Côté SRE, 44 % des organisations ont subi une panne liée à des alertes ignorées l’an dernier, et plus de 70 % des alertes reçues ne sont même pas actionnables selon une majorité d’équipes [7]. L’IA aide à trier ce bruit — mais elle ajoute aussi sa propre complexité en déployant des agents partout. Le veilleur humain reste de garde.

Et le business dans tout ça

Cette bascule ne touche pas que le code. Elle attaque les modèles économiques. Pendant vingt ans, le SaaS a vécu d’une asymétrie : construire coûtait cher, acheter était plus rapide. L’IA effondre cette asymétrie [8]. Un agent n’utilise pas d’interface — il appelle des API, lit plusieurs sources à la fois, déplace la donnée librement. Les coûts de changement qui rendaient les logiciels « collants » s’évaporent. Le « lazy SaaS » — une jolie UI posée sur des données accessibles — est mort. Ce qui survit, c’est ce qui possède une vraie donnée propriétaire ou une logique métier profonde.

L’usine logicielle produit plus vite que jamais. Mais la valeur a migré : du fait d’écrire vers le fait de vérifier, du produit vers la donnée, de la vitesse vers le jugement. La vraie question de management n’est plus « combien de code par jour ? » — c’est : qui, chez vous, tient encore le rôle du juge ?

---

Sources

1. A Fireside Chat with Cat and Thariq from the Claude Code team
2. How Anthropic runs large-scale code migrations with Claude Code
3. Claude Code Can Now Build and Test iOS Apps in Apple’s Simulator
4. A new software engineering paradigm – Blog
5. Claude Is Not a Compiler
6. Cursor, Codex, Gemini CLI, Antigravity hit by sandbox escapes
7. How AI impacts site reliability engineering
8. SaaS will survive, but lazy SaaS is dead

Pour aller plus loin

• Introducing Devin Outposts: run Devin on any machine. — l’agent de code qui sort du cloud pour tourner sur n’importe quelle machine : l’usine se décentralise.
• Meta-Anthropic $10B Compute Deal: Why Meta Is Becoming an AI Cloud Provider — pour comprendre qui finance la puissance de calcul derrière ces agents.
• Introducing Gemini 3.6 Flash, 3.5 Flash-Lite, and 3.5 Flash Cyber — la course aux modèles rapides et bon marché qui rend l’usine logicielle rentable.
• The Enterprise Knowledge Layer — la donnée propriétaire comme dernier rempart quand les UI ne comptent plus.

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.