Pourquoi j’arrête le Vibe Coding

• Un article de réflexion critique sur le Vibe Coding, une manière de coder en expérimentant un « état de flow » avec l’IA pendant le développement
• L’auteur s’y est appuyé ces deux derniers mois, mais estime finalement que le résultat n’était pas satisfaisant en termes de productivité et de coût
• Le Vibe Coding n’est pas une méthodologie de développement précise, mais plutôt une forme de développement centrée sur un état ou une émotion
  • Écrire du code en suivant le flux, en s’appuyant sur des assistants de codage IA (Cline, Roo Code, Cursor, etc.)
  • Travailler sans plan clair, uniquement à l’intuition et à l’immersion, en cherchant une impression de progrès guidée par la dopamine

Les problèmes du Vibe Coding

• Perte de temps : au début, tout semble aller vite, mais faute de structure, on se laisse entraîner par les erreurs ou les changements
• Hausse des coûts : plus la fenêtre de contexte de l’IA grandit, plus le coût des appels API augmente
  • Exemple : envoi de centaines de milliers de tokens, génération de milliers de lignes → au final, une facture lourde
• Davantage de retouches : un code créé rapidement au départ finit par ne pas correspondre à l’objectif, ce qui conduit à devoir tout reprendre

Il y a aussi des avantages

• Le débogage répétitif et la récompréhension permettent d’améliorer sa compréhension de la structure du code et du langage lui-même
• L’auteur se concentre actuellement sur l’apprentissage de Python et développe peu à peu la capacité à comprendre les erreurs et à bien orienter le modèle

Vibe Coding vs. chat IA vs. recherche web

• Vibe Coding : utile pour l’exploration initiale ou les essais expérimentaux, mais inadapté à un développement structuré
• Chat IA (ChatGPT, etc.) : utile pour obtenir des réponses rapides et générer du boilerplate, mais une confiance aveugle est risquée (risque d’hallucinations de l’IA)
• Recherche web : indispensable pour trouver des concepts et des solutions exactes, mais cela peut prendre du temps

La combinaison actuellement préférée : Gemini + Open WebUI

• Gemini Code Assist (utilisé dans VS Code) :
  • Gratuit, et particulièrement efficace pour générer des tests et corriger des erreurs
  • Surtout utile pour ceux qui découvrent les tests unitaires
• Open WebUI :
  • Prend en charge différents modèles et offre des possibilités de personnalisation
  • Permet de configurer des prompts adaptés à des usages précis (codage, articles scientifiques, brevets, etc.)
  • Adapté à des tâches efficaces en termes de rapport coût/efficacité, comme l’alignement de texte ou la conversion de tableaux

Un choix inefficace : les agents IA illimités

• Roo Code, Cline, etc. tournent longtemps et consomment beaucoup de tokens
  • En particulier, les solutions basées sur Claude offrent de bonnes performances, mais leur coût est excessivement élevé
• À la place, Gemini 2.0, DeepSeek V3/Chat, etc. sont gratuits ou peu chers, tout en restant performants

Conclusion : à la recherche d’un meilleur équilibre

• On ne peut pas dire que le Vibe Coding soit totalement mauvais
  • Il aide à stimuler la créativité et explorer des idées
• Mais ce n’est pas une manière de développer durable
  • Face aux délais et aux coûts, il faut des alternatives réalistes
• La combinaison optimale actuelle de l’auteur :
  • Gemini Code Assist (gratuit, très bon pour les tests unitaires)
  • Open WebUI (avantageux en matière de contrôle et de coût)
• Projets à venir :
  • Envisager des apps de chat payantes comme Perplexity (20 $/mois, avec aussi une offre gratuite)
  • Les coûts d’API dépassant 30 $/mois, une réduction structurelle des dépenses est nécessaire
  • À long terme, faire tourner des modèles en local est aussi envisagé, avec une possible migration si des modèles plus efficaces apparaissent

[GN⁺]

Avis Hacker News

• Il est intéressant de lire des retours sur la manière dont d'autres utilisent les LLMs pour coder

  • Personnellement, j'ai l'impression que les LLMs ont dépassé la « vallée de l'étrange » de la programmation et améliorent fortement la productivité
  • Si l'on explique bien le problème et les contraintes, ils peuvent générer correctement des milliers de lignes de code
  • Il est important de relire le code généré par le LLM, et il s'en sort bien quand on formule des demandes précises
  • Demander « peux-tu me dire comment tu comptes implémenter la solution ? » est utile
  • Le résultat est surprenant. Le style peut varier, mais la structure est souvent très juste

• Le vibe coding convient aux prototypes exploratoires, pas à l'écriture de code de production

  • C'est acceptable pour des outils personnels, mais pas pour du code destiné à être distribué à d'autres
  • Il faut comprendre le code et itérer dessus
  • Le vibe coding est défini comme le fait de ne pas vraiment se soucier du code

• Le vibe coding consiste à entrer dans un « flow » et générer facilement du code

  • Blague disant que les scènes de hackers au cinéma auraient été plus cool si elles avaient utilisé ChatGPT
  • Juger la justesse du code uniquement sur le fait qu'il s'exécute n'est pas une bonne approche
  • Il est important au minimum de relire ce que produit le LLM

• Je pense que le vibe coding n'a rien à voir avec le développement

  • Même des non-professionnels peuvent produire du petit code, mais les systèmes à grande échelle restent difficiles
  • Les LLMs sont utiles pour générer du code boilerplate, mais il faut corriger quand des problèmes surviennent
  • Les nouveaux « vibe coders » ne comprennent pas le problème et essaient en boucle

• Je dépense 30 $ par jour pour utiliser Claude Code

  • Le vibe coding coûte cher

• Travailler avec une structure en arbre est utile

  • On dessine d'abord la vue d'ensemble, puis on remplit les détails
  • C'est efficace quand on travaille avec des LLMs
  • C'est structuré, mais cela peut toujours être considéré comme du vibe coding

• Karpathy est doué pour trouver des noms

  • Le nouveau terme s'est bien imposé

• J'utilise beaucoup les LLM, mais la notion de vibe vient au départ d'une blague en ligne

  • Il est important de bien formuler les questions, et cela ressemble au développement
  • Les tests sont importants, et l'apprentissage progresse vite grâce au LLM

• Il y a une vraie valeur à exprimer sa pensée dans un langage formel

  • Les mathématiques peuvent aussi s'exprimer en langage naturel, mais la clarté et la concision de la formalisation sont utiles
  • Le code est un moyen de rendre claires des idées ambiguës
  • Il n'est pas souhaitable que tous les systèmes soient écrits dans un langage ambigu

• Les chats IA donnent de meilleurs résultats que la recherche web

  • Pour écrire des requêtes SQL, Gemini donne de meilleurs résultats