Comment créer un agent de codage

• En 2025, construire soi-même un agent de codage est l’un des meilleurs projets qu’un développeur indépendant puisse entreprendre
• Un agent fonctionne avec 300 lignes de code et une boucle de tokens de LLM seulement, et le fait d’en construire un offre l’occasion de passer du statut de consommateur à celui de producteur d’IA
• Les composants de base sont des outils comme lecture de fichiers, liste de fichiers, exécution Bash, édition de fichiers, recherche de code, permettant d’implémenter de vraies fonctions d’automatisation
• Pour le choix du modèle, des modèles agentiques comme Claude Sonnet et Kimi K2 sont adaptés, et si nécessaire un modèle oracle comme GPT peut être connecté comme outil pour effectuer une vérification de plus haut niveau
• En pratique, des produits commerciaux comme Amp, Cursor, Claude Code et GitHub Copilot reposent eux aussi sur une structure similaire

---

Aperçu de l’atelier

• Atelier gratuit animé par Geoffrey Huntley, avec une approche très pratique pour expliquer comment construire soi-même un agent de codage et en comprendre les principes
• Il compare la structure et les principes d’assistants IA commerciaux existants comme Roo code, Cline, Amp, Cursor, Windsurf et OpenCode, tout en offrant l’occasion de les implémenter soi-même
• Cette expérience de construction permet de dépasser le simple rôle d’utilisateur d’IA pour devenir un développeur capable de créer des outils d’automatisation en utilisant directement l’IA
• La structure centrale consiste à exploiter des tokens de LLM en boucle dans environ 300 lignes de code pour produire les fonctions d’un agent
• Des primitives sont ajoutées pour chaque outil (lecture, liste de fichiers, exécution, édition, recherche de code), et des exemples concrets de fonctionnement ainsi que le code sont publiés dans le dépôt GitHub

Qu’est-ce qu’un agent ?

• Ces derniers temps, le terme « agent » est utilisé très largement, mais sa signification réelle et son mode de fonctionnement interne restent peu clairs
• À mesure que la barrière d’entrée pour créer des agents baisse, il devient possible d’aller au-delà du simple consommateur d’IA pour devenir un producteur capable de piloter l’automatisation du travail
• En 2025, à l’image des notions fondamentales de base de données comme la clé primaire, le principe de construction des agents s’impose comme un savoir indispensable
• Des entreprises comme Canva recommandent déjà l’usage de l’IA dans leurs processus d’entretien, et la capacité à automatiser avec l’IA devient un élément central du recrutement
• Désormais, si l’on prend du retard, ce n’est pas à cause de l’IA, mais parce qu’on n’apprend pas de nouveaux outils par le développement personnel

Principes clés des agents de codage

• Un agent de codage se compose uniquement de 300 lignes de code et d’une boucle de tokens de LLM, qui exécute des fonctions via des entrées de tokens répétées
• Le concept de travail concurrent (concurrent work) est important
  • Exemple : même pendant une réunion Zoom, l’agent peut avancer en parallèle, ce qui améliore fortement l’efficacité du travail
• Tous les LLM ne sont pas agentiques
  • « haute sécurité » (ex. : Anthropic, OpenAI)
  • « basse sécurité » (ex. : Grok)
  • « oracle » (avantageux pour les résumés et la réflexion de haut niveau)
  • « agentique » (orienté vers l’action, itérations rapides et appels d’outils)
• Les développeurs doivent comprendre les caractéristiques propres à chaque modèle et choisir celui qui convient selon l’objectif
• Allouer systématiquement toute la fenêtre de contexte nuit aux performances, et il faut garder à l’esprit que « moins on en alloue, meilleurs sont les résultats »
  • Enregistrer trop d’outils MCP entraîne aussi une baisse des performances
• Règle : « Less is more » → pour obtenir les meilleures performances, il faut placer dans le contexte uniquement les outils et données nécessaires

Flux de construction d’un agent de codage

• 1. Enregistrement des outils et appel de fonctions

  • On enregistre par exemple un outil de consultation météo auprès du LLM afin qu’il puisse répondre au bon moment sous forme d’appel de fonction
  • MCP (Model Context Protocol) ressemble à une « bannière d’information sur une fonction » : il suffit d’enregistrer la description d’une fonction pour permettre son appel automatique

• 2. Fonctions essentielles par outil primitif

  • Lecture de fichier (ReadFile) : lit le contenu d’un fichier dans le contexte lorsqu’un chemin est fourni
  • Liste de fichiers (ListFiles) : fournit la liste des fichiers et dossiers d’un répertoire
  • Exécution de commande (Bash) : permet au LLM d’exécuter des commandes du shell système et d’en récupérer le résultat
  • Édition de fichier (Edit) : automatise la création ou la modification d’un fichier désigné
  • Recherche de code (CodeSearch) : effectue une recherche rapide dans toute la base de code à partir de motifs, mots-clés ou noms de fonctions (avec ripgrep)

• 3. Exemples et déroulement des résultats

  • En intégrant chaque outil au LLM, on peut automatiser des tâches successives à partir de simples prompts en langage naturel (ex. : générer du code FizzBuzz → vérifier son exécution, explorer un répertoire → analyser son contenu, etc.)
  • Les fonctions-outils sont appelées séquentiellement selon l’entrée utilisateur ou le scénario, et le renvoi des résultats se répète dans la boucle
  • Séquence principale de fonctionnement d’un agent : entrée utilisateur → décision d’appeler ou non un outil → exécution de l’outil → ajout du résultat au contexte → répétition

Extensibilité et open source

• Aujourd’hui, la plupart des agents de codage fonctionnent à partir d’outils open source existants comme ripgrep
• Sur GitHub, on trouve des projets d’agents simples mais puissants comme SST Open Code et mini-swe-agent, implémentés en à peine 100 lignes, qui peuvent servir de référence pour la performance et la structure
• Il est recommandé aux développeurs de ne pas se contenter de comparer les produits existants, mais de les construire eux-mêmes pour en comprendre et en exploiter les principes
• Lorsqu’ils sont appliqués au travail réel et à l’automatisation, la création d’agents internes et leur diffusion dans l’organisation deviennent un avantage compétitif

Conclusion et implications

• Un agent de codage n’est pas une technologie complexe, mais une combinaison de boucle simple et d’assemblage d’outils
• L’essentiel pour créer un agent de codage est de comprendre sa structure et savoir l’exécuter rapidement, et l’expérience de construction permet de répondre activement aux évolutions des technologies d’IA
• Plus que l’IA elle-même, l’élément le plus important aujourd’hui comme stratégie de croissance personnelle est l’investissement en soi, à travers le développement continu et la capacité à créer des outils
• « Ce n’est pas l’IA qui va vous prendre votre travail, c’est votre collègue équipé d’agents, qui automatise et travaille plus vite »