Comment l’IA va-t-elle transformer le logiciel en 2026 ?

1. Avec une architecture agent-native, les agents IA pourront manipuler les applications au même niveau que les utilisateurs, et même effectuer des modifications de niveau développeur
2. Les designers commenceront à créer eux-mêmes leurs propres outils sans coder, même si la barrière d’entrée des éditeurs de code reste un défi
3. L’émergence d’un nouveau type de développeur, l’ingénieur agentique, dont le rôle bascule du codage direct vers la direction et la coordination d’agents IA
4. L’entraînement de l’IA évoluera vers davantage d’autonomie (independence), avec la nécessité de permettre aux agents d’explorer par eux-mêmes et de faire des erreurs

---

Prédiction 1 : des logiciels qui traitent les agents comme des citoyens de première classe

• 2025 aura été l’année où les agents de codage ont atteint un niveau de fiabilité crédible : un an plus tôt, quiconque n’était pas développeur professionnel se heurtait au mur des erreurs et des bugs, mais des modèles comme Opus 4.5 d’Anthropic ont permis de dépasser cette limite
• L’architecture agent-native, qui change la manière de construire les applications et ceux qui les construisent, est décrite en trois étapes
  • Niveau 1 : l’agent peut faire tout ce qu’un utilisateur peut faire ; l’IA accède à tous les boutons, réglages et fonctions de l’application pour manipuler le logiciel de la même manière qu’un utilisateur.
    • Atlas d’OpenAI peut exécuter directement des tâches comme ajouter quelqu’un à l’espace de travail Notion
  • Niveau 2 : l’agent peut faire tout ce que le code de l’application peut faire ; il accède à des fonctions backend non exposées à l’utilisateur et les exploite.
    • Cora, l’assistant email d’Every, génère deux fois par jour un « briefing » qui résume la boîte de réception
  • Niveau 3 : l’agent peut faire tout ce qu’un développeur peut faire ; il implémente directement, à la demande de l’utilisateur, des corrections de bugs, l’ajout de fonctionnalités et des changements dans le fonctionnement du logiciel
    • Des entreprises comme Anthropic et Notion réfléchissent à une manière de construire des logiciels qui traitent à la fois les humains et les agents comme des citoyens de première classe

Prédiction 2 : les designers fabriquent directement leurs propres outils

• Les designers et créateurs étaient jusque-là limités dans la construction d’expériences complètes par l’absence de compétences en code, mais le changement a commencé
• Le creative lead d’Every est lui aussi passé du designer traditionnel à une personne qui fait du vibe coding pour créer de petites applications qui l’aident dans son travail
• La peur du terminal de code reste toutefois bien présente, et pour que des éditeurs de code IA comme Cursor s’étendent jusqu’au public des designers, ils devront abstraire le code afin d’abaisser la barrière d’entrée

Prédiction 3 : un nouveau type d’ingénieur logiciel qui dirige des agents IA

• Avec l’évolution des capacités de l’IA, deux types de constructeurs logiciels émergent
  • Les ingénieurs qui utilisent l’IA comme moyen d’accélérer les processus existants tout en continuant à lire et écrire eux-mêmes le code
  • Les vibe coders, capables de produire des résultats même sans comprendre le fonctionnement interne
• Une troisième catégorie apparaît : l’ingénieur agentique
  • Le travail de développement logiciel se redéfinit autour de la direction d’agents IA plutôt que de l’écriture de code
  • Il délègue l’essentiel des tâches de programmation et se concentre sur des activités de plus haut niveau comme définir quoi construire, découper les problèmes et coordonner les agents
  • En renonçant en partie à certains réflexes de codage traditionnels, il choisit consciemment une nouvelle compétence : la gestion des agents

Prédiction 4 : la prochaine vague de l’entraînement de l’IA visera l’autonomie (Independence)

• Le développement des agents IA ressemble au développement de l’enfant : comme un bébé qu’on ne pouvait laisser seul que 5 minutes au départ, puis qui devient peu à peu capable de jouer seul longtemps
• Il y a quelques années, les LLM ne traitaient qu’un tour à la fois ; aujourd’hui, ils peuvent fonctionner près de 20 minutes à 1 heure sans intervention, mais l’exécution indéfinie reste encore lointaine
• Conditions pour atteindre une véritable autonomie
  • Apprentissage continu
  • Perception claire des objectifs
  • Capacité à réviser raisonnablement les objectifs au fil du temps
• L’entraînement à l’alignement actuel est conçu pour rendre les agents prévisibles et obéissants, ce qui constitue un obstacle à l’autonomie
• Pour une véritable autonomie, les agents doivent avoir la liberté d’explorer et de se tromper, mais cela a jusqu’ici été peu autorisé pour des raisons de sécurité
  • Il faut une méthode d’apprentissage qui autorise l’expérimentation et l’échec
• En 2026, de nouvelles approches d’entraînement et architectures devraient émerger pour assouplir ces contraintes et permettre aux agents d’agir de manière plus indépendante

À voir en vidéo - Four Predictions For How AI Will Change Software in 2026