Mon workflow de codage avec les LLM à l’approche de 2026 (Addy Osmani)

Workflow d’utilisation des LLM synthétisé par Addy Osmani, ingénieur passé par l’équipe Google Chrome, à partir d’un an d’expérience en codage avec l’IA.

Principes clés :

• Commencer par les spécifications avant le code : rédiger d’abord un spec.md avec le LLM, puis valider les exigences, l’architecture et la stratégie de test avant de commencer à coder. Il parle d’une « cascade de 15 minutes ».
• Itérer par petites unités : ne pas demander un gros livrable d’un seul coup, mais avancer par fonctionnalité, fonction ou bug. Confier un trop gros bloc produit un résultat « comme si 10 personnes qui ne s’étaient jamais parlé l’avaient fabriqué ».
• Fournir suffisamment de contexte : transmettre activement le code pertinent, la documentation API et les contraintes. Utiliser des outils comme gitingest ou repo2txt pour injecter la codebase dans le LLM.
• Choisir les modèles et les utiliser en parallèle : si un modèle bloque, passer à un autre. Exploiter la validation croisée, par exemple en faisant relire par Gemini du code écrit par Claude.
• Garder l’humain dans la boucle : traiter le LLM comme un développeur junior « très sûr de lui mais souvent sujet aux erreurs ». Relire et tester tout le code généré, et ne pas commiter un code qu’on ne saurait pas expliquer.
• Gestion de versions ultra-fine : faire un commit à chaque étape pour disposer de « points de sauvegarde ». Exécuter plusieurs sessions IA en parallèle avec git worktree.
• Définir les règles avec CLAUDE.md/GEMINI.md : écrire dans des fichiers le guide de style du projet, les patterns préférés, les règles de lint, etc., puis les injecter à l’IA.
• Intégrer au CI/CD : les tests automatisés et les linters servent de garde-fou qualité pour le code produit par l’IA. Les logs d’échec sont ensuite renvoyés à l’IA dans une boucle de feedback.

Points à retenir :

• Chez Anthropic, environ 90 % du code de Claude Code est écrit par Claude Code lui-même.
• L’IA récompense les bonnes pratiques existantes. L’impact est maximal quand les compétences d’un ingénieur senior (conception, gestion de la complexité, jugement sur l’automatisation) se combinent avec l’IA.
• Les outils d’IA amplifient les capacités, ils ne les remplacent pas. Utiliser uniquement l’IA sans bases solides peut devenir une « version sous stéroïdes de l’effet Dunning-Kruger ».