- Les axes clés sont Gemini 3.5 Flash, Gemini Omni Flash, Antigravity 2.0, Google AI Studio, Gemma 4, Android 17, Chrome/Web, Firebase, Google Play et les compétences des développeurs à l’ère de l’IA
- Google ne met pas seulement en avant les annonces de modèles, mais aussi un flux de développement où les agents accèdent concrètement aux produits, au navigateur, au cloud, aux applications mobiles, aux données, aux documents et aux environnements de test
- Les outils de développement dépassent désormais la simple génération de code pour s’étendre à la planification, l’exécution, la validation, le débogage, le déploiement, l’évaluation et la coordination de plusieurs agents
- Android, Flutter, Chrome, Firebase et Google Play évoluent tous en intégrant Gemini et les outils d’agents dans les flux de développement existants
- Plus que l’écriture du code, ce sont désormais les coûts de validation, l’apport de contexte, les droits d’accès aux outils, l’observation du runtime, l’infrastructure de test, ainsi que la documentation et l’architecture système de l’organisation qui deviennent les principaux goulets d’étranglement
- Plus de 8,5 millions de personnes par mois créent des applications et des expériences avec les modèles de Google
- Les API de modèles de Google traitent environ 19 milliards de tokens par minute
- Usage d’AI Search :
- AI Overviews est utilisé par plus de 2,5 milliards de personnes par mois
- AI Mode est utilisé par plus de 1 milliard de personnes par mois
- Les utilisateurs actifs mensuels de l’app Gemini sont passés de 400 millions lors du dernier I/O à plus de 900 millions
- Plus de 50 milliards d’images ont été générées avec le modèle Nano Banana
- Gemini 3.5 Flash est disponible dans l’ensemble des produits et des API, avec comme points forts la rapidité d’exécution et l’efficacité en coût
- Gemini Omni Flash est le premier modèle de la gamme Omni, avec une orientation vers une prise en charge plus large des entrées et sorties multimodales
- Antigravity 2.0 est une application desktop autonome disponible dans le monde entier, qui réunit sur un seul écran les conversations avec les agents, les projets et la gestion des tâches
- Grande démo Antigravity :
- 93 sous-agents, plus de 15 000 requêtes au modèle et 2,6 milliards de tokens ont permis de créer le cœur d’un système d’exploitation fonctionnel à partir d’un projet vide
- L’exécution a été réalisée avec moins de 1 000 dollars de crédits API grâce aux performances et à l’efficacité coût de Gemini 3.5 Flash
- Google présente aux développeurs une approche qui regroupe modèles, outils d’agents, plateformes utilisateurs et infrastructure
- Les managed agents arrivent dans l’API Gemini, ce qui permet d’utiliser sous forme d’API des harnais d’agents comme Antigravity
- Google Antigravity 2.0 est une application desktop centrée sur les agents, dans laquelle plusieurs agents se répartissent les tâches de développement
- Le SDK Antigravity permet de personnaliser et de déployer directement les flux d’agents
- Dans Google AI Studio, les nouveaux utilisateurs peuvent déployer directement sur Cloud Run sans carte bancaire
- Grâce à l’intégration de Google Workspace, AI Studio peut utiliser les données Workspace dans le flux de création d’applications
- Google AI Studio permet désormais de transformer directement une idée en application Android
- Gemma 4 :
- fourni sous licence Apache 2
- a atteint 100 millions de téléchargements dès le premier mois
- l’ensemble des téléchargements de Gemma dépasse désormais 500 millions
- Chrome DevTools for Agents peut être utilisé avec Antigravity et plus de 20 agents de codage
- Gemma 4 a été affiné avec LoRA pour produire des réponses en commandes bash directement exploitables dans un pipeline CI, puis déployé sur un laptop local
- Après avoir déployé des applications créées dans AI Studio sur Cloud Run et Firebase, le flux d’agents s’étend jusqu’au débogage et à l’analyse en phase d’exploitation
- Via plus de 50 serveurs MCP managés, les agents accèdent aux outils et aux données de Google Cloud
- Developer Knowledge MCP injecte dans les outils d’agents des informations à jour issues de la documentation Google, afin de réduire les problèmes liés à la documentation obsolète
- Les instantanés de documentation les plus récents sont intégrés dans les outils d’agents à un rythme d’environ 8 à 12 heures
- Data Agent Kit et BigQuery MCP servent à analyser les données Firestore, BigQuery et les logs, puis à créer des tableaux de bord
- Antigravity peut enquêter sur des erreurs applicatives, trouver les fichiers concernés, les corriger et aller jusqu’au commit GitHub
- Un remediation agent et un agent CI déployés sur Cloud Run sont connectés à Eventarc, Pub/Sub et Gemini pour enquêter sur les erreurs et les corriger
- Plusieurs agents se transmettent le travail selon un mode A2A (agent-to-agent)
- Le développement d’agents ne s’arrête pas au prototypage, mais s’étend jusqu’au déploiement, au monitoring, à l’analyse de données et à l’auto-remédiation
- Android 17 ajoute des limites mémoire et des outils associés pour éviter qu’une consommation mémoire excessive d’une application ne dégrade l’expérience utilisateur
- Android 17 prend automatiquement en compte pour l’analyse des conditions comme excessive memory, cold start et excessive CPU
- Les applications ciblant Android 17 auront besoin de la permission ACCESS_LOCAL_NETWORK pour détecter et se connecter à des appareils du réseau local
- Google renforce son orientation vers la création d’interfaces Android avec Jetpack Compose
- Compose 1.10 et Compose 1.11 incluent des améliorations de performances, d’interface hybride et de nouvelles API
- L’intégration entre AppFunctions et Gemini est en preview privée, et permet aux applications de devenir des cibles d’orchestration pour Gemini
- La developer preview de l’API ML Kit Prompt permet de tester certaines nouvelles fonctionnalités
- Android 17 apporte Eclipsa Video, une amélioration de la qualité vocale HE-AAC, ainsi que des améliorations photo et média basées sur CameraX et Media3
- Les applications grand écran évoluent vers une approche moins contrainte par les limites historiques du mobile grâce à Navigation 3 et à la bibliothèque Compose Adaptive
- Compose 1.6 pour Wear OS prend en charge Navigation 3 et un mode manager qui aide à gérer les contenus en mode économie d’énergie
- Chrome met l’accent sur le fait de permettre aux sites web de bien fonctionner pour les utilisateurs qui utilisent des agents et des outils agentiques
- L’objectif est de connecter aux outils de développement les fonctionnalités web récentes et Baseline, au lieu de se reposer uniquement sur les connaissances de base des modèles
- Depuis l’an dernier, 55 fonctionnalités sont passées à l’état Baseline Widely Available
- Au moment de l’annonce, 52 fonctionnalités sont à l’état Baseline Newly Available
- Comme Chrome est mis à jour toutes les 4 semaines, un agent de codage qui ne connaît pas les dernières fonctionnalités web risque facilement de produire des implémentations obsolètes
- La Prompt API de Chrome est disponible dans Chrome 148
- La Navigation API, View Transitions, HTML-in-Canvas et declarative partial updates entrent dans le flux de développement
- Les développeurs d’extensions Chrome peuvent désormais inspecter et déboguer automatiquement l’installation, le service worker, le side panel et le popup
- Chrome évolue pour fournir aux agents des compétences de haut niveau sur la performance web, l’identity, la security, ainsi que plus de 100 guides de cas d’usage courants
- Injecter aux agents des informations récentes sur les fonctionnalités web et la compatibilité des navigateurs permet de réduire la répétition de schémas de compatibilité obsolètes
- La famille de modèles Gemini est une famille de modèles multimodaux capable de traiter des entrées en texte, image, audio, vidéo et code, ainsi que plusieurs formes de sortie
- Rôles de Gemini 3.5 Pro et Flash :
- Gemini 3.5 Pro se concentre sur la résolution de problèmes complexes
- Gemini 3.5 Flash assure l’équilibre entre performances, vitesse et coût
- La fonctionnalité Build d’AI Studio utilise 3.5 Flash comme modèle par défaut
- Nano Banana 2 peut être testé directement dans AI Studio
- Gemini Omni Flash est un modèle capable de produire des sorties incluant de la vidéo à partir d’une entrée
- Gemini Live et la Live API prennent en charge les interactions vocales
- L’Interactions API est une fonctionnalité destinée à interagir avec des agents dans AI Studio
- Accessibilité de Gemma 4 :
- peut être testé dans le playground d’AI Studio
- certains appels gratuits sont également possibles via la Gemini API
- dispose d’une fenêtre de contexte de 256 000 tokens et est disponible sur Hugging Face
- Gemini Robotics 1.6, Genie 3, Antigravity 2.0, ainsi qu’une stratégie visant à réduire les coûts en mélangeant modèles open et propriétaires, ont également été présentés
- Google AI Studio s’étend au-delà du simple playground de modèles pour devenir un espace où transformer des idées en applications et les déployer
- Modèles, agents, génération d’apps, intégration à Workspace et déploiement sur Cloud Run s’inscrivent désormais dans un même flux
- La section apps d’AI Studio sera bientôt disponible et traitera plus directement de la génération et du déploiement d’applications
- Une fonction permettant d’exporter en un clic le code créé dans AI Studio vers Antigravity a été ajoutée
- Antigravity 2.0 ne se limite pas à l’écriture de code et joue un rôle de mission control en orchestrant plusieurs tâches via des agents
- Antigravity 2.0 place au cœur de son flux la task list, l’implementation plan et la revue des fichiers modifiés
- Les code reviews et la revue des modifications peuvent être traitées directement dans Antigravity 2.0
- La structure consiste à confier à des agents les tâches lourdes comme les tests navigateur, la planification, l’écriture de fonctionnalités sur plusieurs fichiers ou la validation end-to-end
- Il est possible de créer une nouvelle application métier en environ 20 minutes avec Google AI Studio, puis de la faire évoluer avec Antigravity
- Google AI Studio est le point de départ rapide du « prompt to app », tandis qu’Antigravity est l’outil qui fait passer l’application à un véritable travail de développement
- Si les agents de codage ne connaissent pas les capacités web modernes, ils ont tendance à produire du code basé sur des critères de compatibilité navigateur obsolètes
- Chrome a lancé 50 nouvelles fonctionnalités au cours de l’année passée, mais beaucoup n’atteignent pas les modèles à cause de leur date limite de connaissance
- Dans l’exemple de l’Interest Invokers API, l’agent utilise à tort l’ancien nom d’attribut
interesttarget
- Modern Web Guidance est un package de connaissances conçu pour aider les agents à trouver les fonctionnalités web les plus récentes et les implémentations recommandées
- L’agent effectue une recherche sémantique dans un package local avant de répondre
- Taille et structure des guides :
- il existe actuellement plus de 100 guides
- la structure consiste à ne pas exposer toutes les skills par fonctionnalité comme outils de haut niveau, mais à les rechercher et les utiliser au besoin
- Les guides fournissent à la fois l’implémentation moderne idéale et des recommandations de fallback
- En l’absence d’exigence de compatibilité navigateur, l’agent part par défaut du principe Baseline Widely Available
- Si une condition comme « prise en charge de Chrome 144 et plus uniquement » est indiquée dans
AGENTS.md, l’agent peut éviter des fallbacks inutiles
- L’équipe Chrome exécute des évaluations quotidiennes sur des modèles comme Gemini 3.1, Claude Opus 4.7 et GPT 5.5
- Firebase évolue vers une agent-native platform où humains et agents peuvent à la fois créer et faire évoluer des applications
- Firebase Data Connect évolue en Firebase SQL Connect, qui prend en charge le développement d’applications basé sur SQL
- Les custom resolvers de Firebase SQL Connect permettent de relier des services Google Cloud comme Cloud Functions et BigQuery
- Firestore prend en charge la geo search, la recherche plein texte native et le semantic match
- Firebase AI Logic prend en charge les modèles les plus récents et permet de créer des fonctionnalités IA géolocalisées grâce au Maps grounding
- Les fonctions de contrôle de génération d’images de Nano Banana sont également disponibles dans Firebase AI Logic
- Firebase AI Logic prend en charge l’inférence locale et hybride sur iOS, Chrome et Android, avec fallback vers un cloud-hosted model lorsqu’aucun modèle local n’est disponible
- La prise en charge de Dart pour Cloud Functions in Firebase est proposée en experimental preview
- AI Studio est connecté à Google Workspace, ce qui permet d’utiliser dans une application les données de Sheets, Docs, Gmail et Calendar
- Les Firebase agent skills sont disponibles sur Android, iOS, web et Flutter, et la prise en charge de Crashlytics est également étendue
- Play Billing prend en charge plus de 300 moyens de paiement locaux sur plus de 65 marchés
- Google Play compte plus de 890 millions d’utilisateurs prêts à acheter
- Les options pour proposer à la fois Google Play Billing et des moyens de paiement alternatifs s’élargissent, avec l’annonce de frais de service plus bas
- La découverte d’applications s’étend à Gemini app, Android et au web, permettant aux utilisateurs de trouver des apps et des jeux dans Gemini
- Au lieu d’une liste statique de liens, Gemini recommande des applications à partir de leurs fonctionnalités réelles et des informations de leur store listing
- Sur certains sujets, les utilisateurs de Gemini et Play peuvent explorer plus de 450 000 contenus de films et de télévision
- Dans Play Console, si l’on téléverse des fichiers structurés comme Eclipsa Video ou Google Sheets, Gemini préremplit le listing
- Gemini doit aider sur des tâches Play Console comme les bulk price changes, l’import de skills ou la configuration des métadonnées
- L’in-app subscription management API permet aux utilisateurs de changer facilement de formule d’abonnement depuis l’application
- L’an dernier, Google Play Billing a bloqué 3,4 milliards de dollars de fraude tentée et 130 millions de dollars de remboursements abusifs
- Gemini, Search, l’app Gemini et Google DeepMind abordent l’IA agentique dans une même direction
- Gemini 3.5 Flash peut aussi être utilisé dans Search
- Search doit trouver un équilibre entre les réponses rapides et les tâches agentiques plus longues
- Gemini Spark joue le rôle d’un agent always-on qui traite en arrière-plan les tâches confiées par l’utilisateur
- Les modèles doivent aller au-delà des simples réponses de chat et fonctionner à l’échelle de l’ensemble des produits Google et de l’écosystème externe
- Outil interne traduit de Python vers Go :
- La traduction d’un programme existant avec des tests vers un autre langage constitue un problème plus clair pour le modèle
- Certains outils internes sont devenus 10 à 20 fois plus rapides en une seule nuit
- L’infrastructure logicielle interne de Google peut elle aussi évoluer plus vite pour s’adapter au nouveau monde agentique
- Pour que Gemini s’intègre dans l’ensemble des produits Google, il faut que le matériel, l’échelle des modèles, l’intégration produit et la boucle de feedback fonctionnent ensemble
- Le centre de gravité des questions passe de « ce que le modèle peut faire » à « comment déployer le modèle dans les produits et les workflows »
- Les outils de développement Android sont conçus en tenant compte non seulement des développeurs humains, mais aussi des agents IA déployés dans les codebases
- Android Studio Otter prend en charge les comptes Gemini Enterprise et Google One
- Android Studio peut importer et utiliser des modèles locaux et distants
- Android Bench sert de référence pour déterminer quels modèles utiliser pour les tâches de développement Android
- Il est possible de demander directement des transformations d’UI depuis Compose Preview afin que l’agent travaille avec un meilleur contexte
- Il est possible d’utiliser un assistant de création de projet basé sur des agents pour créer une app Android adaptive à partir d’un simple prompt
- Android Studio intègre environ 10 skills pour aider sur des tâches comme l’intégration des API adaptive ou la conversion de XML vers Compose
- Le nouveau Android CLI prend en charge les workflows LLM et réduit de plus de 70 % l’usage de tokens lors de la création d’un nouveau projet par rapport à d’autres outils LLM pour Gradle
- En regroupant Antigravity CLI, Android CLI et les Android skills, il devient possible de démarrer le développement d’apps Android depuis Antigravity
- Avec Android Studio Quail et les appareils Android 17, la connexion à l’appareil est maintenue même si le réseau change ou si le laptop redémarre
- Flutter 3.44 et Dart 3.12 sortent ensemble
- Plus de 1 700 contributeurs ont participé au projet Flutter cette année
- Plus de 1,5 million de développeurs buildent avec Flutter chaque mois
- Dans Flutter 3.44, il est possible de tester un nouveau mode de rendering sur les appareils Android compatibles Vulkan à partir de l’API 34
- Flutter est utilisé dans le système d’infotainment du Toyota RAV4 2026
- Les Cloud Functions for Firebase basées sur Dart peuvent dans certains cas descendre jusqu’à 10 ms de cold start grâce à la compilation AOT
- Firebase AI Logic ajoute des templates de prompt côté serveur, ce qui évite de placer directement les prompts dans l’app
- Firebase Agent Skills for Flutter fournit aux agents des consignes pour construire des apps Flutter et Firebase full-stack
- La prise en charge de LiteRT-LM arrivera bientôt dans le package
flutter_gemma
- Sur Flutter desktop, Canonical intervient comme lead maintainer et strategic steward
- Gemma 4 s’impose comme le modèle public le plus puissant de la famille Gemma
- Il est proposé en plusieurs tailles, de 2B à 31B, pour des usages sur mobile, laptop et cloud
- Gemma a démarré en 2024 comme une famille de modèles allant de 1B à 27B
- Gemma 4 est un modèle open weight compatible avec l’écosystème open source
- Grâce à MTP et au speculative decoding, la vitesse de décodage peut être multipliée jusqu’à 3 fois
- Une implementation day-zero de Gemma 4 est prête pour l’écosystème Android
- Via les API Android, il est possible d’exécuter directement de petits modèles Gemma sur téléphone, ou de coder des apps Android avec un modèle Gemma local dans les environnements où l’accès à l’API Gemini est difficile
- Des agents capables de comprendre une base de données et de trouver des réponses sont construits avec l’ADK (agent development kit) sur Cloud Run et Gemma 31B
- Gemma 4 peut s’exécuter dans le navigateur ou en local via Transformers.js, Ollama et l’interface compatible OpenAI de LM Studio
- Le cloud d’entreprise, la machine locale, le navigateur et le mobile deviennent tous des environnements d’exécution de Gemma
- Les mises à jour Web UI 2026 abordent les fonctionnalités majeures avec leur statut Baseline
- Toutes les fonctionnalités affichent un indicateur de compatibilité comme Baseline Widely Available, Newly Available ou Limited Available
- L’API contrast-color permet de choisir plus facilement en CSS des couleurs avec un contraste adapté
- Dans Chrome 146, la fonctionnalité
meta name="text-scale" prend en charge les réglages système de taille du texte
- Plus de 30 % des utilisateurs sur Android et iOS modifient la taille de texte par défaut
- À partir de Chrome 134, l’élément dialog prend en charge des fonctions comme le declarative light dismiss de popover
- Les View Transitions en deux phases peuvent être testées dans Chrome Canary
- Les scroll-driven animations sont arrivées dans Chrome en 2023, et Interop 2026 améliore leur interopérabilité
- L’API HTML-in-Canvas permet d’insérer de vrais contenus DOM dans un Canvas
- Dans Chrome 149, de nouveaux usages de gap decorations et de shape outside sont ajoutés
- Android n’est plus un écosystème limité aux téléphones, et plus de 580 millions d’appareils grand écran actifs bénéficient des investissements dans les adaptive apps
- Les utilisateurs de foldables sont classés comme une audience à plus forte valeur pour les adaptive apps
- Avec Android 17, la suppression de l’opt-out pour l’orientation et la redimensionnabilité se profile pour les applications ciblant le target SDK 37
- Le Desktop emulator d’Android Studio Quail Canary prend en charge les tests d’apps Android au format desktop
- Grâce à la Continue On API d’Android 17, les utilisateurs peuvent reprendre sur un deuxième appareil ce qu’ils faisaient sur le premier
- Google renforce la tendance consistant à créer des apps Android en Compose-first
- Compose 1.11 améliore la prise en charge du trackpad au niveau de la souris et du pointeur, et ajoute une API de test pour les entrées non tactiles
- Compose ajoute une API expérimentale pour le style basé sur l’état
- Connected Displays est disponible publiquement via Android Feature Drop
- Compose, Navigation 3 et la bibliothèque Compose Adaptive s’adaptent à plusieurs types d’écrans comme les foldables, le desktop, la voiture, la TV et le XR
- Le thème central est la manière dont l’informatique quantique et l’IA s’accélèrent mutuellement
- Hartmut Neven a lancé l’équipe Quantum AI de Google en 2012
- La superposition et le qubit constituent les bases de l’informatique quantique
- Le nombre de bit strings possibles sur une puce de 105 qubits est de 2 puissance 105
- La communauté a déjà identifié plus de 70 algorithmes et problèmes que les ordinateurs quantiques peuvent résoudre de manière utile
- Ce nombre pourrait être multiplié par plus de 10 à l’avenir
- La quantum error correction est une technologie clé pour maintenir l’état de superposition
- En 2022, Google a réussi à réduire les erreurs d’une machine réelle grâce à la quantum error correction
- Quantum Echoes est relié à une approche consistant à apprendre à partir des données issues de la NMR ou de l’IRM
- Google estime que la transition vers la post-quantum cryptography doit être menée de manière plus robuste d’ici 2029
- Présentation d’une stack logicielle open source pour l’entraînement, le fine-tuning et l’inférence de modèles sur TPU
- Le cycle de développement d’un modèle se divise en pre-training, post-training et serving/inference
- Il est possible d’essayer le post-training et l’inférence avec les TPU gratuits de Kaggle et Colab
- La démo vLLM on TPU exécute le modèle Gemma 4 31B sur TPU et résume des informations nutritionnelles à partir d’une image de nourriture
- Gemma 4 est un modèle multimodal adapté aux tâches consistant à recevoir des images, en comprendre le contenu et le résumer
- L’ajout de MTP à l’inférence vLLM sur TPU apporte un gain de vitesse d’environ 3x sur plusieurs tâches
- Tunix est un framework léger pour le post-training
- Au lieu d’un grand modèle, un modèle 4B est fine-tuné pour effectuer la même tâche, puis exécuté sur une seule puce Trillium
- MaxText, Tunix, vLLM, JAX, PyTorch et TPU sont positionnés comme des outils couvrant les différentes étapes du cycle de vie d’un modèle
- Chrome DevTools for agents est un outil qui permet aux agents de code d’observer directement le runtime du navigateur via DevTools
- De la même manière que les développeurs humains apprennent et déboguent avec DevTools, les agents de code doivent eux aussi disposer de cette même boucle de feedback fermée
- Les agents peuvent ouvrir une véritable instance de Chrome, naviguer sur des pages, remplir des formulaires et collecter les console logs ainsi que les network requests
- L’accès aux source maps permet de remonter d’un problème observé à l’exécution vers les fichiers source concernés
- L’outil est fourni sous forme de package NPM avec un serveur MCP et une CLI
- 6 skills fournis :
- troubleshooting, Chrome DevTools et Chrome DevTools CLI skill aident à l’usage général et aux concepts
- accessibility debugging, memory leak debugging et optimized LCP skill injectent des connaissances spécialisées dans l’agent
- L’implémentation repose sur Puppeteer, et les agents utilisent un wrapper de l’outil plutôt que Puppeteer directement
- Par défaut, un profil de navigateur anonyme distinct est utilisé, sans accès au gestionnaire de mots de passe de Chrome
- CyberAgent a audité 236 stories Storybook sur 32 composants en moins d’une heure avec DevTools for agents
- Demis Hassabis a défini l’objectif initial de DeepMind comme « solve intelligence »
- Le thème central porte sur la manière dont l’IA transforme la découverte scientifique, les produits et les outils de recherche
- AlphaFold est à nouveau cité comme un exemple de résolution d’un problème majeur vieux de 50 ans : la structure des protéines
- Gemini for Science s’inscrit dans la continuité des annonces de la keynote autour des modèles pour la science
- Demis Hassabis décrit la période actuelle comme étant dans les « foothills » de la singularité et situe la résolution de l’intelligence à environ un an avant ou après 2030
- Les modèles de la famille Genie servent à tester chez Waymo des situations 1 in a billion difficiles à observer dans le monde réel
- Les avancées d’Isomorphic Labs en drug discovery sont présentées comme un exemple d’accélération de la science par l’IA
- L’application Gemini compte 900 millions d’utilisateurs par mois, et AI Mode in Search devient lui aussi une surface produit importante
- L’IA est utilisée non seulement comme fonctionnalité produit, mais aussi comme outil pour résoudre des problèmes scientifiques et de recherche
- À l’ère de l’IA, le travail des développeurs se déplace de l’écriture de code vers la conception de systèmes, la documentation et l’orchestration
- De nouveaux outils et modèles continuent d’arriver, mais il n’est pas nécessaire de suivre immédiatement toutes les tendances ; il faut choisir délibérément les outils à apprendre
- Intégrer des agents dans une équipe ressemble à l’arrivée de plusieurs ingénieurs juniors, ce qui renforce l’importance de la documentation interne et de l’historique des décisions d’architecture
- Pour construire un bon workflow agentic, il faut définir la responsabilité de chaque agent, la manière dont plusieurs agents dialoguent et le point où intervient la supervision humaine
- L’UX de nombreux outils de code se rapproche, si bien que les schémas appris sur un outil peuvent être transférés à d’autres
- Travailler avec des agents implique de renoncer à une partie du contrôle sur le chemin suivi, tout en alignant les résultats avec l’intention de conception
- La technical debt, la cognitive debt et l’intent debt peuvent s’améliorer plus vite ou se dégrader plus vite avec l’IA
- Faire tourner 20 agents en parallèle peut dépasser la capacité cognitive humaine et doit donc être géré de façon intentionnelle
- Les bonnes habitudes de prompt évoluent : au lieu d’assembler des fragments de requêtes de recherche, il faut exprimer des objectifs complets avec leur contexte
- La vraie question devient moins « écrivez-vous tout le code vous-même ? » que « disposez-vous du contexte et du système de validation permettant aux agents de travailler ? »
- Même à l’ère de l’IA, les fondamentaux du génie logiciel deviennent encore plus importants
- L’IA peut agir comme un force multiplier, mais il faut une expertise approfondie pour évaluer, intégrer et maintenir ses productions
- Plus les agents travaillent de manière autonome, plus il faut un shift-left qui clarifie l’intention plus tôt
- Le System Design s’élargit pour inclure l’environnement, les personnes, les agents, les outils et même la culture
- Les équipes ne doivent pas se contenter d’utiliser les agents out-of-the-box ; elles doivent créer et maintenir elles-mêmes les agent role, profile, recipe, rule et skill
- Les specs, agent rules et skills deviennent la source of truth qui transmet aux agents le what et le why du système
- Pour construire des realistic evals, il faut réunir des compétences en IA, en génie logiciel, en usage utilisateur et en métier
- Il faut créer une boucle de rétroaction qui analyse les agent traces afin d’améliorer l’utilisabilité des outils, les agent skills et la conception du système
- Les ingénieurs humains passent du rôle de conductor d’un agent individuel à celui d’orchestrator d’équipes de plusieurs agents asynchrones
- Pour voir le système du point de vue d’un acteur malveillant, on peut explicitement mettre en place un red team agent
- Si l’IA accélère l’écriture du code, tout l’écosystème de développement subit une pression à l’échelle de la software ecology
- Chez Google, tout le code, y compris Android et Chrome, se trouve dans un monorepo partagé avec des commits sur le trunk
- Google utilise depuis longtemps des outils internes permettant à un seul développeur de modifier des millions de lignes de code
- Il est très probable que l’écosystème de développement actuel ne puisse pas absorber une vitesse multipliée par 10
- Si les agents génèrent davantage de compilations, de tests, de commits et de consommation de tokens, les coûts d’infrastructure et les goulets d’étranglement augmentent
- Les agents peuvent produire du code facile à écrire, sans forcément produire du code facile à maintenir pour les humains
- Il faut des agentic skills de component reuse et de component isolation qui imposent la réutilisation et l’isolation
- Les API et l’accès aux données doivent être solidement protégés comme s’ils étaient de fait exposés aux agents
- La phrase « agents will find things you probably didn't want them to » met en évidence les risques liés à la conception des permissions
- Dans l’écosystème de développement de 2030, notre manière actuelle de faire pourrait sembler aussi datée que l’époque des CD-ROM en 2001
- En utilisant Antigravity avec Flutter, on peut étendre à plusieurs plateformes une idée créée une seule fois
- Depuis la sortie de Gemini 3, les capacités du modèle ont fortement progressé, et Antigravity les prend en charge depuis le début
- Antigravity repose principalement sur une boucle de rétroaction étroite entre planification, exécution et vérification
- Antigravity crée une task list et un implementation plan, conserve des screenshots et des vidéos pendant l’exécution, puis rédige à la fin un rapport décrivant l’implémentation et ses raisons
- À l’étape de vérification, l’enchaînement comprend l’exécution de l’application, la capture de screenshots, le clic sur des boutons dans Chrome et le lancement des tests
- Dans Flutter, le typage fort de Dart et l’analysis server fournissent au LLM des signaux d’erreur objectifs comme les signatures de fonctions ou la structure des classes
- Flutter est un cross-platform UI toolkit qui fournit les mêmes pixels et les mêmes fonctionnalités sur plusieurs écrans
- Le stateful hot reload de Flutter offre une expérience de développement qui reconstruit l’application en moins d’une seconde pendant son exécution
- Plus les agents produisent de code, plus les humains doivent définir les objectifs de conception et la direction produit, puis examiner les productions des agents
- Antigravity fournit la boucle d’exécution des agents, et Flutter fournit des résultats cohérents sur plusieurs plateformes, créant ainsi le flux « vibe once, run anywhere »
1 commentaires
Flash coûte beaucoup trop cher, désormais je vais vivre pour toujours sur l’hébergement gemma d’OpenRouter