ELITE Agentic Engineers Are LEAVING THE LOOP... Here’s why

L'avènement des agents IA a marqué un tournant décisif dans l'ingénierie logicielle, offrant des capacités qui surpassent désormais les performances humaines, même aux meilleurs ingénieurs. Des modèles comme Opus 5.5 et Astra démontrent une efficacité remarquable, exécutant des commandes complexes avec une précision et une constance inégalées. Cette évolution soulève une question fondamentale pour les professionnels : si les agents sont devenus des programmeurs plus performants, quelle est alors la place de l'humain dans ce nouveau paradigme ? La réponse réside dans une transformation de nos méthodes de travail, passant d'une approche "dans la boucle" à une approche "hors de la boucle", en passant par une étape intermédiaire de "près de la boucle". L'ère actuelle de l'IA ne récompense plus l'expérience seule, mais plutôt la capacité à adapter et à repenser nos opérations. L'expérience devient un atout précieux uniquement si elle est mise au service d'une nouvelle manière de travailler. Le conférencier, fort de plus de 15 ans d'expérience en ingénierie logicielle et en modélisation de langage, souligne que le saut vers ce nouveau niveau de compétence n'est pas automatique. Il dépend d'un changement de mentalité et d'une adoption de nouvelles architectures, où des outils comme Opus, Astra et DeepSeek ne sont que des composants d'un système plus vaste. Le concept clé est de passer de l'écriture directe de compétences à l'apprentissage de nos agents pour qu'ils écrivent ces compétences, une forme de méta-compétence validée. De même, l'orchestration, où un agent en sollicite neuf autres, remplace la gestion manuelle de multiples agents. Le véritable objectif est de construire le système qui construit le système, marquant ainsi la transition critique de "l'humain dans la boucle" à "l'humain près de la boucle", et finalement à "l'humain hors de la boucle". Le modèle mental de progression se décline en trois phases : "dans la boucle", "près de la boucle" et "hors de la boucle". Dans la phase "dans la boucle", l'humain est constamment engagé, rédigeant des prompts et surveillant l'agent. La phase "près de la boucle" implique une intervention plus ponctuelle : cliquer, répondre, conseiller, donner un avis. Enfin, la phase "hors de la boucle" est celle de l'automatisation complète, où l'humain n'est plus indispensable. Cette transition est cruciale pour évaluer et améliorer ses compétences en ingénierie d'agents, en se concentrant sur la création de systèmes qui opèrent de manière autonome. Le principal problème de l'approche "dans la boucle" est que l'humain devient le goulot d'étranglement. Nos capacités cognitives limitées et notre attention fragmentée freinent le potentiel des agents. La dure réalité est que la majorité du travail peut être exécutée sans intervention humaine constante, à condition de disposer du bon système. Le défi réside dans la transition directe de "dans la boucle" à "hors de la boucle", qui est complexe. C'est là qu'intervient la phase intermédiaire de "près de la boucle", permettant une progression graduelle vers l'automatisation totale. L'objectif est de devenir proactif plutôt que réactif. Il s'agit de construire des systèmes qui travaillent pour nous avant même que nous ne commencions. Au lieu d'être le déclencheur de chaque action, un événement concret (comme les webhooks, les tâches cron, ou une action utilisateur) devrait initier le processus. La phase initiale et la phase deux du codage agentique, caractérisées par l'approche "dans la boucle", sont désormais dépassées. Il faut évoluer vers des systèmes d'agents proactifs, déclenchés par leurs propres besoins, et non par l'intervention humaine. Le rôle de l'ingénieur d'agents devient alors de fournir l'information adéquate au bon agent. Les agents proactifs accomplissent le travail avant et après l'intervention humaine, offrant un retour sur investissement significatif. Ils nécessitent d'être "près de la boucle", une position qui maintient un lien sans être constamment engagé. Un cas d'usage concret illustre ce concept : un événement arrive dans un flux de logs, un agent le trie et prépare un correctif. L'agent présente ensuite ce correctif à l'humain, qui prend une décision finale et valide le déploiement. Le workflow d'un développement IA s'exécute alors de manière autonome : détection, triage, correctif, demande, application, vérification, enregistrement des résultats. C'est l'humain "près de la boucle", où le travail se fait avant et après son intervention. Les éléments essentiels pour construire ces systèmes "près de la boucle" incluent les agents durables. Ces agents doivent pouvoir survivre aux plantages, redémarrages et interruptions. Ils doivent être placés dans leur propre environnement sandbox, isolés et sécurisés, avec leur propre puissance de calcul (CPU et GPU). L'autonomie est la clé. De plus, une couche d'API claire est nécessaire pour connecter divers déclencheurs et activer le système. Ces déclencheurs peuvent être des tâches cron, des événements de journal, des tickets, des interfaces utilisateur, des événements d'image, ou des agents CLI fonctionnant en autonomie. Un agent durable dans un environnement sandbox, couplé à un déclencheur, crée un agent proactif. Cet agent ne dépend pas de l'humain pour agir ; il travaille de manière autonome. Cette architecture permet d'atteindre un niveau de performance d'ingénierie considérablement différent. Des plateformes comme Grok Bot, Dots, et Claude's co-work visent à rendre ces concepts accessibles. La persistance des agents durables leur permet de poser des questions, de survivre aux redémarrages et d'accomplir le travail, mais ils ont besoin d'une mémoire pour conserver toutes les informations. Dans le contexte de la réponse aux incidents, un agent proactif peut exécuter un workflow complet : détection, enquête, analyse de cause racine, correction, et préparation de la revue. L'humain n'intervient plus que pour vérifier la correction et autoriser le déploiement. L'interface utilisateur de tels systèmes montre un client déconnecté avec des flux d'événements, où un agent classe les événements et identifie les problèmes, ne nécessitant qu'une validation humaine pour le déploiement. Les agents proactifs offrent une valeur tangible immédiate. Ils travaillent selon un flux de développement IA, attendant l'approbation humaine et utilisant des outils comme Jev pour évaluer chaque étape. Par exemple, Jev peut classifier rapidement les informations pour déterminer s'il s'agit d'un problème. D'autres applications incluent le filtrage du bruit médiatique, l'analyse des faits et l'extraction de signaux pertinents. L'interface d'un agent d'actualités durable, actif en permanence, fournit des informations directement, normalisées et impartiales, permettant de traiter l'actualité à la vitesse de la lumière. Ces systèmes, construits dans des environnements sandbox, apportent une valeur constante. L'ingénieur peut interagir avec l'agent pour obtenir des informations et fournir des retours, améliorant ainsi le système. La spécialisation des agents, passant de l'ingénierie individuelle à des produits axés sur des cas d'usage spécifiques, est un avantage concurrentiel majeur. Un exemple concret est le "réplicateur d'interface Deep Jev", qui utilise des agents pour construire et comparer des interfaces à partir de maquettes. Ce système, fonctionnant dans le cloud, compare une capture d'écran de produit avec une maquette et itère jusqu'à atteindre un seuil de similitude. L'agent, comme Astra, peut atteindre un pourcentage de correspondance élevé en quelques itérations. Ces systèmes fonctionnent pour l'humain, sans lui, puis l'humain intervient pour extraire de la valeur et améliorer le système. L'architecture sandbox est essentielle pour ne pas limiter les agents par les capacités de l'appareil. Les agents durables, proactifs, multi-clients et multi-joueurs, sont toujours actifs et ne s'éteignent pas. Ils survivent aux plantages et redémarrages, permettant à l'humain de se retirer de la boucle. Les compétences essentielles à maîtriser sont les quatre piliers de l'agent : contexte, modèle, prompt et outils. L'ingénierie du "harness" (l'enveloppement de l'intelligence dans un système) est particulièrement importante pour créer des systèmes uniques et performants. La spécialisation des résultats est l'avantage concurrentiel. Il faut maîtriser le contexte, la tokenomics (coût-performance-vitesse du modèle), l'ingénierie des prompts (utilisateur et système), et l'ingénierie des outils ("harness"). L'ingénierie logicielle, combinée à ces quatre piliers, multiplie l'effet de levier de l'ingénieur. La capacité à construire des architectures et à appliquer son expertise de domaine est primordiale. L'ingénierie agentique consiste à comprendre ces quatre points et à les intégrer dans des systèmes qui fonctionnent sans surveillance constante. Le "vibe coding" se résume à ne pas savoir ce que fait son système, tandis que l'ingénierie agentique implique une connaissance approfondie du fonctionnement du système, rendant la surveillance inutile. L'objectif est de construire un système qui construit le système. La mesure du succès est le nombre d'agents qui travaillent utilement pour vous, multipliant vos capacités et produisant des résultats tangibles, tels que des produits intégrant des agents autonomes. La capacité de concentration humaine est limitée ; il est donc crucial de construire des systèmes bien conçus où l'on peut s'effacer, reconnaissant que l'humain est le goulot d'étranglement. La prochaine révolution technologique, la phase trois, est la phase de dépréciation : augmenter, automatiser, déprécier. L'ingénierie sans intervention (ZTE) est au cœur de cette phase. Le produit de phase trois se concentre sur l'ingénierie agentique en boucle externe, le prochain bond en avant. La maîtrise des fondament