Aller au contenu
Encyclopédie informatique Édition 2026

Programmer avec l'IA : assistants et agents de code

Compléter une ligne avant même qu’on l’ait tapée, expliquer un programme inconnu, trouver un bogue, écrire des tests, et désormais mener seul une tâche de programmation de bout en bout : depuis 2021, l’intelligence artificielle a transformé la façon d’écrire des logiciels. Cet article présente les trois grandes formes d’assistance, de la simple suggestion à l’agent de code autonome, explique comment ces outils travaillent, comment s’en servir sans perdre la maîtrise de son programme, ce que disent les études sur leur effet réel, comment apprendre à programmer à l’heure de l’IA, et pourquoi le code généré doit être relu avec autant de soin que celui d’un collègue débutant.

Rubrique
Développement
Niveau
Débutant à avancé
Lecture
19 min (essentiel)
23 min (complet)
Révision
26 octobre 2026
Niveau de lecture :

En bref

  • Les outils d’IA pour la programmation vont de la complétion, qui propose la suite de la ligne, à la conversation, qui explique ou écrit du code à la demande, jusqu’aux agents de code, qui mènent seuls une tâche complète et proposent le résultat à la relecture.
  • Ils accélèrent les tâches courantes, mais produisent aussi du code plausible et faux : on relit, on teste et on comprend ce que l’on intègre.
  • Les études sur la productivité sont contrastées : les gains sont réels sur certaines tâches, mais l’impression d’aller plus vite ne correspond pas toujours à la réalité.
  • Le code généré peut contenir des failles de sécurité et faire appel à des bibliothèques qui n’existent pas, que des attaquants enregistrent ensuite pour piéger les développeurs.
  • Les agents de code ont accès au code, aux outils et parfois aux secrets : ils se protègent comme des comptes à privilèges, avec des droits limités et un environnement isolé.

Prérequis conseillés : Les langages de programmation · L'IA générative et les grands modèles de langage

1Définition

Programmer avec l’IA, c’est utiliser des outils fondés sur les grands modèles de langage, ces réseaux de neurones entraînés sur d’immenses quantités de textes et de programmes (voir l’IA générative), pour écrire, comprendre, corriger, tester et faire évoluer des logiciels. Ces outils s’intègrent à l’éditeur de code, le logiciel dans lequel on écrit les programmes, au terminal, la fenêtre où l’on tape des commandes, ou aux plateformes d’hébergement de code comme GitHub et GitLab.

On distingue trois grandes formes d’assistance (section 3) : la complétion, qui propose la suite de ce que l’on tape ; la conversation, qui répond aux questions et écrit du code à la demande ; et les agents de code, qui mènent seuls une tâche complète, de la lecture du projet à la proposition de modifications testées. Ces outils ne remplacent pas les connaissances en programmation : ils déplacent le travail, de l’écriture vers la spécification, la vérification et la décision.

2Une histoire express

Les éditeurs de code proposent depuis les années 1990 une complétion « classique », qui suggère les noms de fonctions et de variables à partir de l’analyse du programme. L’IA générative a changé d’échelle :

  • 2021 : GitHub, filiale de Microsoft, présente Copilot, fondé sur Codex, un modèle d’OpenAI entraîné sur le code public. Il ne propose plus un nom, mais des lignes, voire des fonctions entières ;
  • 2022 et 2023 : avec ChatGPT, puis les assistants intégrés aux éditeurs, on peut converser avec une IA à propos de son code : lui demander d’expliquer, de corriger, de traduire d’un langage à un autre ; des éditeurs conçus autour de l’IA, comme Cursor, apparaissent ;
  • 2024 : les premiers agents de code sont présentés, capables de modifier un projet entier et de lancer les tests ; un banc d’essai, SWE-bench, mesure leur capacité à corriger de vrais problèmes signalés sur des projets libres ;
  • 2025 : les agents se généralisent, dans le terminal comme dans les plateformes d’hébergement de code, et l’expression vibe coding fait florès (section 6) ;
  • 2026 : les agents travaillent de plus en plus longtemps sans intervention, en parallèle, et les équipes repensent leur organisation autour de la relecture plutôt que de l’écriture.

3Trois niveaux d’assistance

COMPLÉTION def moyenne(notes):     return sum(notes)       / len(notes) texte grisé = suggestion propose la suite de la ligne Tab pour accepter CONVERSATION pourquoi ce bogue ? la liste peut être vide : voici une correction… explique, propose du code à la demande vous recopiez, adaptez AGENT ✓ lu 14 fichiers ✓ modifié 3 fichiers ✗ 2 tests échouent ✓ corrigé, 48 tests OK lit le projet, modifie, lance les tests, corrige vous relisez le résultat autonomie croissante : plus de travail délégué, plus de vigilance à la relecture
Figure 1. De la suggestion à l’agent : plus on délègue, plus la relecture compte.

3.1La complétion

Pendant que l’on tape, l’outil affiche en grisé la suite probable : la fin de la ligne, une boucle, le corps d’une fonction dont on vient d’écrire le nom et le commentaire. Une touche l’accepte, une autre l’ignore. La complétion excelle pour le code répétitif, les structures courantes et l’utilisation de bibliothèques connues. Elle reste sous le contrôle constant du développeur, qui voit chaque ligne avant de l’accepter, mais pousse aussi à accepter vite, sans réfléchir : une suggestion plausible n’est pas une suggestion juste (exercice 1).

3.2La conversation

Dans une fenêtre de discussion, souvent intégrée à l’éditeur, on pose des questions sur le code : « que fait cette fonction ? », « pourquoi ce test échoue-t-il ? », « comment lire un fichier CSV en Python ? », un fichier CSV étant un tableau enregistré en texte, aux valeurs séparées par des virgules. L’outil répond en s’appuyant sur les fichiers ouverts ou sélectionnés, propose du code, l’applique parfois directement. C’est aussi un excellent moyen de découvrir un projet inconnu ou une technologie nouvelle, à condition de vérifier ses affirmations dans la documentation.

3.3Les agents de code

Un agent de code reçoit une tâche, « ajoute l’export des factures en PDF », « corrige le problème signalé dans ce ticket », et la mène seul : il explore le projet, lit les fichiers utiles, planifie, modifie plusieurs fichiers, lance la compilation et les tests, analyse les erreurs, corrige, et recommence jusqu’à ce que tout fonctionne. Il propose ensuite le résultat sous forme de modifications à relire, souvent une demande de fusion (en anglais pull request), la proposition d’intégrer des changements dans la version principale du projet (voir Git). Les agents fonctionnent dans le terminal du développeur, dans l’éditeur, ou dans le nuage, sur des machines distantes, plusieurs tâches pouvant alors avancer en parallèle (voir les agents d’IA).

Pour s’exercer

Exercice 1 : relire une suggestion

L’assistant propose cette fonction Python pour calculer la moyenne d’une liste de notes. Qu’en pensez-vous ?

def moyenne(notes):
    return sum(notes) / len(notes)
Voir la réponse

Elle fonctionne pour une liste non vide, mais provoque une erreur de division par zéro si la liste est vide, par exemple pour un élève absent à toutes les évaluations. Il faut décider du comportement voulu, ce qui est une décision du programmeur et non de l’IA : renvoyer une valeur spéciale, ou signaler clairement le problème.

def moyenne(notes):
    if not notes:
        return None          # aucune note : pas de moyenne
    return sum(notes) / len(notes)

Et ajouter un test pour la liste vide. La leçon : une suggestion correcte dans le cas courant peut être fausse dans les cas limites, que l’on doit penser soi-même.