Agents IA et automatisation : RAG, workflows, guides

À l'ère où c'est l'IA qui écrit le code, la compétence à plus forte valeur se déplace de « écrire du code » vers « écrire la spécification » — et la pratique qui incarne ce changement est le développement piloté par la spécification (Spec-Driven Development, SDD). Le SDD place la spécification au centre du projet comme source de vérité, et un agent IA en déduit la conception, le découpage et l'implémentation au lieu de coder immédiatement. L'essentiel est que chaque étape laisse un document (souvent en Markdown) que l'étape suivante lit. Ce guide pour débutants explique ce qu'est le SDD (la spécification fait foi ; le code en est un dérivé), pourquoi il s'impose maintenant (il prévient le « mur des trois mois » de dette technique et de dérive des besoins du vibe coding dès l'étape de conception — GitHub rapporte environ un ordre de grandeur de moins de cycles « tout régénérer de zéro »), les quatre étapes de base (Specify → Plan → Tasks → Implement), les principaux outils (GitHub Spec Kit avec plus de 90 000 étoiles et plus de 30 agents pris en charge, AWS Kiro avec son flux Requirements → Design → Tasks et son routeur Auto, ainsi que BMAD, OpenSpec, Tessl, Google Antigravity et Cursor), quand l'utiliser plutôt que le vibe coding (un hybride : le vibe pour explorer, le piloté par la spécification pour livrer, avec une revue humaine obligatoire), et comment l'essayer dès aujourd'hui. À l'ère de l'IA, ceux qui montent sont ceux qui savent définir précisément quoi construire, pas ceux qui écrivent le code le plus vite.

Le centre de gravité du travail avec l'IA se déplace du prompt engineering vers le context engineering. En reprenant la définition d'Anthropic, le context engineering est « l'ensemble des stratégies permettant de sélectionner et de maintenir le jeu optimal de tokens (informations) transmis au modèle pendant l'inférence » — couvrant non seulement le prompt mais tout ce qui entre dans la fenêtre de contexte : le system prompt, les outils, l'historique de conversation et les données externes. Il compte à cause du « context rot » : plus on ajoute de tokens, plus la précision baisse en réalité. L'étude 2025 de Chroma a testé 18 modèles de premier plan (GPT, Claude, Gemini et d'autres) et tous se sont dégradés à mesure que l'entrée s'allongeait, l'information placée au milieu d'un long contexte étant particulièrement facile à oublier (« lost in the middle »). Ce guide pour débutants explique ce qu'est le context engineering et son lien avec le prompt engineering, pourquoi survient le context rot (l'attention est un budget limité), ce que contient réellement le contexte, six techniques essentielles (instructions au bon niveau de détail, sélection des outils, récupération just-in-time, compaction/compression par résumé, notes en mémoire externe et isolation par sous-agent), son lien avec le RAG et les Claude Skills, ainsi que des habitudes utilisables dès aujourd'hui comme démarrer une nouvelle session quand le sujet change et ne coller que les points clés. L'idée centrale : ne garder que les tokens les plus utiles, en quantité minimale.

Un guide accessible aux débutants sur les Claude Skills (Agent Skills), le mécanisme qui met fin à la corvée de réexpliquer sans cesse la même procédure à Claude. Une Skill empaquette instructions, scripts et références dans un seul dossier, centré sur un fichier SKILL.md qui contient un name, une description et les étapes. La plupart du temps, Claude ne lit que la courte description de chaque skill et ne déploie le corps que lorsque votre requête y correspond — une conception appelée divulgation progressive qui maintient votre contexte léger même avec des dizaines de skills installées. Cet article explique ce que sont les Skills, pourquoi elles comptent (fini de recoller des prompts), comment rédiger un SKILL.md et une structure de dossier minimale, comment en créer une (la skill-creator officielle ou à la main, déposée dans .claude/skills, avec le rechargement instantané de janvier 2026), en quoi les Skills diffèrent du MCP (connectivité) et des sous-agents (isolation du contexte), le standard ouvert désormais adopté par Codex CLI, Cursor, Gemini CLI et GitHub Copilot au-delà des applications Claude, de Claude Code, de l'API et de l'Agent SDK, ainsi que des usages concrets comme la génération de documents et l'application de règles internes. Annoncées par Anthropic le 16 octobre 2025 et qualifiées de « peut-être plus importantes encore que le MCP » par Simon Willison.

« J'ai demandé à une IA et elle a ouvert le navigateur, fait des recherches, et même rempli un formulaire. » En 2026, ce n'est plus une démo mise en scène : les navigateurs agentiques (ChatGPT Atlas, Claude for Chrome, Gemini/Chrome, Perplexity Comet) sont arrivés d'un seul coup. Alors jusqu'où peuvent-ils réellement automatiser ? La réalité se découpe nettement en trois paliers. (1) Recherche = prête pour la production : sur WebVoyager (vrais sites), les meilleurs agents atteignent 89-98 %, proche de la saturation, et comme une mauvaise action coûte peu, c'est par là qu'il faut commencer à déléguer. (2) Remplissage de formulaires = faisable mais à vérifier : la saisie elle-même est prise en charge, mais les agents peuvent mal étiqueter des champs ou cliquer sur le mauvais bouton, si bien que « l'IA rédige, un humain envoie » est sûr, et beaucoup de produits comme Atlas demandent confirmation avant les actions importantes. (3) Réservation/paiement = à faire encore soi-même : les agents trébuchent sur les CAPTCHA, les paiements JavaScript complexes, l'authentification à deux facteurs et la gestion de session, et sur WebArena (tâches complexes multi-étapes) même les meilleurs tournent à ~47-68 % contre une barre humaine d'environ 78 % ; la raison même pour laquelle OpenAI a fermé l'Operator autonome (2025/8/31) était le manque de fiabilité du paiement. L'article cadre d'abord les deux approches (navigateur/extension grand public vs API/OSS développeur), puis cartographie les acteurs 2026 (Atlas, navigateur dédié qui ne peut ni exécuter de code ni lire de mots de passe par conception ; Claude for Chrome, panneau latéral en extension ; le Project Mariner de Google a pris fin le 2026/5/4 et a été intégré à Gemini/Chrome ; Operator a migré dans ChatGPT Agent et l'Agents SDK ; l'OSS browser-use à plus de 78k étoiles). Il explique les quatre obstacles qui font échouer la réservation (protections anti-bot, paiement complexe, 2FA, coût de l'annulation), puis creuse le plus grand piège : l'injection de prompt indirecte (Perplexity Comet s'est montré vulnérable au vol d'identifiants zéro clic et l'a corrigé en février 2026 ; la réussite des attaques de 23,6 % avant défenses tombe à ~11 % avec des défenses de base et ~1 % avec les plus fortes, toujours non nul). Il se clôt sur cinq principes de sécurité (commencer en lecture seule, un humain valide envois/paiements, ne jamais confier de mots de passe, ne pas lancer sur des sites non fiables, moindre privilège dans un profil dédié). Un excellent partenaire de recherche ; faites vous-même les actions qui font bouger l'argent. Les chiffres sont cités de sources publiques et d'annonces à titre indicatif.

"D'accord, les agents IA sont impressionnants — mais concrètement, à quoi puis-je les utiliser ?" C'est la question que tout le monde se pose après avoir appris les bases, et en 2026 la réponse n'est plus une affaire d'avenir : dans le support, les ventes, la comptabilité, le développement et les RH, les agents ont commencé à prendre réellement en charge le travail de routine, une enquête rapportant que 65 % des entreprises ont déjà automatisé un flux de travail. Cet article laisse de côté les abstractions et livre 10 cas d'usage concrets par fonction, avec des exemples réels et des chiffres. Il couvre pourquoi les cas d'usage comptent maintenant (les agents ne se contentent pas de répondre mais agissent, passant de l'expérimentation à la production ; Gartner prévoit qu'un tiers des logiciels d'entreprise intégreront des fonctionnalités agentiques d'ici 2028 et 80 % des demandes de support résolues avec une intervention humaine minimale d'ici 2029), comment repérer le travail automatisable (fortement répétitif x gros volume x implique du jugement — la partie jugement est la différence avec l'ancien RPA ; gardez les décisions majeures avec les humains via l'agent-prépare, l'humain-approuve), les 10 cas (1 support client de premier niveau et escalade riche en contexte, 2 génération de leads et e-mails personnalisés à 200/heure avec des taux de réponse 2-4x, 3 contenu SEO marketing de 2 à 10 articles par semaine et e-mailing optimal, 4 développement logiciel avec plus de 35 % de code généré par l'IA, 5 détection-diagnostic-récupération automatique des incidents IT, 6 finance avec KPI à l'échelle de l'ERP et rapports PDF commentés, 7 détection de fraude financière en temps réel, 8 présélection et intégration RH avec AMD rapportant une résolution 80 % plus rapide, 9 recherche et analyse de données en rapports, 10 tour de contrôle de la chaîne d'approvisionnement), la réalité du ROI (3.5x sur trois ans, retour sur investissement de 3-14 mois, réductions de coûts de 30-60 % selon McKinsey, mais seulement 23 % le passent à l'échelle donc faire en sorte que ça tienne est difficile), et comment démarrer sans risque (choisir une tâche, essayer en petit, l'humain approuve, mesurer et étendre) avec une sécurité de moindre privilège et d'approbation à chaque fois. Les chiffres sont cités d'enquêtes et d'annonces d'entreprises, à prendre comme tendances de référence. Réexaminez votre travail à travers la répétition, le volume et le jugement, et faites un petit pas à partir de votre tâche la plus pénible.

Les 6 phases du développement de systèmes — recueil des besoins, conception, implémentation, tests, déploiement, exploitation — n'ont presque pas évolué pendant plus de 20 ans. En 2025-2026, le flux a été réécrit de fond en comble. Gartner prévoit que d'ici 2028, 90 % des développeurs en entreprise utiliseront des assistants de codage IA ; Cursor économise 18 heures par mois (ROI 36x) ; Claude Code achève des refactorisations multi-fichiers complexes en 10 à 180 minutes avec 89 % de réussite. Cet article couvre l'inversion de la répartition du temps dans le SDLC (implémentation 40 → 10 %, besoins 10 → 25 %, conception 15 → 30 %), l'état actuel de chaque phase et les outils majeurs (Claude Code, Cursor, Copilot, v0, Bolt), le problème de qualité Lightrun 2026 (43 % des changements générés par IA nécessitent du debug en production), le passage générationnel Waterfall → Agile → AI-Native, 7 transformations de rôles (PM, designer, PG junior, PG senior, QA, SRE, tech lead) et les 3 pièges du SDLC piloté par IA (fragilité qualité, effondrement de la formation junior, perte de savoir tacite) avec leurs parades — le tout ancré dans les faits de mai 2026. "Un ingénieur qui n'a que la capacité à coder" est le piège de carrière numéro un à partir de 2027.

En 2025, le nombre d'offres pour un rôle a connu une croissance extraordinaire de 1 165 % d'une année sur l'autre : le FDE — le Forward Deployed Engineer. Pourquoi un métier discret que Palantir a systématisé sur près de 20 ans est-il soudain devenu « le titre le plus convoité » en 2026 ? Un FDE est « un ingénieur qui apporte le produit de sa propre entreprise sur le site du client et prend personnellement en charge, de bout en bout, observation, conception, implémentation, exploitation et retour produit ». L'IA générative porte un dernier kilomètre du type « la démo fonctionne mais ça ne marche pas sur le terrain », et le FDE est le rôle qui le franchit avec des mains humaines. Cet article couvre la définition, pourquoi le rôle a explosé en 2026 (la ruée aux recrutements d'OpenAI, Anthropic et Google), la boucle de travail en 5 étapes, la rémunération et la carrière (moyenne Palantir 238 000 $, staff plus de 630 000 $), la différence avec SE / consultant IT / Applied AI Engineer, à qui il convient et à qui non, et comment y parvenir sans expérience — le tout appuyé sur les données les plus récentes de mai 2026.

Jusqu'en 2025, « éditer dans Cursor/Claude Code → passer au terminal git push → passer au navigateur pour vérifier Vercel » coûtait des dizaines de changements de contexte par jour. En mai 2026, Vercel Agent Skills (via MCP), le plugin Claude Code et Claude Code GitHub Actions v1.0 condensent « code → build → deploy → URL de preview → gestion des variables d'environnement → rollback » en un seul flux dans l'agent. Cet article parcourt trois approches d'implémentation : ① git push (setup 5 min, deploy 60 à 90 s), ② MCP-Direct (.cursor/mcp.json + commandes slash comme /deploy, /env, /rollback), ③ GitHub Actions (mentionner @claude dans une PR pour auto-fix + déploiement preview). Il couvre ensuite les trois patterns d'environnements de preview (comparaison A/B, staging permanent, revue client protégée par mot de passe) et les quatre pièges opérationnels (fuite .env, explosion des coûts, conflits de PR, rollback oublié) — tout avec du code qui fonctionne, ancré dans mai 2026.

« J'ai livre sur l'API OpenAI, mais j'aimerais aussi essayer Claude et Gemini » — et vous voilà à passer deux heures à réécrire la même logique contre trois SDK différents. Le Vercel AI SDK (simplement « AI SDK » depuis 2026) ramène cela à « un import, une fonction, tous les fournisseurs ». Bibliothèque open-source TypeScript avec plus de 20 millions de téléchargements mensuels, AI SDK 6 livre les Agents, MCP, l'approbation d'outils et les DevTools, et au 15 mai 2026 c'est le standard de fait pour une interface LLM unifiée. Si vous appelez des LLM depuis une application web ou un projet Node.js en 2026, l'AI SDK est le bon défaut, point. Les seules raisons d'ecrire directement contre le SDK OpenAI ou Anthropic sont une base de code existante ou une fonctionnalité de pointe propre à un fournisseur. Sinon, l'AI SDK vous offre changement facile, 1/3 du code, type safety et intégration React avec un avantage ecrasant. Cet article couvre ce qu'est l'AI SDK et pourquoi l'utiliser, un démarrage en 5 minutes (de generateText à streamText), la sortie structurée avec generateObject et Zod, le tool calling et les agents (le coeur d'AI SDK 6 avec stopWhen, ToolLoopAgent, MCP), l'intégration React avec useChat, le changement de fournisseur Claude/GPT/Gemini en 3 lignes, et trois pièges en production à connaître absolument : écarts de fonctionnalités entre fournisseurs, facturation sur stream abort et surcharge d'inférence de types.

La configuration d'environnement est l'endroit où chaque programmeur débutant se retrouve coincé. En 2026, l'IA générative (Claude Code, Codex, Cursor) est réellement utilisable pour le travail d'infrastructure routinier — configuration d'environnement local, génération de Dockerfile, ébauches Terraform, pipelines CI/CD. HashiCorp a livré son Terraform MCP Server officiel en 2026, et Anthropic a publié les Agent Skills pour que l'expertise en infrastructure puisse être chargée à la demande. Mais « tout déléguer » est une autre question : un groupe de sécurité ouvert en 0.0.0.0/0, une clé SSH commitée sur GitHub, une facture AWS de 3 000 $ en fin de mois — tous des incidents réels de 2026. Cet article sépare cinq domaines sûrs à déléguer, trois zones à risque « vérifier puis faire confiance », quatre domaines humain uniquement, un workflow en quatre étapes sûr pour débutants, et le dernier outillage 2026 (Claude Code, MCP, Agent Skills) — concentré sur l'évaluation des capacités, pas l'impact carrière.

En février 2026, Anysphere — l'entreprise derrière Cursor — a franchi les 2 Md$ d'ARR, traçant une courbe de revenus SaaS dans la cour d'OpenAI et Anthropic en seulement trois ans. Cet article couvre la manière dont Cursor diffère de VS Code en intégrant l'IA directement dans la couche de rendu (complétion Tab sous 100 ms, index de base de code de 272K tokens, les six fonctionnalités centrales : Tab / Édition en ligne / Composer / Agent / Background Agents / Bugbot), les cinq différences concrètes face à VS Code, la comparaison côte à côte avec quatre rivaux (Windsurf / Zed / Claude Code / GitHub Copilot), la structure des plans Hobby gratuit / Pro 20 $ / Business 40 $, et un guide de décision pour « qui devrait réellement franchir le pas » — sur la base des faits de mai 2026.

À l'été 2025, un développeur solo a lancé un serveur MCP nommé 21st.dev avec un budget marketing nul et a atteint 10 000 $ de MRR en 6 semaines. Un autre développeur sur Apify Store gagne 2 000 $/mois. Mais sur les plus de 12 000 serveurs MCP publiés en mars 2026, moins de 5 % ont monétisé avec succès — les 95 % restants reposent dans le cimetière de « utile mais gratuit ». Cet article expose, à partir d'études sectorielles et de chiffres réels, ce qui sépare les gagnants des perdants, les 4 modèles de revenu (paliers d'abonnement / à l'usage / clé API / freemium), un comparatif des grandes marketplaces (MCPize 85 % de partage / Apify / Glama / Smithery), des chiffres de terrain, les 6 schémas d'échec dans lesquels 95 % tombent, le playbook du développeur solo, la stratégie entreprise et les prévisions à 1-3 ans.