Je travaille chaque jour avec Claude Code, Codex et des LLM : les agents rédigent, je conçois, je relis et je teste. Pratiquée par un expert, l'IA apporte le meilleur des deux : 10 ans d'expertise, plus la vélocité et la productivité des agents.
Jean-Baptiste TheryFondateur de jCodeAprès 10 ans de métier, je pense qu'aujourd'hui, refuser l'IA serait un manque de professionnalisme, comme un copiste qui tournerait le dos à l'imprimerie de Gutenberg. L'utiliser sans règles en serait un autre. Je m'en sers chaque jour, de façon responsable, dans les règles de chaque client.
Les agents prennent le travail répétitif ; je garde les décisions et je consacre le temps gagné à la qualité.
Les agents cartographient le code et l'impact d'une modification avant que j'Ă©crive une ligne, sur un nouveau projet comme sur une application reprise.
Fonctionnalités, migrations et documentation partent d'un brouillon d'agent que je corrige et complète.
Les agents écrivent les tests qu'un planning serré fait souvent sauter, et je vérifie ce que chacun contrôle vraiment.
Un agent relit chaque modification avant ma propre revue, pour attraper ce qu'un œil fatigué laisse passer.
Le temps gagné va à l'architecture, à la sécurité et aux cas limites, là où l'expérience compte le plus.
La même méthode sert à concevoir une application de zéro, à la reprendre, la faire évoluer, la réparer et la maintenir.
J'utilise les assistants de code uniquement avec des paramètres de confidentialité entreprise, ou avec les modèles que votre entreprise utilise déjà .
Sous les conditions commerciales d'Anthropic ou via votre propre cloud (Bedrock, Google Cloud, Azure), le code et les prompts n'entraînent pas les modèles ; la rétention zéro est activable pour les organisations Enterprise éligibles.
Avec ChatGPT Business, Enterprise ou l'API, OpenAI n'utilise pas par défaut les entrées ni les sorties pour entraîner ses modèles.
En mode Privacy, Cursor applique des accords de rétention zéro avec ses fournisseurs de modèles.
Les comptes de votre entreprise, un agent open source comme OpenCode avec les LLM de votre choix, ou un modèle auto-hébergé : je travaille avec ce que vous utilisez déjà .
Les conditions des outils évoluent : je les vérifie à chaque mission, et votre contrat prime. Conditions vérifiées en octobre 2026.
Je pars du besoin, pas de l'outil, pour votre produit comme pour les process internes de votre entreprise. Trois réponses, de la plus simple à la plus puissante.
Quand les règles sont claires : un webhook, une tâche planifiée ou un workflow n8n, ou du code sur mesure quand le volume ou la logique l'exigent. Moins cher, plus rapide et plus facile à contrôler qu'un modèle.
Quand les règles ne suffisent pas, sur du texte libre par exemple. Le prompt d'abord, puis le RAG sur vos documents ; le fine-tuning seulement si les deux plafonnent, toujours évalué sur des exemples réels.
Quand une tâche demande plusieurs étapes et du discernement : des outils aux droits limités, des garde-fous et une validation humaine avant toute action irréversible.
La bonne réponse les combine souvent : une automatisation qui appelle un modèle à une étape, ou un agent qui laisse au code tout ce qui est prévisible.
Six étapes, les mêmes sur chaque projet, pour que la vitesse ne coûte jamais la qualité.
Le fichier AGENTS.md du dépôt, le ticket et une recherche Ragmir donnent à l'agent les règles et le code utile.
L'agent propose un plan ou une spécification que je valide, découpé en tâches assez petites pour être relues d'une traite.
L'agent rédige la modification et ses tests dans les limites que je fixe ; quand c'est utile, un test qui échoue vient d'abord.
Contrôle des types, tests, lint et, pour une interface, une vérification dans un vrai navigateur.
Je relis chaque ligne, je demande une seconde revue Ă un agent et je corrige ce qui ne va pas.
L'intégration continue tourne, et rien n'est fusionné ni déployé sans mon accord.
Le travail client reste confidentiel. Mes propres produits montrent la méthode au grand jour.
Un générateur d'entraînement personnalisé avec un coach IA adaptatif, développé en seul responsable technique de juin 2025 à septembre 2026, avec des agents de code et selon les règles de cette page.
Un RAG agentique open source, créé en 2026 : les agents de code cherchent dans le code et les documents en citant leurs sources. Il tourne chaque jour dans mon propre environnement.
Le mĂŞme harness sur chaque projet, maintenu comme un produit.
Claude Code d'abord, Codex avec les mêmes instructions, GitHub Copilot dans VS Code, et un fichier AGENTS.md par dépôt.
Mes propres skills versionnées au format ouvert Agent Skills, partagées par Claude Code et Codex : preuve en navigateur, revue de code, audit SEO, mises à jour et livraison.
Ragmir pour un contexte sourcé, un graphe de code pour l'analyse d'impact, la documentation à jour des bibliothèques et une passerelle privée où toute écriture attend mon accord.
Des sous-agents en parallèle et des workflows scriptés qui se terminent toujours par une vérification.
Des hooks qui gardent le contexte de l'agent concentré sur l'essentiel, et une mémoire qui conserve les décisions d'une session à l'autre.
Des tâches avec dépendances dans Linear, Notion ou GitHub Projects, des points de validation humaine, et aucune tâche fermée sans preuve.
De l'ingénierie avec des agents, pas du vibe coding. Voici les compétences que je pratique, et ce que vous pouvez attendre de quiconque utilise des LLM sur votre code.
Les bons fichiers, contraintes et exemples, et rien de plus.
Plans, sous-agents et workflows : une tâche répartie entre agents, et chaque résultat vérifié.
Des outils aux entrées étroites, aux erreurs claires et aux droits minimaux.
DĂ©coupage, embeddings et recherche BM25, comme dans Ragmir.
Des cas de référence qui mesurent un prompt, un modèle ou une recherche avant et après chaque changement.
Tests, contrôle des types, CI et preuves en navigateur : ce qu'affirme un agent est vérifié, pas cru.
Contre l'injection de prompt, un contenu lu est une donnée, jamais une instruction, et tout envoi vers l'extérieur attend une validation humaine. Les secrets restent hors des prompts.
Le bon modèle et le bon niveau de raisonnement pour chaque tâche, un œil sur le coût en tokens, et la solution d'un agent refusée quand elle est fausse.
Ce que vous pouvez exiger de moi sur chaque mission.
Présentez ce que vous souhaitez créer ou améliorer, votre budget et l'échéance envisagée.
Un développeur qui fait écrire et exécuter une partie du code par des agents comme Claude Code ou Codex, tout en gardant la conception, la relecture et la responsabilité de ce qui est livré. C'est de l'ingénierie avec des agents, pas du vibe coding.
Non. Les règles de votre entreprise passent en premier : sur votre code, je n'utilise que les assistants, les comptes et les données qu'elle autorise.
Non. Je travaille sur le code client avec des comptes professionnels ou API qui ne l'utilisent pas pour l'entraînement. Un extrait envoyé à un LLM externe quitte malgré tout votre infrastructure et relève des conditions de ce fournisseur.
À vous, comme le reste du code. Le contrat prévoit la cession des droits sur le code que je livre, y compris celui rédigé par un agent.
Pas sans moi. Les agents ne font ni commit, ni push, ni merge, ni déploiement, ni suppression sans mon accord explicite, et ils ne se connectent jamais à vos services : je saisis moi-même chaque mot de passe et chaque code à usage unique.
En général, jamais au détriment de la relecture. Les études divergent sur l'ampleur du gain, et l'IA amplifie surtout les pratiques existantes : les tests, la CI et la revue passent donc d'abord. Je chiffre le travail lui-même, au forfait ou en régie, plutôt que de promettre un pourcentage.
Rarement en premier. Un prompt bien construit, puis une recherche dans vos documents (RAG), couvrent la plupart des besoins ; le fine-tuning se justifie quand les évaluations montrent que les deux plafonnent, et il demande des données d'exemple propres.
DĂ©crire votre projet sur Malt
Poser une question sur LinkedIn