En 2024, j’ai formé des ingénieurs à l’École Polytechnique de Palaiseau sur l’utilisation de l’IA dans le développement. Note finale : 5/5, 13 objectifs sur 13 atteints. Voici ce que j’enseigne — et ce que je pratique tous les jours chez Smart Solution IT.
Qu’est-ce que le Vibe Coding exactement ?
Le terme “Vibe Coding” vient d’Andrej Karpathy (ex-Tesla/OpenAI). L’idée : au lieu d’écrire chaque ligne de code, tu guides l’IA avec des intentions, tu valides, tu corriges, tu itères.
Ce n’est pas :
- Copier-coller du code ChatGPT sans le lire
- Remplacer la compréhension par l’IA
- Générer 1000 lignes et espérer que ça marche
C’est :
- Décrire clairement ce qu’on veut construire
- Garder le contrôle de l’architecture
- Utiliser l’IA pour les tâches répétitives
- Réviser et comprendre tout ce qui est généré
Mon stack IA en 2026
Claude (Anthropic) — pour la réflexion
Claude est mon outil principal pour l’architecture et la résolution de problèmes complexes. Quand je conçois SmartMonitor (FastAPI + asyncio + Next.js), je commence toujours par une conversation avec Claude :
Moi : Je construis un agent de monitoring Linux.
Il doit collecter CPU, RAM, disk, services toutes les 60s.
Stack : Python 3.11, FastAPI, asyncio.
Comment structurer les collectors pour qu'ils soient
testables et extensibles ?
Claude : [propose BaseCollector avec _collect() + fail-safe wrapper]
Le résultat : une architecture propre dès le départ, pas un refactoring douloureux 2 semaines plus tard.
Cursor — pour le code au quotidien
Cursor est un VSCode forké avec l’IA intégrée directement dans l’éditeur. Ce que j’utilise le plus :
Cmd+K (edit inline) : “Ajoute la gestion d’erreur avec logging structuré”
Cmd+L (chat avec contexte) : “Pourquoi cette requête SQL est lente ?” + il voit mon schema
Tab completion : Il complète mes fonctions en comprenant le contexte du fichier entier.
GitHub Copilot — pour les patterns répétitifs
Copilot excelle pour les tests unitaires, les docstrings, les migrations SQL, et les boilerplates. Je l’utilise comme un “senior qui connaît tous les patterns” plutôt que comme un architecte.
Ma méthode en 5 étapes
1. Architecture d’abord, code ensuite
Avant d’écrire une ligne, je décris le système complet à Claude. Il identifie les edge cases que j’aurais manqués. Pour Prep-Immigration AI (SaaS TCF/TEF Canada), cette étape a évité une refonte majeure du système de scoring.
2. Un fichier = une responsabilité
L’IA génère mieux du code quand les fichiers sont petits et focalisés. Un collector par domaine, un composant par responsabilité. C’est bon pour l’IA ET pour la maintenabilité.
3. Tests avant optimisation
Je demande toujours à l’IA de générer les tests en même temps que le code, pas après. Sinon les tests deviennent une corvée qu’on reporte.
# Je demande : "Génère le collector ET ses tests unitaires
# avec mock psutil"
@patch("agent.collectors.system_collector.psutil")
def test_cpu_defaults_on_failure(mock_psutil):
mock_psutil.cpu_percent.side_effect = Exception("unavailable")
c = SystemCollector()
assert c.collect() == c.defaults()
4. Révision systématique
Tout code généré par l’IA passe par ma révision. Je cherche :
- Les injections (SQL, commandes shell)
- Les timeouts manquants sur les appels réseau
- Les secrets hardcodés
- La logique métier incorrecte
5. Documentation par le code
Au lieu d’écrire des commentaires, je demande à l’IA de nommer les variables et fonctions de façon explicite. calculate_disk_usage_percentage() vaut mieux que calc() + commentaire.
Les limites réelles
L’IA se trompe sur :
- Les APIs récentes — elle connaît mal les versions < 6 mois
- Le contexte métier local — elle ne connaît pas MTN Mobile Money ou Orange Money
- L’architecture distribuée complexe — elle propose des solutions trop simples
- Les performances à l’échelle — elle optimise prématurément ou pas assez
Résultat concret
Depuis que j’utilise cette méthode chez SSIT :
- SmartMonitor : 8 phases en 4 mois (solo)
- Prep-Immigration AI : COCOMO estimé à 68 person-months, livré en 3 mois
- AlgoTrainer : MVP en 3 semaines
La productivité a triplé. Mais ce qui a vraiment changé, c’est la qualité de réflexion — l’IA force à articuler clairement ce qu’on veut construire, et ça améliore les décisions d’architecture.
Cedric Tiako est Formateur IA certifié (M2i Formation, note 5/5) et Senior Full Stack Developer. Il forme des équipes au Vibe Coding à Douala et en remote.
Commentaires
Chargement…