Développement agentique : les éditeurs prônent le multijoueur

Aux frontières du développement, les murs tombent

Même constat chez Slack. « J’ai un diplôme en économie, mes collègues ont des formations en design et en programmation, mais je soumets de véritables pull requests. C’est quelque chose que j’aurais imaginé », a déclaré Claire Bowman, directrice gestion produit chez Slack. La product manager (PM) s’exprimait lors d’un point presse lors de la conférence annuelle de Salesforce, Dreamforce 2026.

Du même coup, les « gens doivent travailler de manière beaucoup plus coordonnée les uns avec les autres », poursuit Fabien Potencier. « C’est pour cela que nous avons décidé de fusionner les équipes ingénierie et produit [chez Upsun] afin de fluidifier la coordination entre les différentes équipes ».

ServiceNow a pris une initiative similaire. En mai 2026, Joe Davis, EVP Ingénierie et IA chez ServiceNow a affirmé au MagIT qu’il orchestre depuis le mois d’avril le travail de trois équipes autrefois séparées : ingénierie, plateforme, produit et les développements internes. Là, il s’agit d’accélérer le rythme d’innovation.

 « Il est certain que la façon de développer des logiciels ou des produits est très différente d’il y a un an et d’il y a cinq ans. Et je ne parle même pas de la période pré-COVID », explique Fabien Potencier. « Même avec les méthodologies agiles, il fallait produire des spécifications détaillées, bien décrire ce que l’on voulait, parce qu’un ingénieur, c’est cher. Il a de l’expertise dans des langages de programmation, des frameworks, le déploiement d’applications sur des infrastructures, etc. ».

L’IA perturbe ce schéma. « Les agents IA sont très bons à écrire du code. Sont-ils parfaits ? Non. Ils ont des lacunes du point de vue de l’architecture, de la création d’abstractions, de la généralisation, mais ils s’améliorent rapidement. Du même coup, a-t-on encore besoin de passer par des phases de spécifications extrêmement lourdes alors même que la création de code n’est plus si chère que ça ? », interroge-t-il.

Cette phase de spécifications demeure nécessaire, mais elle est assistée par l’IA. D’où l’émergence du « spec driven development ».

Faire du développement agentique un sport d’équipe

Et les humains ont leur rôle à jouer tout au long du cycle de développement. « Nous sommes persuadés que nous avons besoin de l’humain. En entreprise, nous n’écrivons pas du code pour écrire du code, mais pour construire des produits. Le plus important est de savoir ce que l’on va créer, ce que l’on va ajouter comme fonctionnalités et celles que l’on va rejeter. Pour le moment, l’IA ne sait pas bien le faire », observe le CPTO d’Upsun. Il faut encore valider le code, l’ergonomie ou encore l’absence de bugs.

Une partie de ces tâches peuvent être automatisées, dont la revue de code et le debugging, assure Boris Cherny, directeur des applications chez Anthropic et créateur de Claude Code. Les humains doivent encore définir les objectifs et la direction.

Dans un même temps, Boris Cherny lui-même reçoit régulièrement des demandes de la part d’ingénieur afin de comprendre comment orchestrer correctement ces allées et venues entre humains et agents IA. D’autant que le développeur est responsable du code poussé vers un projet.

Ce problème inspire justement le développement de nouveaux produits. Chez la filiale de Salesforce, Slack Code est en disponibilité générale depuis la fin du mois d’août.

Cette fonctionnalité consiste en la mise en place de canaux de code, où les humains peuvent invoquer des agents IA pour créer des items et les revoir.

Au sein d’une session, les « diffs » permettent de constater les changements dans le code, des aperçus HTML et des kits d’affichage d’éléments doivent faciliter l’évaluation des interfaces. Les agents IA peuvent aussi éditer des canevas, des documents rassemblant les décisions de conception et leurs explications par exemple.

« Nous savons que les entreprises les plus innovantes ont déjà leurs agents là où leurs employés travaillent. Anthropic affirme que 60 à 65 % de leurs pull requests sont validées via Slack », affirme Claire Bowman. « Mais nous constatons que d’autres entreprises peinent à mettre en place ce même flux de travail, et c’est ce que nous avons voulu résoudre avec Slack Code ».

Les canaux de code peuvent être créés de manière temporaire par les agents IA.

« Au quotidien nous jonglons entre de nouvelles idées, les retours des clients et les rapports de bugs », explique Kyle Stetz, Senior Staff Front-End Engineer chez Slack.

« Dès qu’une tâche arrive, nous pouvons immédiatement la confier à un agent. En l’espace de quelques minutes, nous sommes en mesure d’évaluer la qualité d’un correctif de bug ou une idée de nouvelle fonctionnalité, et de déterminer si elle est valable ou non », ajoute-t-il. « […] Nous gagnons donc énormément de temps en mettant les choses en route, alors qu’auparavant, nous débattions pour établir un calendrier ».

L’agent SlackBot peut y participer, mais ces canaux sont ouverts à plusieurs produits du marché dont Claude Code, Devin, GitHub Copilot et Vercel. Replit, Lovable, CodeRabbit, Mistral Vibe, Factory, Nanoclaw, Rhythms ou encore CoWork et CoCo de Snowflake sont sur la feuille de route.

Slack parle donc de Slack Code comme d’un outil « multijoueur », en référence au mode collaboratif et en équipe de certains jeux vidéo. Cette semaine, Atlassian a emprunté le même vocabulaire avec le lancement de « l’Agentic Multiplayer Protocol ».

Plutôt qu’une couche technologique, il faut voir cette annonce comme une feuille de route pour embarquer les agents IA au sein de Jira, de Confluence et de Loom. Les serveurs MCP d’Atlassian sont désormais intégrés à 200 outils, tandis qu’il est possible de tracer les sessions des agents locaux.

Par ailleurs, l’application Artifacts doit permettre de récupérer les fichiers générés (diagramme, rapport, image, code, etc.) par les agents IA et de les centraliser dans Jira ou Confluence et de les afficher dans des canaux Slack. Le dépôt est raccordé à l’agent de recherche Rovo, mais les documents créés peuvent venir de Codex, Claude Code, etc. Il s’agit d’éviter la prolifération du contexte sur les machines des développeurs.

Passer d’un contexte local à une mémoire en cloud

Car, comme le rappel Fabien Potencier, les agents IA, bien que motorisés par des LLM hébergés dans le cloud, s’appuient généralement un contexte local. Les outils et les environnements avec lesquels ils interagissent sont majoritairement installés sur la machine du développeur.

« Une fois que l’on comprend qu’il faut partager des sessions, il faut passer dans le cloud », estime le CTPO d’Upsun. « Cela pose beaucoup de questions : en matière de gestion des secrets, du contexte de la mise à jour de la base de connaissances, etc. », liste-t-il.  

« Généralement, la barrière est tellement grande que les gens ne franchissent pas le pas. C’est exactement le problème que nous essayons de résoudre avec Dispatch ».

Upsun Dispatch est pensé comme une solution d’orchestration de flux de travail au sein d’un cycle de développement logiciel. L’objectif est de constituer « une usine de code autonome ».

« Il s’agit de partir d’un processus structuré qui commence par un déclencheur, par exemple une issue », décrit Fabien Potencier. « Ensuite, un agent prend en charge la planification, un humain valide la spécification, puis plusieurs agents se chargent de la programmation, puis d’autres de la revue de code. Ce workflow peut s’étendre sur plusieurs sessions, voire des dizaines, et parfois sur plusieurs jours. À terme, il aboutit à une fonctionnalité prête à être mise en production ».

Les tâches agentiques sont exécutées dans des environnements isolés en cloud. Les processus incluent des « human gates », à savoir des points de vérification humains où les développeurs peuvent valider ou non les travaux des agents IA. Certains de ces garde-fous pourront être retirés au fur et à mesure du gain en efficacité des agents IA, estime Fabien Potencier.

Les développeurs peuvent y connecter leurs outils (Linear), les dépôts de code (GitHub, GitLab et bientôt Bitbucket), les modèles d’IA de leur choix. Chaque session est auditée. Le coût des flux de travail peut être surveillé, tout comme il est possible de créer des budgets.

Actuellement, Upsun Dispatch couvre deux flux de travail : la transformation d’issue ou de ticket en code et la révision automatique de code.

En lien avec son offre agentique Duo, GitLab est justement en train de développer des « flows personnalisés » de livraison logicielle mis en communs entre les membres d’une équipe. « Les équipes peuvent lancer et suivre ces mêmes flows depuis les outils et les canaux qu’elles utilisent déjà, sous la même identité et la même politique », explique GitLab dans un communiqué publié le 6 octobre. Les « flows orientés sur les objectifs », sont justement consacré à la revue, les tests, les scans et les approbations autonomes. Cela est associé à un registre d’artefacts, concurrent à JFrog, en bêta, et à Orbit, un graphe de connaissances.

De leur côté, GitHub Next – un laboratoire R&D au sein de GitHub – et Microsoft Research travaillent sur les « Agentic workflows ». Ce sont des flux de travail alimentés par les données des dépôts, les pull requests et les issues. Ils peuvent être déclenchés depuis des IDE agentiques du marché (GitHub Copilot, Claude Code, Codex, Gemini CLI, Pi) pour s’exécuter sur GitHub Actions. Ils sont également génériques : trier des issues, analyses des problèmes CI, revue de code, etc. Là aussi, les opérations sont exécutées dans des sandboxes et les agents n’ont des autorisations qu’en lecture seule. Une console permet de superviser les coûts et de fixer des limites.

Une nécessaire spécialisation

Upsun, davantage utilisé par les gestionnaires de CMS et de sites e-commerce, est très conscient de la concurrence exercée par GitHub et GitLab. L’éditeur de la PaaS éponyme a déjà dans l’idée de spécialiser ses flux de travail.

« Nous sommes agnostiques du dépôt de code. De plus, ces grands groupes ont tendance à créer des usines logicielles très générales. Sur nos sujets, nos benchmarks nous démontrent que nos revues de code sont meilleures », affirme Fabien Potencier.

« Nous sommes en train de travailler avec SensioLabs, l’entreprise qui porte le projet Symfony pour créer un flux de migration de version pour ce framework PHP », ajoute le directeur produit et technique. « Nous travaillons également sur un workflow d’optimisation de sites Web afin de mieux respecter les critères d’accessibilité ». D’autres partenariats sont en cours de développement. Upsun s’intéresse entre autres aux environnements Drupal et Magento.

Sans doute faudra-t-il spécialiser les LLM, envisage le CPTO, au moins à la marge. En attendant, les clients s’appuient sur les modèles du marché. Un système de routage des LLM est envisagé, tandis qu’Upsun aimerait aussi héberger ses flux et ses modèles sur les fournisseurs de cloud locaux.

La fragmentation évoquée par Upsun n’est pas nouvelle. Dans une étude réalisée auprès de 1528 professionnels, GitLab note que seuls 28 % des sondés ont des outils de développement logiciel entièrement intégrés, alimentés par des données et des flux de travail partagés. Oui, le développement agentique permet de dépasser les attentes (60 %) et d’accélérer la validation de code (78 %), mais la majorité des profils DevSecOps (83 %) voit l’accumulation de code généré comme un risque. D’autant que son attribution est encore difficile.

Du côté du Developer Survey 2026 de StackOverFlow (plus de 30 000 développeurs interrogés au total), ce problème d’attribution des sources demeure important pour 93 % des 13 945 personnes sondées. 87 % des sondés font confiance aux résultats générés, mais principalement pour les tâches vérifiables et peu critiques.

Agents IA ou non, c’est moins un problème d’outillage que de relations humaines. Les études passées d’Atlassian documentent un fossé entre les développeurs et certains product managers. Reste à voir si ces nouvelles pratiques peuvent le combler.