Il fut un temps où les environnements de développement (IDE) se concentraient sur des langages spécifiques, comme Visual Studio IDE pour Microsoft C++ ou IntelliJ IDEA pour Java. Mais aujourd'hui, une dernière vague d'IDE dédiés aux workflows IA agentique fait son apparition. Après AWS Kiro, Google vient de dévoiler Antigravity. Tout comme l'environnement de son concurrent, celui-ci est basé sur un fork de Visual Studio Code, calquant son comportement sur celui de Microsoft. Si vous avez déjà utilisé VS Code, vous n'aurez donc aucun mal à vous familiariser avec Antigravity. Mais tout comme Kiro, celui de Google s'articule autour d'interactions avec des agents IA, ce qui nécessite quelques explications. Notre confrère de Computerworld revient sur les premiers pas avec l'IDE basé sur l'IA de Google.
Configuration d'un projet
Lorsque vous ouvrez Antigravity et démarrez une conversation avec l'un de ses agents, vous pouvez choisir entre deux modes d'interaction.
Le mode planification qui génère des artefacts du processus de réflexion de l'agent (procédures détaillées, listes de tâches, etc. ) Ce mode apporte de nombreuses possibilités d'intervenir à chaque étape et de décider si une opération donnée doit être modifiée.
Le mode rapide exécute directement les commandes : il est donc plus utile pour les actions rapides qui ne sont pas susceptibles d'avoir des répercussions majeures.
Utilisez le mode planification pour les projets où vous souhaitez davantage de supervision et de commentaires, et utilisez le mode rapide pour les expériences simples et ponctuelles. Vous pouvez également sélectionner la fréquence à laquelle vous souhaitez effectuer une révision à chaque étape : jamais, uniquement lorsque l'agent le juge opportun, ou toujours. Antigravity est prééquipé de plusieurs agents. Celui par défaut, et utilisé pour cette prise en main, repose sur Gemini 3 Pro, mais d'autres LLM sont disponibles comme Claude Sonnet 4.5 et GPT-OSS (120B Medium). À date, la seule tarification disponible pour ces modèles est un aperçu public gratuit avec un compte individuel, avec des limites de débit fixes actualisées toutes les cinq heures. Les niveaux payants et les plans « bring your own service » ne sont pas encore pris en charge.
Travailler et interagir avec les agents IA
Le premier projet en mode planification réalisé était un simple utilitaire basé sur Python permettant de prendre un fichier Markdown et de générer un fichier Microsoft Word (.docx) à partir de celui-ci. La première série de commandes générées par Antigravity n'utilisait pas l'environnement virtuel Python déjà présent dans le répertoire du projet, ce qui signifiait que les bibliothèques nécessaires auraient été installées au mauvais endroit. Mais après en avoir informé l'agent, celui-ci a utilisé correctement l'environnement virtuel pour toutes les actions Python ultérieures.
Le mode planification d'Antigravity donne la possibilité au développeur d'examiner et de commenter chaque document de planification et la description des étapes. (Crédit : Foundry)
Une fois que l'agent a créé une version de base du projet, comprenant une liste de tâches, une procédure pas à pas et un plan de mise en œuvre, j'ai demandé quelques modifications. L'une d'entre elles concernait la possibilité de fournir des informations sur le style de police pour le fichier Word généré, au moyen d'un fichier JSON. Une autre modification concernait la possibilité d'enregistrer également les images en ligne dans le document Word généré, et de les lier à partir d'un fichier externe ou de les intégrer. L'agent a rendu cette dernière fonctionnalité opérationnelle en générant un fragment XML personnalisé à insérer dans le document, car la bibliothèque XML Office utilisée pour le projet ne prenait pas en charge cette option.
Exemple de code généré par Antigravity avec des exemples de fichiers d'entrée et de sortie affichés sur le côté gauche de l'écran de l'explorateur. (Crédit : Foundry)
Chaque fois que vous donnez des instructions à l'agent, celui-ci élabore plusieurs documents de planification différents. La liste des tâches décrit chaque objectif général et indique s'il a été atteint. Le plan de mise en œuvre détaille de manière exhaustive la manière dont l'agent compte accomplir la tâche en cours. La procédure pas à pas fournit un résumé global de chaque ensemble de modifications apportées. Pour chacune d'entre elles, vous pouvez ajouter des commentaires en ligne à l'intention de l'agent, comme vous le feriez dans un document Word, et modifier le plan de manière granulaire au fur et à mesure que vous avancez.
Le plan de mise en œuvre du projet généré par Antigravity. Le développeur peut ajouter des commentaires en ligne, que l'agent évaluera et utilisera pour les révisions futures. (Crédit : Foundry)
Tous les états antérieurs de ces fichiers sont conservés avec l'historique des conversations de votre agent. Antigravity suit également (lorsqu'il le juge pertinent) les modèles persistants et les informations tirées des conversations dans ce qu'on appelle des « éléments de connaissance ». L'une des fonctions très prisées de l'intégration des agents d'Antigravity est la possibilité de créer des maquettes et des graphiques via le service de génération d'images Nano Banana de Google. Pour la tester, j'ai demandé à l'agent de générer un prototype pour l'interface utilisateur web de mon application. Le mode d'échec s'est avéré aussi intéressant que le service lui-même : lorsque plusieurs tentatives de génération de l'image ont échoué en raison d'une surcharge du serveur, l'agent s'est rabattu sur la génération de la maquette sous forme de page web réelle. D'une certaine manière, c'était mieux, car cela m'a permis d'utiliser plus facilement la version HTML.
Un IDE naturellement intégré à Chrome
Antigravity étant un projet Google, il s'intègre naturellement à Chrome. L'agent peut être commandé pour ouvrir des instances de Chrome et effectuer des actions interactives (telles que l'ouverture d'une page Web et l'extraction de texte) à l'aide d'un plugin de navigateur installé manuellement. Il peut également, dans une certaine mesure, contourner l'absence d'extension. Par exemple, lorsque je n'avais pas installé le plug-in Chrome et que j'ai demandé des captures d'écran d'un site web, l'agent a élaboré un plan alternatif consistant à utiliser un script Python et un framework d'automatisation pour accomplir la tâche.
S'il est pratique de demander à l'agent de faire fonctionner le navigateur, plutôt que d'écrire un programme Python pour piloter une bibliothèque d'automatisation de navigateur comme Playwright, l'agent ne donne pas toujours des résultats prévisibles. Lorsque j'ai essayé d'extraire une liste des films les plus récents critiqués sur RogerEbert.com à partir de sa page d'accueil, l'agent a légèrement fait défiler la page vers le bas (il a même admis l'avoir fait, mais sans préciser pourquoi) et a manqué quelques titres en haut de la page. L'écriture d'un script pour automatiser le scraping a généré des résultats plus reproductibles.
Quelques ratés à considérer
Travailler avec une IA agentique n'est pas sans risque, et mon expérience avec Gemini dans Antigravity a été marquée par quelques ratés. À un moment donné, l'agent a dupliqué par erreur une section entière du code de mon projet. Il a détecté l'erreur, mais seulement par hasard, alors qu'il travaillait sur une partie du projet sans rapport avec celle-ci. J'ai également rencontré quelques bizarreries spécifiques à l'IDE. Par exemple, si vous créez un répertoire de projet Antigravity et que vous le déplacez ailleurs sur le système, certaines choses peuvent ne plus fonctionner, comme la conservation des éléments de connaissance. Il n'existe actuellement aucun moyen évident de résoudre ce problème.
Conclusion
Le principal argument des IDE intégrant une IA agentique est de proposer un contexte unique pour tout votre travail. Au lieu d'assembler une suite de plusieurs applications, ou même une seule, avec plusieurs plug-ins, Antigravity (tout comme son concurrent Kiro) propose un espace de travail unifié. Et comme l'IDE d'AWS, celui de Google utilise un processus itératif basé sur des prompts et des spécifications. À ce stade, la plus grande différence entre les deux réside dans les modèles proposés par chacun. Kiro est limité à Claude Sonnet (4.0 et 4.5), tandis qu'Antigravity en propose plusieurs : ceux d'Anthropic, d'OpenAI et les siens. A noter que ces deux IDE sont encore limités aux API externes pour leurs modèles. Même si vous disposiez du matériel nécessaire pour héberger un modèle localement, vous ne pourriez pas utiliser Antigravity avec celui-ci, du moins pas encore.
L'environnement de développement de Google ne dispose pas des fonctionnalités de Kiro, davantage axées sur le workflow de développement, telles que les hooks qui peuvent être définis pour déclencher des comportements d'agent à certains moments (par exemple, l'enregistrement d'un fichier). Le produit en est encore à ses débuts. Il est probable que la société se concentre sur les fonctions agentiques de base, comme le comportement de la boucle de rétroaction des utilisateurs, avant d'ajouter un ensemble plus large de fonctionnalités pour les programmeurs et de lancer une première version complète du produit.
Commentaire