Zoom sur 13 agents IA de codage

Si l’IA générative peut aider les développeurs à compléter du code, à réaliser des tests, de la documentation, elle est petit à petit supplantée par les agents IA de codage. Ces derniers se définissent comme des outils autonomes auquel un humain peut déléguer une tâche. Ils ont des capacités liées au cycle de vie du développement logiciel, ainsi qu’une formation spécialisée en langage informatique.

Les agents nécessitent un raisonnement, généralement mis en œuvre à l'aide de modèles IA. Cela implique par ailleurs l'accès à d'autres programmes via des connecteurs et d’avoir une mémoire à court et à long terme. L’utilisation de plusieurs agents requiert une couche d’orchestration. Pour que les différents composants interagissent, il faut des protocoles comme MCP (model context protocol) pour accéder à des sources de données externes ou Agent2Agent (A2A) de Google permettant à ces agents de se connecter à d'autres et de collaborer en équipe. Si l'on ajoute les questions d’authentification, ces outils sont capables de multiples tâches

Au final, plusieurs fournisseurs se sont positionnés sur ce marché des agents IA de codage en faisant évoluer parfois leur outil de la GenAI vers l’agentique. L’occasion de faire un point sur eux dans cette sélection.

1-Claude Code d’Anthropic

Lancé en février dernier, Claude Code d’Anthropic a connu un certain succès auprès de la communauté des développeurs au point pour l’éditeur d’en brider l’usage. Les utilisateurs peuvent interagir directement avec lui en ligne de commande depuis leur terminal. Cet agent est capable de rechercher et lire du code, modifier des fichiers, écrire et exécuter des tests, effectuer des commits et pousser du code vers GitHub. Cette intégration avec ce service open source est importante pour la correction de bugs, le développement de fonctionnalités et la documentation. Récemment, l'éditeur a annoncé la compatibilité de Claude Code avec les serveurs MCP.

Claude Code est disponible en ligne de commande directement depuis le terminal des programmeurs. Crédit Photo : Anthropic

2-Q Developer d’AWS

Présenté pour la première fois en 2023, Q Developer était un outil d’IA générative capable d’aider les codeurs à développer des applications sur le cloud d’Amazon. Depuis, cet éditeur a fait évoluer son produit en dévoilant à l’automne 2024 deux agents : un pour générer du code (/dev) et l'autre pour transformer d'anciens projets Java en une version Java mise à jour (/transform). En décembre 2024, Amazon en a ajouté trois autres pour générer de la documentation dans les bases de code (/doc), effectuer des revues de code afin de détecter et de résoudre les problèmes de sécurité et de qualité du code (/review), et générer automatiquement des tests unitaires et améliorer la couverture des tests (/test).

Q Developer peut fournir cinq types de contextes à son prompt : un espace de travail, des dossiers, des fichiers, du code sélectionné et une invite enregistrée. Ceux-ci peuvent être utilisés que le codage par agent soit activé ou non.

Q Developer propose actuellement cinq agents : /dev, /test, /review, /doc et /transform. Crédit Photo : Foundry

3-Cline

Cline est présenté comme un « partenaire IA entièrement collaboratif » open source et extensible. Il ne se contente pas de générer du code, il prend en charge le flux de travail des développeurs, surveille l’environnement (des terminaux aux fichiers en passant par les journaux d'erreurs), détecte automatiquement les problèmes et applique les corrections, et se connecte aux documents et bases de données grâce à l'intégration de MCP. Il dispose d'une longue liste de plug-ins pour ce protocole.

Cline supporte plusieurs dizaines de fournisseurs d'IA, à condition de pouvoir fournir des clés API, mais fonctionne actuellement mieux avec Anthropic Claude. Contrairement à la plupart des plug-ins IA de VS Code, cet outil ne surveille pas la session d'édition VS Code et n'essaie pas de compléter le code. Au lieu de cela, il faut le guider dans une fenêtre de chat en lui donnant des tâches à accomplir et en répondant à ses demandes de clarification et d'autorisation.

Cline peut générer des projets complets et effectuer des actions en votre nom. Ici, il a créé un nouveau dossier de projet et généré le code HTML d'une page web simple. Crédit Photo : Foundry

4-Cursor

Alors que de nombreux assistants de codage sont des plug-ins pour Visual Studio Code, celui-ci en est un fork. Une des améliorations majeures résident dans sa gestion de la complétion de code et du chat. Le mode Agent a été ajouté par la suite et n'a cessé de s'améliorer mois après mois

Les choix actuels de mode de chat dans Cursor sont Agent (par défaut), Ask (essentiellement en lecture seule), Manual (modifications précises du code avec ciblage explicite des fichiers) et Background (agents dans le cloud). L'ancien mode Composer est devenu Chat, et le mode Yolo a été réduit à un bouton Auto-run dans le mode Agent. Ce dernier peut accomplir des tâches de bout en bout. À l'aide de modèles de récupération personnalisés, Cursor est capable de comprendre une base de code. Il peut automatiquement écrire et exécuter des commandes de terminal, par défaut avec votre accord explicite. Par ailleurs, Cursor détecte automatiquement les erreurs de lint et applique des corrections. Enfin, il exécute tous les modèles MCP installés.

Les agents Background sont asynchrones et peuvent modifier et exécuter le code dans un environnement distant. À tout moment, il est possible d’afficher leur statut, envoyer un suivi ou prendre le contrôle.

A noter la présence d’un mode Max activable dans le sélecteur de modèle. Il offre des fenêtres de contexte plus grandes, permet d’effectuer davantage d’appels d’outils sans confirmation et de lire plus de lignes à partir de fichiers. Le prix du mode Max est calculé en fonction des tokens utilisés.

Le mode Agent de Cursor permet de comprendre une base de code, d'écrire et d'exécuter des commandes dans le terminal, de détecter et de corriger les erreurs de lint, et d'exécuter tous les modèles MCP que vous avez installés. Crédit Photo : Foundry

5-Devstral de Mistral AI et All Hands AI

Devstral est un agent IA de codage open source développé dans le cadre d’une collaboration entre Mistral AI et All Hands AI. Il a été lancé en mai 2025 et affiche de meilleures performances théoriques que d’autres agents open source ou propriétaires. L’outil est censé être suffisamment léger pour fonctionner sur une seule carte graphique Nvidia GeForce RTX 4090 ou un Mac avec 32 Go de RAM. Notre confrère d’Infoworld a pu le faire tourner sous Ollama su un Mac avec 24 Go de RAM à une vitesse acceptable.

Il a ensuite rentré un prompt, « Écris un programme C++ qui calcule pi à 20 chiffres ». La première tentative de Devstral a utilisé l'algorithme de Gauss-Legendre, ce qui est correct, mais a effectué le calcul avec un type double C++. Il lui a fait remarquer, « n'as-tu pas besoin d'utiliser un calcul à virgule flottante à précision multiple pour obtenir une précision de 20 chiffres ? » Devstral a répondu : « Vous avez raison. Le type double standard en C++ offre généralement une précision d'environ 15 à 17 décimales, donc pour calculer Pi avec une précision de 20 décimales, il faut une bibliothèque qui prend en charge l'arithmétique à précision arbitraire. » Dans ce cadre, il a généré un programme à l’aide de la bibliothèque GMP (GNU Multiple Precision Arithmetic Library). Cela fonctionne, mais c’était fastidieux. Il lui a donné un indice « MPFR ne simplifierait-il pas le code ? » L’agent a suivi cette suggestion, mais a persisté à utiliser l'algorithme de Gauss-Legendre, encore une fois un peu fastidieux. Un autre indice lui a été donné : « Pourquoi ne pas utiliser mpfr_const_pi ? » Il a suivi cet indice et a finalement généré un code que notre confrère aurait pu écrire lui-même. Pour lui, il est possible que l’exécution de Devstral dans un environnement permettant des recherches sur le Web l’aurait aidé à mieux fonctionner.

6-Copilot de GitHub

Lancé en mai 2025 et présenté lors de la conférence Microsoft Build, cet agent de codage commence son travail quand on lui attribue un ticket GitHub à Copilot ou qu’il est sollicité dans VS Code. L'outil lance un environnement de développement alimenté par GitHub Actions. À partir de là, il envoie les commits vers un projet de pull request, que l’on peut suivre grâce aux journaux de session de l'agent. Les pull request de l'agent doivent être approuvées par un humain avant que les workflows CI/CD ne soient exécutés. Une fois que Copilot a terminé, il les marque pour révision et il est possible de laisser des commentaires pour lui demander d'apporter des modifications.

GitHub Copilot dispose également d'un agent de révision de code, qui fonctionne selon deux modes. On peut mettre en évidence une sélection de code et demander une « révision initiale », ou on peut demander une « révision approfondie » de toutes les modifications d'un pull request. L'agent de révision de code fournira des commentaires et suggérera des modifications que l’on met en œuvre en un clic. Si on le souhaite, il est possible de configurer un référentiel pour demander automatiquement une révision de code à Copilot pour tous les nouveaux pull requests.

Mode agent de codage GitHub Copilot fonctionnant dans VS Code. Crédit Photo : Foundry

7-Jules de Google

Jules est un agent expérimental alimenté par l'IA qui utilise Gemini 2.5 Pro pour effectuer de manière asynchrone des tâches de codage Python et JavaScript. Il s’installe et s’exécute depuis les référentiels GitHub.

Plusieurs tâches sont disponible comme l’examen de la base de code pour identifier d’éventuels problèmes. Il est capable de préparer des pull request prêts pour l’intégration ou de modifier plusieurs fichiers simultanément, tout en respectant les consignes initiales. A noter que si Jules est un agent autonome, l’ensemble de ses actions nécessitent une validation humaine.

Jules de Google est invocable depuis les repositories de GitHub. Crédit Photo : Foundry

8-Lovable

Pas tout à fait un agent, Lovable est un site web de codage intuitif pour créer des applications sans avoir besoin de connaissance en programmation. Il suffit de décrire simplement ce que l’on souhaite en anglais. Il comprend des outils de codage basés sur l'IA, une collaboration en temps réel (version bêta) et le partage de projets.

Lovable propose deux modes IA : Edit et Chat. Ce dernier est agentique et aide à planifier. Lorsqu’on lui demande de mettre en œuvre le plan, il repasse en mode Edit et génère le code. En mode Code, le site affiche et modifie (avec un abonnement payant) l'intégralité du référentiel de code qui sous-tend votre projet Lovable dans l'éditeur de l’éditeur; il s'agit d'une application React. Il est possible d’importer des designs depuis Figma à l'aide du plug-in Builder.io, à condition de structurer correctement le fichier Figma.

Prototype d'application Lovable (à droite) généré à partir de l'invite « Créer un tableau de bord avec connexion utilisateur, ventes mensuelles sous forme de graphique linéaire et données démographiques des clients sous forme de graphique circulaire » (à gauche) . Crédit Photo : Foundry

**9-Codex d'**OpenAI

Codex proposé par OpenAI comprend deux composants : Codex, fonctionnant avec GitHub, et Codex CLI, qui s'exécute dans une interface de ligne de commande. Le premier délègue des tâches à un agent de codage ans le cloud. Le second agit comme un agent léger tournant en local.

Il prend en charge de nombreuses tâches en parallèle, telles que l'écriture de fonctionnalités, la réponse à des questions sur une base de code, l'exécution de tests et la proposition de demandes d'extraction pour révision. Chaque tâche s'exécute dans son propre bac à sable cloud sécurisé, préchargé avec un référentiel et un environnement d'exécution approprié.

Écran principal d'OpenAI Codex. Notez que les trois tâches se sont exécutées simultanément dans des environnements virtuels distincts. Crédit Photo: Foundry

10-Solver

Découvert en février 2025, notre confrère d’Infoworld avait été impressionné par cet agent. « Même s’il n’est pas encore tout à fait au point, Solver place clairement la barre haute en matière de développement logiciel automatisé ». Depuis, l'agent a étendu ses environnements d'exécution préconfigurés (images Docker) pour l'exécution de code, passant d'un seul (Python) à plus de 20 (ce nombre inclut différentes versions linguistiques, donc en réalité plus proche de 10). Par ailleurs, l'outil s'est étoffé avec la prise en charge du serveur MCP via Smithery, l'intégration à Slack et d'une fonctionnalité de mémoire dépendante du référentiel pour les instructions et les préférences. En outre il propose aussi la possibilité de fournir une image dans le cadre d’une invite.

Et, bien sûr, Solver a également continué à améliorer ses modèles. Il revendique par ailleurs un niveau d'automatisation de niveau 4, ce qui signifie « Automatisation élevée : le logiciel peut s'écrire lui-même avec peu ou pas de supervision humaine ». Un essai gratuit est proposé.

Une application Solver avec les options ouvertes. Crédit Photo : Foundry

11-Amp de Sourcegraph

Amp est un outil de codage agentique développé par Sourcegraph, les créateurs de Cody. Amp fonctionne comme un plug-in dans VS Code (et dans des forks compatibles tels que Cursor, Windsurf et VSCodium) et un outil en ligne de commande. Il prend en charge les serveurs MCP tels que Playwright et se connecte à d'autres programmes tels que GitHub et Slack. Amp peut « lire » des captures d'écran, générer des diagrammes Mermaid, effectuer des compilations, exécuter du code et corriger des erreurs. Il permet également la collaboration en équipe.

Amp a une philosophie différente de celle de Cody et de la plupart des autres agents de codage. Tout d'abord, il est possible d’utiliser autant de jetons que l’on veut à condition de les payer au fur et à mesure, plutôt que de payer un abonnement mensuel fixe. Deuxièmement, il n’y a pas le choix entre plusieurs LLM. Cet outil utilise le meilleur modèle disponible, actuellement Claude Sonnet 4 pour la plupart des tâches.

Amp propose de corriger des erreurs dans le code. Crédit Photo : Foundry

12-Cascade de Windsurf

Windsurf est un éditeur de codage IA, anciennement Codeium, basé sur Visual Studio Code OSS. Il a récemment été racheté par OpenAI, ce qui a déclenché un conflit de droits de propriété intellectuelle entre la start-up et Microsoft.

Cascade est l'agent de codage de Windsurf, avec une interface de chat dans la colonne de droite de l'interface utilisateur. La société affirme que Cascade dispose d'un raisonnement contextuel complet, peut suggérer et exécuter des commandes, reprendre là où vous vous êtes arrêté et effectuer des modifications sur plusieurs fichiers. L'outil est aussi capable d'effectuer des recherches sur le web, utiliser des images comme référence, utiliser des mémoires persistantes et utiliser MCP.

Cascade prend actuellement en charge jusqu'à 16 modèles, en fonction de l’abonnement et des clés que vous fournissez, y compris ses propres modèles SWE-1. Il dispose également d'une bibliothèque de serveurs MCP à installer.

Cascade de Windsurf est un agent de programmation complet. (Crédit Photo: Windsurf)

13-Zencoder

En avril dernier, Zencoder a lancé officiellement ses agents IA de codage et de tests unitaires. La plateforme s’intègre avec les IDE standard (VS Code, JetBrains), ainsi que Jira, GitHub, GitLab, Sentry et d'autres outils DevOps. La start-up étoffe progressivement son catalogue d’agents avec par exemple ceux dédiés au CI/CD. Ils sont capables de corriger les erreurs de code, ajouter des tests unitaires et des documents manquants, et fournir une analyse complémentaire à la revue de sécurité. Ils peuvent extraire le contexte d’une base de code, des outils de suivi des incidents, des commits récents et de l'état du dépôt. Ils s’exécutent directement l’outil de développement continu. Zencoder permet par ailleurs de personnaliser ses agents de codage IA.

À gauche, vous pouvez voir la définition d'un agent personnalisé Zencoder conçu pour la révision de code. Crédit Photo : Foundry

Au final, l’offre d’agents IA de codage s’étoffe progressivement. La question est maintenant de savoir s’il faut les utiliser. La réponse est loin d’être évidente et dépend des usages. Cependant, la voie est tracée et les prochains mois seront importants pour évaluer la maturité de ces agents et s'ils sont en mesure de vraiment aider les programmeurs dans leurs tâches.