Les premiers assistants IA s'intégraient naturellement au poste de travail du développeur. Une requête, une réponse, puis celui-ci reprenait immédiatement la main.

Les agents IA changent complètement cette logique. Ils peuvent désormais analyser un projet, lancer des tests, produire de la documentation de manière autonome... Certaines de ces tâches peuvent durer plusieurs dizaines de minutes, voire plusieurs heures. Elles s'inscrivent ainsi dans un temps qui dépasse celui du développeur. Se pose alors la question de leur environnement d'exécution.

Le développeur garde la main, l'agent travaille ailleurs

Lorsque les traitements deviennent longs ou gourmands en ressources, le poste de travail n'est plus toujours l'environnement le plus adapté. Le développeur peut poursuivre d'autres tâches, éteindre son ordinateur ou simplement ne pas disposer de la puissance nécessaire pour exécuter certaines opérations.

L'enjeu consiste alors à dissocier l'environnement de travail du développeur de celui de l'agent. « Le développeur doit pouvoir choisir où son agent s'exécute : sur sa machine, dans un conteneur Docker ou directement dans le cloud. C'est particulièrement utile lorsque les traitements deviennent trop lourds pour le poste de travail », explique Jiali Chen, Solution Engineer chez JetBrains.

JetBrains Air s'inscrit dans cette logique en laissant le développeur choisir, pour chaque tâche, l'environnement d'exécution le plus adapté. L'agent peut ainsi s'exécuter localement sur le poste de travail, dans le cloud ou encore dans un conteneur, tandis que le développeur continue d'avancer sur d'autres sujets avant de récupérer le résultat.

Une nouvelle catégorie de charges de travail

À partir du moment où les agents travaillent de manière autonome, ils deviennent progressivement une nouvelle catégorie de charges de travail que les équipes Platform Engineering et DevOps doivent administrer.

Comme les applications, les conteneurs ou les pipelines CI/CD, ils consomment des ressources, exécutent des traitements complexes et doivent être planifiés, supervisés et administrés. Les questions deviennent alors très proches de celles que se posent déjà les équipes d'exploitation : combien d'agents peuvent fonctionner simultanément ? Où stocker leurs résultats ? Comment suivre leur progression ou interrompre une tâche devenue inutile ?

L'industrialisation des agents ne consiste donc pas uniquement à leur fournir davantage de puissance de calcul. Elle suppose de disposer d'une plateforme capable d'orchestrer leur exécution, quel que soit l'environnement retenu.

Coordonner les agents autant que les développeurs

L'exécution des agents n'est qu'une partie de l'équation. Encore faut-il organiser leur travail lorsqu'ils interviennent simultanément sur un même projet.

Plusieurs développeurs peuvent en effet confier différentes tâches à leurs agents. Sans coordination, ceux-ci risquent de modifier les mêmes portions de code, produire des changements incompatibles ou dupliquer certaines opérations.

Disposer d'une vision partagée de ces travaux devient alors indispensable. JetBrains prévoit d'enrichir Air avec Air Team, un espace de coordination du travail entre développeurs et agents. « Celui-ci permettra aux équipes d'organiser les tâches, d'exécuter des workflows en plusieurs étapes et de conserver une vision commune de leur avancement, même lorsque le travail est réparti sur différents environnements », précise Jiali Chen. Appuyé sur JetBrains Central, il intégrera ces capacités directement dans les workflows quotidiens des équipes. Plus largement, Air permettra également de déclencher des actions automatisées, comme la mise à jour de la documentation, la revue de code ou la génération de tests.

JetBrains Central transforme les workflows isolés basés sur l’IA en un système de production unifié.

Quand les agents deviennent des composants de la plateforme

À terme, les agents IA prendront naturellement leur place aux côtés des applications, des conteneurs ou des pipelines CI/CD. La différence est qu'ils ne se contenteront pas d'exécuter des traitements : ils collaboreront avec les développeurs, parfois pendant plusieurs heures. Les plateformes d'ingénierie devront donc apprendre à les faire travailler aussi naturellement qu'elles orchestrent aujourd'hui le reste de l'écosystème logiciel.