Résumé exécutif
- Dan Shipper, CEO de Every, a développé un éditeur de documents collaboratif, Proof, en utilisant le “vibe-coding” et une architecture agent-native, sans écrire de code manuellement.
- Every est une société médiatique de 15 personnes qui publie une newsletter quotidienne sur l’IA, développe plusieurs produits pilotés par l’IA et opère une branche conseil.
- Les ingénieurs d’Every n’écrivent virtuellement plus de code à la main, utilisant à la place des architectures “agent-native” où l’IA est le cœur du produit, et le “compound engineering” pour capitaliser sur les apprentissages.
- L’architecture agent-native repose sur un prompt central plutôt que sur du code, l’agent disposant d’outils basiques (lire/écrire un fichier, rechercher sur le web) pour accomplir des objectifs fonctionnels.
- Le processus de compound engineering chez Every se décompose en quatre phases : brainstorm, planification, travail exécutif et revue, permettant de passer d’un prompt à une application fonctionnelle en moins d’une heure.
- La suite de produits d’Every inclut Spiral, Sparkle, Cora, Monologue, Proof et le prochain Plus One, tous accessibles via un abonnement unique et illustrant l’application pratique de ces frameworks.
- La structure organisationnelle privilégiée pour les produits IA est légère : un directeur général par produit avec une couche de ressources partagées, l’ajout prématuré de personnel ralentissant le processus.
Introduction
Le développement logiciel traditionnel, itératif et manuel, est remis en question par l’émergence des agents d’intelligence artificielle. En mars 2026, l’expérience de Dan Shipper, fondateur d’Every, illustre une transition concrète. Il a conçu et lancé un éditeur de documents collaboratif complet sans écrire une seule ligne de code, en s’appuyant sur des agents IA. Cet événement n’est pas anecdotique ; il révèle un changement de paradigme dans la construction des logiciels. La problématique centrale est l’obsolescence potentielle du codage manuel pour de nombreuses applications, au profit de systèmes où l’humain définit des intentions et l’agent exécute. Les enjeux sont la productivité, la maintenance et la nécessité de nouvelles compétences en ingénierie des prompts et en supervision d’agents autonomes.
Comment les agents IA remplacent-ils le codage manuel en 2026 ?
Le codage manuel, étape par étape, cède du terrain face aux agents capables de raisonner et d’exécuter à partir d’objectifs de haut niveau. Cette évolution est rendue opérationnelle par des frameworks spécifiques, comme celui inspiré de Claude Code et utilisé par Dan Shipper. Ce dernier parle de “vibe-coding”, une approche intuitive où le développeur guide l’agent par le contexte et l’intention plutôt que par des instructions précises.
La société Every a généralisé cette pratique. Ses ingénieurs n’écrivent plus de code. Ils conçoivent des architectures où l’agent est un acteur de première classe, doté d’outils fondamentaux. L’agent reçoit un prompt décrivant une fonctionnalité et utilise ses capacités pour la matérialiser en code, en testant et en itérant de manière autonome. Ce changement réduit le temps de développement de plusieurs ordres de grandeur mais introduit de nouveaux défis en termes de débogage et de contrôle qualité.
La viabilité de cette approche a été testée sous pression lors de l’incident de Proof. Après un lancement viral, l’application a connu des dysfonctionnements. Dan Shipper a dû superviser des agents Codex pendant plus de douze heures pour chasser des bugs dans une base de code qu’il n’avait pas écrite lui-même. Cette expérience a validé le potentiel de l’approche mais aussi mis en lumière la nécessité d’outils de surveillance et de compréhension des actions de l’agent.
L’architecture agent-native : le prompt comme fondation
L’architecture agent-native inverse la logique de construction logicielle. Le composant central n’est plus une base de code statique mais un prompt dynamique définissant le but du système. L’agent, équipé d’un jeu d’outils minimaux – typiquement lire un fichier, écrire un fichier et rechercher sur le web –, devient un ingénieur autonome. Il décompose l’objectif, planifie les étapes, écrit le code nécessaire et l’exécute.
Dan Shipper décrit cette architecture comme du “Claude Code dans une trench-coat”. Il s’agit d’une abstraction qui permet à l’agent d’opérer dans l’environnement de développement avec une grande latitude. Chaque fonctionnalité devient un but à atteindre, non une suite d’instructions à suivre. Cette méthode favorise l’émergence de solutions non anticipées par les développeurs humains, optimisant parfois le code de manière contre-intuitive.
La conséquence est une évolution constante de la base de code. L’application n’est plus un artefact figé mais un système vivant, capable de se reconfigurer partiellement en fonction de nouveaux prompts ou de retours utilisateurs. La maintenance évolue donc vers la curation des prompts et l’audit des décisions de l’agent, plutôt que vers la correction directe de lignes de code.
Le compound engineering : un processus en quatre étapes pour capitaliser sur l’IA
Le compound engineering est le cadre méthodologique qui orchestre l’utilisation des agents chez Every. Structuré en quatre phases, il est conçu pour amplifier les compétences de l’agent à chaque cycle de développement. La première étape est le brainstorming, où l’équipe humaine définit l’objectif produit et les contraintes. Vient ensuite la planification, où l’agent propose une approche détaillée pour atteindre l’objectif.
La phase de travail est entièrement exécutée par l’agent, qui génère le code, les tests et la documentation. Enfin, la revue est critique : les ingénieurs humains examinent le travail produit, non pour corriger la syntaxe, mais pour évaluer la logique, l’expérience utilisateur et la cohérence avec l’intention initiale. Les apprentissages de cette revue sont réinjectés dans le système, “composant” ainsi l’expertise de l’agent pour les projets futurs.
Ce processus a permis à Every de développer Cora, un assistant email, en moins d’une heure à partir d’une ligne de prompt. La vitesse est telle que le risque principal identifié est la surcharge fonctionnelle de la première version, les agents ayant tendance à tout construire plutôt que l’essentiel. La discipline de revue humaine est donc cruciale pour garder une focalisation produit.
La suite de produits d’Every : une vitrine du développement par agents
Les applications concrètes développées par Every démontrent la versatilité de l’architecture agent-native. Spiral est un assistant d’écriture qui construit des guides de style à partir des publications X et des échantillons de l’utilisateur. Sparkle organise automatiquement les fichiers sur Mac et supprime les doublons. Cora gère la boîte de réception email et est disponible sur iOS.
Monologue est un système de dictée vocale qui adapte son style d’écriture à la manière de parler de l’utilisateur. Proof, l’éditeur de documents collaboratif, est open-source et construit avec une approche “agent-first”. Enfin, Plus One est un agent hébergé qui intègre Slack pour assister dans les tâches quotidiennes. Cette diversité prouve que le framework n’est pas limité à un type d’application mais constitue une nouvelle couche d’abstraction générale pour le développement.
Structuration des équipes produit à l’ère de l’IA
La productivité décuplée des agents IA modifie la structure organisationnelle optimale. Every opère avec un directeur général par produit, responsable de la vision et du prompt initial. Ces GM s’appuient sur une couche transverse d’ingénieurs spécialisés dans les modèles, les outils et l’infrastructure des agents. Cette ressource partagée permet une grande agilité.
Contre-intuitivement, ajouter trop de développeurs humains sur un projet early-stage ralentit le processus. La vitesse de l’agent dépasse celle de la coordination d’une grande équipe. Le rôle humain se déplace vers la conception produit de haut niveau, la définition de critères de qualité et l’interprétation des besoins utilisateurs pour les traduire en prompts efficaces. La taille de l’équipe peut rester très réduite même pour des produits complexes.
À retenir
- Le développement logiciel entre dans une ère “post-code” où l’écriture manuelle est remplacée par la direction d’agents IA via des prompts et des architectures agent-native.
- La robustesse et la maintenance des systèmes générés par l’IA nécessitent de nouveaux outils de supervision et de débogage, centrés sur la compréhension des décisions de l’agent.
- L’avantage compétitif ne réside plus dans la taille de l’équipe de développement, mais dans la maîtrise des frameworks de compound engineering et la capacité à définir des intentions claires pour les agents.
Questions fréquentes
Qu’est-ce qu’une architecture “agent-native” ?
Une architecture agent-native est une conception logicielle où l’élément central et actif est un agent IA. Au lieu d’intégrer l’IA comme une fonctionnalité supplémentaire, l’ensemble de l’application est construit et peut être modifié par cet agent, qui opère à partir d’un prompt principal et d’un jeu d’outils basiques.
Le “compound engineering” supprime-t-il totalement le besoin d’ingénieurs ?
Non, il transforme leur rôle. Les ingénieurs ne rédigent plus de code impératif mais deviennent des architectes de systèmes, des concepteurs de prompts et des auditeurs des résultats produits par l’agent. Leur expertise en ingénierie logicielle, en conception système et en expérience utilisateur reste essentielle pour guider et valider le travail de l’IA.
Ces méthodes sont-elles applicables à tout type de projet logiciel ?
Elles sont particulièrement adaptées aux applications web, aux outils de productivité et aux systèmes où les spécifications peuvent être exprimées en objectifs fonctionnels. Les systèmes embarqués critiques, les noyaux de bas niveau ou les algorithmes nécessitant une optimisation extrême et prévisible restent, en 2026, largement du domaine du codage manuel traditionnel.
Conclusion
L’expérience de Dan Shipper et d’Every en mars 2026 n’est pas un cas isolé mais un marqueur d’une transition profonde. Les architectures agent-native et le compound engineering redéfinissent les frontières de la conception logicielle, déplaçant l’effort humain de l’implémentation vers la direction stratégique des capacités d’exécution de l’IA. Les défis de gouvernance, de fiabilité et de sécurité de ces systèmes auto-générés constituent la nouvelle frontière de l’ingénierie. La conclusion factuelle est que le métier de développeur évolue irréversiblement vers celui de “superviseur d’agents”, avec pour corollaire une accélération radicale du cycle d’innovation logicielle.