Tag
agentic-coding
Claude Opus 5 : l'intelligence quasi-frontier au prix du modèle par défaut
Claude Opus 5, lancé le 24 juillet 2026, « s'approche de l'intelligence frontier de Fable 5 à moitié prix », au tarif inchangé d'Opus 4.8. Et pour une DSI européenne, un détail pèse plus qu'un benchmark : Opus 5 préserve le Zero Data Retention que Fable 5 casse.
Steps of AI Adoption : les 5 paliers de maturité IA de Boris Cherny, lus côté DSI
Le 16 juillet 2026, Boris Cherny (Head of Claude Code chez Anthropic) publie « Steps of AI Adoption », une échelle de maturité IA en 5 paliers. L'axe : l'ordre de grandeur d'agents qu'un ingénieur pilote, de 1 à 1 000+. La thèse : plus de tokens ne fait pas monter d'un cran. La lecture DSI de SFEIR.
Le modèle C4 à l'ère de l'IA : qui tient la carte du code généré ?
Quand les agents écrivent le code plus vite que les humains ne le lisent, le modèle C4 de Simon Brown change de statut : de documentation d'architecture, il devient l'instrument de contrôle visuel du SDLC, pour comparer l'intention et ce que l'IA a construit.
Claude Sonnet 5 : le modèle le plus agentique d'Anthropic, et pourquoi il divise
Sorti le 30 juin 2026, Claude Sonnet 5 est le modèle le plus agentique d'Anthropic : bonds nets en codage et tool use face à Sonnet 4.6, mais un accueil très polarisé. Benchmarks, prix, retours d'usage, et notre lecture : un instrument spécialisé, pas universel.
Ornith-1.0 : quand le modèle apprend son propre harnais
Un même modèle open-source, deux verdicts opposés selon le harnais. Ce qu'Ornith-1.0 et son entraînement self-scaffolding prouvent pour une DSI.
LLM à diffusion : et si l'IA devenait meilleure en relecture qu'en rédaction ?
En juin 2026, Google DeepMind publie DiffusionGemma, un LLM ouvert qui ne génère plus le texte mot à mot mais le raffine par passes successives. Sa promesse vise moins l'écriture que la correction : réviser, combler et refactorer du code existant.
GLM-5.2 : le modèle open-weights de Z.ai qui défie les modèles fermés pour agentique coding !
Annoncé mi-juin 2026, GLM-5.2 de Z.ai (ex-Zhipu AI) est un modèle open-weights — MoE, 744 milliards de paramètres, contexte 1M, licence MIT — optimisé pour le codage agentique long-horizon. Specs, benchmarks constructeur, prix, et les réactions d'experts comme Jeremy Howard ou Mat Velloso.
« Coding is solved » : pourquoi votre entreprise n'a pas encore le droit d'y croire
Définition, bascule « coding is solved » et garde-fous : ce que l'agentic coding change vraiment en entreprise.
Agentic coding sur de grandes bases de code : le vrai problème n'est pas l'agent, c'est la mémoire
Agentic coding sur de grandes bases de code : le vrai goulot, c'est lire le code existant — donnez le contexte du dépôt à l'agent.
Quand l'agent pousse du code en production à 3h du matin, qui est responsable ?
La sécurité de l'agentic coding se joue dans la revue : signaux d'alarme, vérifiabilité, harnais et identité des agents.
L'agentic coding ne coûte pas cher — jusqu'au jour où la facture atterrit sur le bureau du CFO
Combien coûte vraiment l'agentic coding ? Fin des assistants bon marché, ROI, et passage « de l'adoption à l'allocation ».
Vos développeurs utilisent peut-être l'IA depuis dix-huit mois. Et vos équipes, elles, attendent encore l'approbation du comité.
Par où commencer l'agentic coding en entreprise : le frein est organisationnel, et le goulot d'étranglement, c'est le contexte.
Explorez tous nos articles
Plus de contenus techniques sur l'IA, le Cloud, la Data et le Software Engineering.
Tous les articles