Le piège du vibe coding : pourquoi vos agents IA sont en réalité lents

Étrange question, non ? Les agents IA ont de nombreux défauts, des hallucinations aux brusques défaillances de logique, mais on peut difficilement les accuser sérieusement de lenteur. Demandez à n'importe quel passionné ce qu'il ressent avec ces nouveaux outils et vous entendrez l'histoire classique du réseau de neurones qui a craché cent mille lignes de code en trois heures. Montrez-moi un programmeur en chair et en os capable d'en produire ne serait-ce qu'un dixième, et j'admettrai que l'humanité a perdu cette course. Pourtant, je maintiens que les agents IA sont aujourd'hui catastrophiquement lents, et que cette lenteur se cache derrière un rideau de productivité excessive.

Voyons ce qu'est le parcours du vibe coder. C'est un nouveau type de développeur qui n'écrit pas de code au sens habituel, mais pilote des flux de probabilités. Vous lancez un prompt, l'agent se met à bruisser de « pensées », et voilà un projet fini sous vos yeux.

Le problème, c'est que ces cent mille lignes ne sont souvent que du bruit numérique. Nous sommes tombés dans un piège où la vitesse de génération du texte est confondue avec la vitesse de résolution du problème. Quand un agent passe des minutes à raisonner (Chain of Thought) puis livre un morceau de code défaillant qu'il faut refaire cinq fois, le temps total avant la mise en production dépasse celui d'un développeur senior chevronné avec sa tasse de café.

Les racines du problème plongent dans l'architecture même des LLM actuels. Nous avons l'habitude de mesurer le progrès en tokens par seconde, mais pour des agents autonomes, ce qui compte n'est pas la vitesse de frappe, c'est la vitesse d'itération. À chaque erreur de l'agent s'enclenche une longue boucle de rétroaction : erreur de compilation, renvoi du log au modèle, nouvelle analyse, nouvelle génération. À ce moment-là, l'IA « rapide » devient l'employé le plus lent de votre équipe. Vous regardez le curseur défiler, incapable d'intervenir, car l'agent est plongé dans son processus de « réflexion ». Voilà la vraie latence : le temps mort cognitif d'un humain qui attend le résultat d'une machine.

Par ailleurs, le concept de vibe coding est apparu : le résultat y est jugé selon le principe du « ça a l'air de marcher ». Cela crée une dette technique colossale en quelques heures. La vitesse à laquelle les agents multiplient les mauvaises décisions d'architecture est inquiétante.

Là où un programmeur passait deux heures à réfléchir et dix minutes à écrire du code propre, l'agent passe désormais dix secondes à écrire et deux heures à tenter de le faire fonctionner avec le reste du système. Nous avons simplement déplacé le coût en temps de la phase de création vers celle de la correction sans fin des erreurs. Au final, le temps total de développement (Time-to-Market) ne baisse pas aussi radicalement que le promettent les présentations marketing.

Pourquoi est-ce important maintenant ? Nous sommes au seuil du passage des chatbots à de véritables systèmes autonomes censés tourner en arrière-plan. Si un agent passe des heures sur des tâches simples, enfermé dans des boucles de raisonnement infinies, il devient un goulet d'étranglement plutôt qu'un assistant. L'industrie doit repenser la notion même de vitesse. Nous n'avons pas besoin de modèles qui écrivent plus vite que tous les autres. Nous avons besoin de modèles qui ont besoin de moins d'essais pour réussir. La vraie percée viendra non pas lorsque nous verrons un million de lignes en une heure, mais lorsqu'un agent produira dix lignes qu'il ne faudra pas modifier.

À retenir : la vitesse des agents IA est un mythe marketing tant que nous passons plus de temps à les vérifier qu'à faire le travail lui-même. Les nouvelles architectures comme OpenAI o1 parviendront-elles à corriger cet équilibre, ou resterons-nous les nounous d'algorithmes très rapides, mais pas très malins ?