Kotlin Multiplatform et agents AI : quatre plateformes, une crise de nerfs

Tandis que l'industrie technologique débat du moment où l'intelligence artificielle remplacera les programmeurs, un développeur a décidé de retourner cette idée sur cent quatre-vingts degrés. Au lieu de construire une IA qui écrit du code pour les gens, il a créé un agent IA conçu pour remplacer les utilisateurs eux-mêmes. Cela semble paradoxal, mais c'est exactement ce à quoi ressemble l'un des cas pratiques les plus intéressants du développement d'applications IA multiplateformes, apparu sur Habr en février 2026.

L'histoire a commencé il y a six mois, lorsqu'une petite équipe s'est lancée dans une tâche ambitieuse : créer deux produits à la fois. Le premier est une application de bureau pour macOS, dont la version alpha est déjà disponible au téléchargement. Le second est un projet entièrement multiplateforme couvrant Android, iOS, Web et un backend serveur. Ils ont choisi Kotlin Multiplatform comme base technologique : un framework de JetBrains qui promet la capacité d'écrire du code partagé pour toutes les plateformes cibles. Promet — c'est le mot clé.

En pratique, le développement multiplateforme d'agents IA s'est avéré être un parcours dans un champ de mines. Le principal point douloureux a été le mécanisme expect/actual : la façon dont Kotlin Multiplatform gère les différences spécifiques aux plateformes. L'idée est simple : vous déclarez une interface attendue dans le code partagé, puis l'implémentez séparément pour chaque plateforme. En théorie, c'est élégant. En pratique, lorsque ces déclarations se comptent par dizaines et centaines, le projet devient un labyrinthe où chaque modification de la logique partagée nécessite des corrections synchrones sur toutes les plateformes. Pour les agents IA, où l'intégration avec les API natives du système d'exploitation est inévitable, cela crée une complexité cumulative qui croît exponentiellement.

Un chapitre à part dans cette histoire mérite le conflit avec XCode. L'environnement de développement d'Apple a longtemps acquis une réputation mitigée parmi les développeurs mobiles, mais lorsqu'il est combiné avec Kotlin Multiplatform, il fait preuve d'une ingéniosité particulière pour créer des problèmes. La compilation de la partie iOS du projet via KMP ajoute une couche d'abstraction supplémentaire qui se casse périodiquement pour des raisons ne s'expliquant pas toujours rationnellement. L'auteur n'hésite pas à appeler les choses par leur nom, décrivant ce qui se passe comme des « scènes de maltraitance d'XCode » — et quiconque ayant travaillé avec le développement multiplateforme sous Apple comprend que ce n'est pas une exagération.

Le troisième problème est la notarisation des compilations macOS. Apple exige que toutes les applications distribuées en dehors de l'App Store passent une vérification automatique sur ses serveurs. Pour les compilations de lancement, ce processus peut prendre un temps considérable, et tout échec renvoie le développeur au début du cycle. Lorsqu'il s'agit d'un agent IA de bureau qui a besoin d'accès profond au système pour automatiser les actions de l'utilisateur, la procédure de notarisation devient encore plus imprévisible. Apple contrôle strictement les autorisations qu'une application reçoit, et un agent prétendant contrôler l'interface au nom de l'utilisateur attire inévitablement l'attention accrue du système de sécurité.

Malgré toutes les difficultés, ce projet révèle une tendance importante. Les agents IA — des programmes capables d'exécuter autonomement des tâches au nom d'un humain — deviennent la prochaine grande direction de l'industrie. Si 2024 et 2025 ont été marqués par les chatbots et les modèles génératifs, alors 2026 est de plus en plus défini par le concept d'agentivité.

Des entreprises d'Anthropic à Google investissent dans les frameworks d'agents, mais l'infrastructure pour les livrer aux utilisateurs finaux sur toutes les plateformes reste immature. L'expérience de cette équipe montre que créer un agent intelligent n'est que la moitié du défi. L'autre moitié consiste à le faire fonctionner aussi bien sur un smartphone Android, un iPhone, dans un navigateur et sur un bureau.

L'auteur lui-même note avec auto-ironie qu'il ne recommande pas de lancer un projet KMP sur plusieurs plateformes sans consultation préalable avec un psychothérapeute. Derrière cette plaisanterie se cache un vrai problème : les outils de développement multiplateforme n'ont toujours pas rattrapé les ambitions de ceux qui les utilisent. Kotlin Multiplatform a parcouru un long chemin et s'est dégagé du statut de technologie expérimentale, mais lors de la mise à l'échelle à quatre plateformes ou plus, il exige toujours que les équipes soient préparées à des défis d'ingénierie inattendus.

Ce cas est précieux précisément pour son honnêteté. À une époque où pratiquement chaque présentation promet une « compatibilité multiplateforme transparente » et une « IA qui fait tout », l'expérience réelle du développement montre un tout autre tableau. Les agents IA peuvent effectivement changer la façon dont les gens interagissent avec la technologie, mais le chemin du prototype vers un produit stable sur plusieurs plateformes reste épineux. Et pour l'instant, seuls ces cinq pour cent d'enthousiastes — que l'auteur appelle délicatement des masochistes — peuvent parcourir ce chemin.