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

Alors que l'industrie technologique se demande quand exactement l'intelligence artificielle remplacera les programmeurs, un développeur a décidé de retourner l'idée. Plutôt que de construire une IA qui écrit du code à la place des humains, il a créé un agent IA censé remplacer les utilisateurs eux-mêmes. Cela semble paradoxal, mais c'est l'un des cas pratiques les plus intéressants de développement multiplateforme d'applications d'IA, apparu sur Habr en février 2026.

L'histoire a commencé il y a six mois, quand une petite équipe s'est attaquée à une tâche ambitieuse : créer deux produits à la fois. Le premier est une application de bureau pour macOS, dont la version alpha est déjà téléchargeable. Le second est un projet multiplateforme complet couvrant Android, iOS, le Web et un backend serveur. Comme socle technologique, l'équipe a choisi Kotlin Multiplatform, un framework de JetBrains qui promet de permettre d'écrire un code commun pour toutes les plateformes cibles. « Promet » est le mot clé.

En pratique, le développement multiplateforme d'agents IA s'est révélé être une traversée de champ de mines. Le principal point de douleur a été le mécanisme expect/actual, la manière dont Kotlin Multiplatform gère les différences entre plateformes. L'idée est simple : on déclare une interface attendue dans le code commun, puis on l'implémente séparément pour chaque plateforme. En théorie, c'est élégant. En pratique, quand ces déclarations se comptent par dizaines et par centaines, le projet devient un labyrinthe où chaque modification de la logique commune exige des corrections synchronisées sur toutes les plateformes. Pour les agents IA, où l'intégration avec les API natives des systèmes d'exploitation est inévitable, cela crée une complexité cumulative qui croît de façon exponentielle.

Le bras de fer avec Xcode mérite un chapitre à part. L'environnement de développement d'Apple a depuis longtemps une réputation mitigée chez les développeurs mobiles, mais associé à Kotlin Multiplatform, il fait preuve d'une inventivité particulière pour créer des problèmes. Compiler la partie iOS du projet via KMP ajoute une couche d'abstraction qui casse périodiquement pour des raisons qui ne s'expliquent pas toujours rationnellement. L'auteur n'hésite pas à appeler les choses par leur nom et décrit ce qui se passe comme des « scènes de maltraitance de Xcode », et quiconque a fait du multiplateforme sur Apple sait que ce n'est pas exagéré.

Le troisième problème est la notarisation des builds macOS. Apple exige que toutes les applications distribuées hors de l'App Store passent une vérification automatique sur les serveurs de l'entreprise. Pour les builds de release, ce processus peut prendre un temps considérable, et tout échec renvoie le développeur au début du cycle. Quand il s'agit d'un agent IA de bureau qui doit disposer d'un accès profond au système pour automatiser les actions de l'utilisateur, la notarisation devient encore plus imprévisible. Apple contrôle strictement les autorisations accordées à une application, et un agent qui prétend piloter l'interface au nom de l'utilisateur attire inévitablement une attention accrue du système de sécurité.

Malgré toutes ces difficultés, ce projet met en lumière une tendance importante. Les agents IA, des programmes capables d'exécuter des tâches de manière autonome à la place d'un humain, deviennent la prochaine grande orientation du secteur. Si 2024 et 2025 ont été placées sous le signe des chatbots et des modèles génératifs, 2026 est de plus en plus définie par le concept d'agentivité.

Des entreprises d'Anthropic à Google investissent dans des 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 ne représente que la moitié du travail. L'autre moitié consiste à le faire fonctionner de la même façon sur un smartphone Android, un iPhone, dans un navigateur et sur un ordinateur de bureau.

L'auteur note lui-même avec autodérision qu'il n'est pas recommandé de lancer un projet KMP sur plusieurs plateformes sans consulter au préalable un psychothérapeute. Derrière la blague se cache un vrai problème : l'outillage du développement multiplateforme n'a toujours pas rattrapé les ambitions de ceux qui l'utilisent. Kotlin Multiplatform a parcouru un chemin considérable et a quitté le statut de technologie expérimentale, mais lorsqu'on le fait passer à quatre plateformes ou plus, il exige encore de l'équipe d'être prête à affronter des défis d'ingénierie inattendus.

Ce cas est précieux précisément par son honnêteté. À l'heure où une présentation sur deux promet un « multiplateforme sans couture » et une « IA qui fait tout toute seule », l'expérience réelle de développement dessine un tableau bien différent. Les agents IA peuvent effectivement changer la façon dont les gens interagissent avec la technologie, mais le chemin du prototype à un produit stable sur plusieurs plateformes reste épineux. Et pour l'instant, seuls ces fameux cinq pour cent d'enthousiastes, que l'auteur qualifie délicatement de masochistes, peuvent l'emprunter.