Sur Vercel, un tiers des déploiements est désormais lancé par des agents IA

En trois mois, le nombre de déploiements sur Vercel déclenchés par des agents IA a doublé. Les agents lancent aujourd'hui 30% des projets, contre près de 3% il y a un an. Ce bond spectaculaire met en lumière un problème ancien : l'infrastructure a été conçue pour des humains. Elle part du principe que quelqu'un configure les serveurs, clique sur le bouton deploy et lit les logs. Or l'acteur est désormais une machine, ce qui exige une approche radicalement différente.

Les machines codent plus vite

Les projets déployés par des agents font appel à des services d'IA (comme OpenAI, Anthropic ou Claude) 20 fois plus souvent que les projets écrits par des humains. Autrement dit, les agents IA écrivent du code qui utilise l'IA, et souvent le code d'autres agents IA. Ces logiciels tournent à plein régime : ils se testent eux-mêmes et partent en production sans attendre de validation.

Claude Code représente 75% de ces déploiements automatisés sur Vercel. Ce n'est pas un simple éditeur de code, mais un acteur d'infrastructure à part entière. Suivent Lovable et v0 (6%), puis Cursor (1.5%). Surtout, ces chiffres ont progressé de 1000% en six mois. L'exception devient la règle.

L'infrastructure doit changer

Un humain qui écrit et déploie du code a besoin de contrôle et de visibilité. Un agent, lui, a besoin de vitesse. Si des clics dans l'interface web d'un cloud ou une gestion manuelle de Terraform s'intercalent entre le code et la production, la boucle autonome se brise. Les agents ont besoin d'API de déploiement propres, de preview URLs pour vérifier le résultat et de rollbacks instantanés.

Les exigences changent du tout au tout. Immutable deployments, instant rollbacks et preview URLs pour chaque commit ne relèvent plus du confort pour développeurs : ils deviennent une nécessité absolue pour le développement piloté par des machines. Sans eux, l'agent ne peut tout simplement pas vérifier ce qu'il a écrit.

Deuxième niveau de complexité : les agents deviennent eux-mêmes des long-lived workloads. Ils exigent une orchestration en plusieurs étapes, un routage entre modèles et un contrôle des coûts. Chaque appel d'API, chaque requête via AI Gateway, chaque exécution dans Sandbox a un coût. L'infrastructure doit savoir mettre en pause, reprendre, relancer, conserver l'état et journaliser tout ce qui s'est passé.

La réponse en trois couches de Vercel

Vercel propose une pile d'outils intégrée :

• AI SDK — socle unique pour développer des applications d'IA. La version 6 ajoute une abstraction pour les agents : on définit un agent une fois et on l'utilise partout
• Chat SDK — accès à des dizaines de plateformes de chat depuis une seule base de code
• AI Gateway — point d'entrée unique vers des centaines de modèles, avec budgets, monitoring, fallbacks et logique de retry
• Fluid Compute — optimisé pour les phases atypiques des workloads d'IA (latences, requêtes simultanées, temps d'inactivité)
• Workflows et Queues — pause, reprise, relance, conservation de l'état
• Sandbox — environnement isolé pour le code non fiable
• Observability — suivi des coûts et du comportement des agents en production

Ce que cela signifie

Pendant cinquante ans, l'infrastructure a supposé qu'un humain la configurerait, cliquerait sur le bouton deploy et lirait les logs. Chaque génération de logiciels a exigé une nouvelle génération d'infrastructure. Le cloud l'a transformée en API. Puis l'infrastructure a commencé à être déduite de l'application elle-même.

Un troisième basculement est en cours : l'infrastructure s'adapte au fait que son utilisateur final n'est plus un humain, mais une machine autonome. Et ce basculement n'a rien de lent. En trois mois, tout a changé.