Scarab, une suite de diagnostic, a été initialement conçu pour le développement actif avec des agents de codification IA afin de maintenir la qualité des dépôts. Il vise à prévenir les problèmes tels que les responsabilités floues et les fichiers volumineux, plutôt que de simplement nettoyer la dérive existante.
En 2026, le marché des assistants de codage IA s'est consolidé et spécialisé, devenant prévisible dans les flux de travail fullstack, grâce à la baisse des coûts d'inférence et à la maturité des outils d'évaluation. Ce changement modifie la manière dont les petites équipes gèrent les fonctionnalités, soulignant la nécessité d'intégrer l'IA stratégiquement pour éviter la dette technique ou la perte de vélocité.
L'article traite de l'incapacité des agents de codage IA à retenir les retours et les instructions entre les sessions, entraînant des répétitions. L'auteur a construit un système de mémoire persistante et a découvert que le défi principal n'est pas de stocker les souvenirs, mais de décider lesquels appliquer.
L'article compare les principaux agents de codage IA tels que Claude Code, OpenAI Codex, Cursor et GitHub Copilot, en se concentrant sur leurs nouveaux modes d'arrière-plan qui créent des pull requests de manière autonome. Il offre une comparaison pratique basée sur un travail de production réel pour aider les développeurs à choisir le meilleur outil pour la délégation.
L'article souligne que l'expansion des agents de codage IA introduit des défis liés au contexte inter-dépôts, poussant les équipes d'ingénierie à construire des infrastructures personnalisées pour des déploiements sûrs sur plusieurs dépôts. Il note un changement d'orientation de la vitesse de l'IA vers l'infrastructure nécessaire à une intégration efficace, suite à une étude comparative montrant une augmentation des incidents après l'adoption de l'IA.
L'adoption de l'IA a entraîné une augmentation des incidents et des taux d'échec des changements, déplaçant la conversation vers le besoin de "contexte cross-repo" pour les agents de codage IA. Les équipes construisent activement l'infrastructure nécessaire pour déployer ces agents en toute sécurité sur plusieurs dépôts à grande échelle.
Les agents de codage IA ont révolutionné le développement logiciel, mais négligent souvent les pratiques d'ingénierie essentielles telles que les spécifications, les tests et la sécurité. La solution consiste à doter les agents IA de compétences d'ingénierie de niveau production via des flux de travail structurés qui imposent la discipline des ingénieurs expérimentés.
L'auteur trouvait auparavant le développement mobile peu pratique jusqu'à ce que les agents de codage IA transforment sa vision. Cela l'a conduit à construire Redock, une application de terminal iOS et iPadOS conçue pour faciliter le développement mobile avec l'assistance de l'IA.
Quatre agents de codage IA sont comparés: Claude Code, Codex CLI, Cursor et DeepSeek TUI. Bien que Claude Code excelle en qualité de code, Codex CLI est le préféré pour une utilisation quotidienne en 2026 grâce à sa disponibilité continue.
Cet article décrit des problèmes récurrents avec les agents de codification d'IA, tels que l'amnésie de session, les hallucinations et les erreurs répétées. Une solution appelée 'thumbgate' est présentée, un pipeline de feedback pour l'application qui apprend des erreurs et prévient leur récurrence.