ai-engineering

12 posts

Peur vs. Rouleau compresseur : Les deux réalités du codage IA

Le codage IA fonctionne pour les équipes d'élite capables de se relever de n'importe quel désastre. Tous les autres héritent de la peur, des échecs en CI et des expériences abandonnées. Le fossé ne vient pas du modèle.

Observez deux équipes utiliser le même modèle d'IA et vous verrez deux résultats complètement différents. La première équipe demande au modèle de construire un…

Coder avec l'IA en production : pourquoi la plupart des équipes abandonnent

La plupart des équipes essaient le codage avec l'IA, livrent du code qui échoue en QA, et abandonnent. Le problème n'est pas le modèle — c'est l'absence de garde-fous qui rendent la sortie de l'IA digne de confiance.

La plupart des équipes qui essaient le codage avec l'IA suivent la même trajectoire. Elles commencent avec enthousiasme. Le modèle génère une fonctionnalité en…

Fuck-u-code : le contrôle qualité déterministe que votre pipeline IA a oublié

Vous avez la vérification de types, le linting et les règles d'architecture. Mais votre stack déterministe est aveugle face à la complexité, à la duplication et aux catastrophes de nommage. Voici la solution à 0 $.

Soyons honnêtes sur ce à quoi ressemblent vraiment la plupart des pipelines de code IA en ce moment. Vous générez du code avec Cursor ou Claude Code. Vous…

À l'ère de l'AI, le code review devient une revue des spécifications

Quand l'AI peut générer l'implémentation, les tests et les contracts à partir d'une spec, le travail humain le plus rentable remonte en amont. L'artefact qui demande le plus de rigueur, c'est la spécification elle-même.

Si vous shippez avec l'AI depuis plus de quelques semaines, vous connaissez probablement déjà cette sensation. Vous ouvrez une pull request. Le code est…

La safety stack de l’AI: types, contracts, property tests et mutation gates

Si vous voulez que du code généré par AI tienne en production, le code review seul ne suffit pas. Il faut une safety stack en couches, des type constraints jusqu’au mutation testing et au runtime containment.

Le vrai danger du code généré par AI n’est pas qu’il soit toujours faux. Le vrai danger, c’est qu’il est souvent suffisamment plausible pour être mergé. C’est…

Le Meteor development existe vraiment. Votre codebase n'a pas besoin de s'effondrer avec lui

Le meme fonctionne parce que les équipes développent réellement avec des cibles mouvantes, des échéances fixes et un périmètre à moitié défini. Autotomy ne corrige pas la planification fantaisiste, mais il évite que le développement s'arrête à chaque changement de route.

Appelons cela le Meteor development : la destination est annoncée d'abord, les arrêts changent en cours de route, le budget est supposé se débrouiller tout…

Stanford CS146S a raison sur l'AI coding. Le sujet manquant, c'est l'architecture

Cette critique de Stanford CS146S montre pourquoi le cours comprend bien l'AI coding, mais laisse encore de côté la leçon décisive d'architecture de l'AI sur les frontières du système et la remplaçabilité.

Stanford CS146S est le cours The Modern Software Developer, enseigné par Mihail Eric et lancé pour la première fois à l'automne 2025. Pour l'aperçu officiel du…

Pourquoi de grandes idées d’ingénierie sont restées de niche jusqu’à ce que l’AI les rende viables

Design by contract, property-based testing, mutation testing et model checking n’étaient pas de mauvaises idées. Elles demandaient trop d’expertise spécialisée pour être maintenues. L’AI change cette équation.

Le software engineering est rempli d’idées qui paraissent immédiatement justes dès qu’on les lit. Bien sûr que des contracts devraient définir ce qu’une…