De 8 heures à 47 minutes - 12 stratégies éprouvées d'IA pour coder plus productif

L’IA a construit une fonctionnalité en 47 minutes, ce qui aurait pris 8 heures de travail il y a quelques années. Mais voici ce que personne ne vous dit : sans les bonnes stratégies, cette même IA gaspillera trois heures à construire la mauvaise chose.

Bonjour, je suis Chuck, et j’écris du code depuis 30 ans. En 2023, j’ai réalisé que je devais soit adopter l’IA, soit trouver une nouvelle carrière. J’ai choisi de l’adopter. Depuis, j’ai construit une douzaine d’applications en utilisant des agents de codage, et aujourd’hui je partage avec vous chaque stratégie que j’ai apprise.

L’IA change tout, notamment elle accélère tout. Ce qui prenait un jour prend maintenant une heure.

Cette vitesse signifie quelques choses :

Premièrement, votre cycle de rétroaction est beaucoup plus rapide, les erreurs et les mauvaises directions surgissent plus vite, et atteindre le succès surgit plus vite.

Deuxièmement, beaucoup de code est maintenant jetable. C’est rentable principalement d’écrire et de jeter plutôt que d’écrire et de refactoriser.

Troisièmement, les pièges du développement logiciel qui prenaient des années à rencontrer surgissent maintenant en semaines ou en mois.

Quatrièmement, sans orientation, l’IA déraille rapidement et tombe du précipice.

Au cours de mon utilisation d’agents de codage comme Cursor, j’ai découvert 12 stratégies qui aident à empêcher l’IA de tomber du précipice. Celles-ci ont été apprises à la dure, par essais et erreurs.

1. Utilisez Agent.md

L’une des nombreuses choses que j’ai remarquées à propos des LLM est qu’ils veulent tous ajouter des « solutions de secours ».

Les solutions de secours sont du code conditionnel qui s’exécute lorsque la première condition échoue. C’est formidable quand votre code va sur Mars, mais la plupart du code ne va pas sur Mars, certainement pas le mien. Pour aggraver les choses, les solutions de secours sont intrinsèquement bogués et ne sont pas nécessaires la plupart du temps.

C’est là qu’un fichier Agent.md intervient. Vous pouvez instruire le LLM de ne pas utiliser de solutions de secours. En fait, vous pouvez lui dire de faire n’importe quoi. Tout ce que vous ajouteriez à une invite peut être ajouté à Agent.md. Le fichier est automatiquement ajouté à chaque nouveau contexte.

Pour le moment, chaque agent de codage a son propre fichier agent.md. Cursor appelle le leur .cursorrules, Claude Code appelle le leur claude.md. Je soupçonne que dans un proche avenir, les agents de codage se standardiseront sur un nom commun.

Dans mon Agent.md, je définis les modèles logiciels, la stratégie de test et l’architecture que je veux utiliser. Tout ce que je trouve que l’agent fait régulièrement en raison d’un manque de contexte ou de direction, je l’ajoute au fichier.

Voici un lien vers un référentiel de règles d’agent.

Une fois votre fichier Agent.md configuré, vous voudrez utiliser l’IA sans entrave.

2. Aller à plein régime

Claude Code et Cursor AI commencent tous les deux en « mode sécurisé » dès la sortie de l’emballage. Le mode sécurisé nécessite une permission pour chaque appel d’outil. Après quelques minutes d’approbation de CHAQUE appel d’outil, j’en avais fini avec le mode sécurisé.

Heureusement, chaque agent de codage vous permet de refuser le « mode sécurisé ». Le risque est que l’IA puisse faire des choses indésirables, mais au cours du temps où j’ai utilisé des agents de codage, je n’ai jamais eu à faire quelque chose d’irréversible.

Je garde un œil sur ce que le LLM fait, mais je ne me sens pas à l’aise de laisser l’agent de codage seul pour le moment.

Honnêtement, à moins que vous demandiez au LLM de travailler sur du code de production en direct, et je ne sais pas pourquoi vous voudriez le mode sécurisé.

Maintenant que vous avez libéré votre agent de codage, nous devons définir le problème.

3. Définir votre problème

L’IA est littéraliste. Vous obtenez ce que vous demandez, ce qui signifie que les invites vagues produisent des résultats vagues.

J’ai trouvé que fournir à l’IA des exigences détaillées et demander une « évaluation » donne les meilleurs résultats. Cela permet à l’IA de rechercher des lacunes dans la conception et de répondre avec des questions de suivi. Après quelques allers-retours, vous aurez un plan solide.

Dans les versions récentes, Cursor et Claude Code ont tous deux ajouté le « Mode Plan », qui formalise le processus ci-dessus.

Je vais plus loin et fais examiner le plan par un autre LLM. Par exemple, j’utilise ChatGPT pour la première évaluation IA. Il génère un document markdown avec toutes les exigences. Je donne ensuite ce document à Claude pour obtenir des commentaires, et le deuxième examen de Claude trouve toujours des lacunes manquées.

C’est une question de goût, mais l’IA tend à sur-architecturer pour moi. Encore une fois, l’IA semble penser que le code est en route vers Mars.

Une fois que vous vous êtes mis d’accord sur un plan, demandez à l’IA de le sauvegarder dans un document de votre projet.

Ce qui m’amène au point suivant.

4. Créer un plan par phases

Décomposer les grandes fonctionnalités en phases et tâches gérables

Après avoir créé un plan, demandez à l’IA de diviser le travail en phases. Vous voulez de petites unités de travail ; plus petites, c’est mieux. Plus l’unité est petite, plus grandes sont les chances de succès.

Certains agents de codage le font dès la sortie de l’emballage, mais si ce n’est pas le cas, demandez-leur.

Le meilleur plan échouera toujours si vous ne pouvez pas suivre la progression. C’est là que les listes de contrôle interviennent.

5. Demander une liste de contrôle

Demandez à l’IA une liste de contrôle et dites-lui que vous en avez besoin pour suivre la progression. Beaucoup des agents de codage ont ajouté la liste de contrôle à l’invite et à l’interface utilisateur de l’agent, mais parfois j’ai toujours besoin d’une liste de contrôle pour suivre la progression ou suivre les travaux de longue durée.

La liste de contrôle donne également à l’IA quelque chose à mesurer, donc elle sait quand elle a terminé.

Les listes de contrôle sont excellentes, mais comment couvrir les contextes avec des listes de contrôle ? C’est là que notre document de remise intervient.

6. Créer un document de remise

Qu’est-ce qu’un document de remise ?

Un document de remise est une description de haut niveau de l’application. Son objectif est de mettre à jour un contexte vide sur le domaine, le code et l’architecture de votre application.

Idéalement, l’agent reprend son élan, là où le contexte précédent s’était arrêté.

Dans mon Agents.MD, j’instruis l’agent de mettre à jour mon document de remise avec les modifications de haut niveau. Ce que nous ne voulons pas, c’est chaque détail dans le document ; j’ai besoin d’un résumé de haut niveau, et je laisse l’IA déterminer ce qu’il est.

Mon flux de travail se déroule un peu comme ceci :

Chaque fois que j’ai commencé un nouveau contexte, j’ai inclus mon document de remise et j’ai instruit l’IA sur la nouvelle fonctionnalité. L’IA reprend la tâche et commence à travailler comme si elle était sur le projet depuis 6 mois.

Le document de remise est excellent pour les petites applications, mais dans les applications plus grandes, il consomme trop de jetons et n’est pas pratique. Je considère d’autres options, comme une base de données vectorielle ou une base de données graphique.

Mais j’expérimente toujours.

J’aimerais entendre comment vous abordez ce problème. Laissez un commentaire ci-dessous.

Même avec des listes de contrôle et un document de remise, l’IA fait des erreurs. C’est là que les commits interviennent.

7. Vérifier souvent

Faites de petits commits. Les petits commits vous permettent de revenir à un état connu et bon. J’ai trouvé que parfois l’IA descend dans le terrier du lapin, et il n’y a pas de récupération.

Réinitialisez simplement.

8. Réinitialiser le contexte

Soyez impitoyable dans la réinitialisation du contexte.

Parfois, l’IA emprunte le mauvais chemin ou fait une erreur, éjectez et recommencez. Quand tous vos documents sont en ordre, c’est un jeu d’enfant de commencer un nouveau contexte. C’est la brillance du document de remise.

Mais soyons honnêtes, quand on travaille avec l’IA – j’humanise l’IA parce que j’ai l’impression de travailler avec un autre humain, et appuyer sur ce bouton de réinitialisation tire parfois sur mon humanité.

Un moyen de limiter les terriers du lapin est par les tests.

9. Tests

Quand j’étais ingénieur logiciel, les tests étaient horribles. Écrire du code de test est l’un des travaux les plus banals pour un ingénieur logiciel.

Avec l’IA, il n’y a aucune raison pour que vous ne testiez pas votre code. L’IA écrira tous les tests pour vous. En fait, vous pouvez spécifier une couverture de test de 80 % dans agent.md, et l’agent de codage ajoute magiquement les tests.

J’ai trouvé les tests bénéfiques ; au-delà du composant de qualité, cela donne à l’IA une structure pour valider son travail. Cela conduit à un code de meilleure qualité et à une meilleure utilisation de l’IA.

Un mot de prudence, j’ai souvent l’IA faire des modifications de code sans mettre à jour les tests. Après que le code fonctionne, je demande à l’IA de mettre à jour les tests. Parfois, l’IA prend les tests trop au sérieux et change le code de production pour correspondre aux tests, annulant tous les changements que nous venions de faire.

Un autre moyen que j’ai trouvé pour améliorer la qualité est l’automatisation.

10. Automatiser, automatiser, automatiser

Rendez les choses aussi faciles que possible.

Avant l’IA, j’avais souvent entendu : « Les déploiements en un seul toucher, ce serait formidable, mais nous n’avons pas le temps. » Maintenant, il n’y a aucune excuse, l’IA automatisera tout pour vous.

Mon objectif est que chaque action soit une seule commande. Par exemple :

• Si je veux démarrer l’application ? ./start.sh.
• Je veux exécuter les tests. ./test.sh.
• Déployer l’application ? Vous l’aviez deviné ./deploy.sh

L’automatisation sert deux objectifs :

• Premièrement, cela vous fait gagner du temps.
• Deuxièmement, cela supprime l’erreur humaine du processus.

N’importe quel endroit où il y a des frictions et plusieurs étapes, je veux l’automatiser. Mais pour résoudre les problèmes plus complexes, j’ai parfois besoin de LLM plus capables.

11. Utiliser le meilleur LLM

Ne lésinez pas sur les performances du modèle. Les derniers modèles sont coûteux, mais dans un effort pour économiser de l’argent, ils pourraient finir par vous coûter.

Occasionnellement, Cursor recommande d’utiliser le mode Auto pour économiser des jetons. D’accord, cela semble bon, qu’est-ce qui pourrait mal tourner ? Je suis toujours ouvert à l’économie d’argent. Alors je l’ai activé et j’ai implémenté une fonctionnalité. Cela s’est transformé en catastrophe. J’ai passé les 3 heures suivantes à démêler le désordre en utilisant les derniers modèles, et cela a coûté deux fois plus cher que ce que j’aurais payé si je n’avais pas utilisé le mode auto. Mon point n’est pas que le mode auto est mauvais ; c’est que travailler sur des problèmes complexes nécessite les meilleurs modèles.

Mais parfois, même les meilleurs modèles ne suffisent pas ; vous avez besoin des bons outils.

12. Outils

Pensez à l’IA comme le cerveau ; elle pense, mais elle ne peut rien faire. C’est la puissance d’un outil. Il donne à l’IA la capacité d’agir.

Je classe les outils des agents de codage en deux catégories :

Deux classes d’outils qui améliorent les agents de codage IA

Premièrement, les outils conçus pour améliorer le développement logiciel. Pensez au MCP de GitHub ou au Sequential Thinking MCP d’Anthropic ; ces outils rendent généralement les agents de codage plus capables.

Deuxièmement, les outils qui interagissent avec le projet. Par exemple, un MCP de base de données ou un outil de ligne de commande. Ces outils donnent aux agents de codage la capacité d’écrire du code, de l’exécuter et de tester les résultats, complétant un cycle de rétroaction complet.

La chose brillante à propos de l’IA est que si vous avez besoin d’un outil et qu’il n’y en a pas, l’IA peut le créer pour vous.

Voici les outils que j’utilise avec Cursor :

Le premier outil s’appelle Serena. Serena tente de décharger des tâches comme la lecture de fichiers et l’enregistrement de données en mémoire qui normalement auraient l’IA générer des commandes pour exécuter l’opération. L’objectif de ce projet est de réduire le nombre de jetons utilisés et de garder les opérations courantes locales.

Le prochain outil que j’utilise s’appelle Sequential Thinking par Anthropic. Si c’est par Anthropic, c’est presque garanti d’être bon. Ce que cet outil fait, c’est décomposer les problèmes complexes en étapes gérables. Il ajoute une résolution de problèmes dynamique et réfléchie grâce à un processus de réflexion structuré.

Essayez-le, j’ai mis le lien dans la description.

Le dernier outil que j’utilise est spécifique au projet ; il s’appelle Neo4j MCP, et l’IA l’a créé. Il a été inestimable pour travailler avec Neo4j. Avant, l’IA me demandait d’exécuter des requêtes, puis de coller les résultats dans le chat. Cela est devenu fastidieux très rapidement. Avec l’outil, l’IA exécute ses propres requêtes, et aucune intervention humaine n’est nécessaire.

C’est magnifique, et c’est plus rapide. Si vous trouvez des frictions dans votre processus de développement, demandez à l’IA de vous aider ; vous pourriez être surpris de ce qui en résulte.

En conclusion

Soyons honnêtes ici, travailler avec des agents de codage ressemble beaucoup à s’associer avec un programmeur junior brillant qui oublie occasionnellement tout ce que nous venons de lui dire. Ces 12 stratégies sont comment je gère cette relation. Et elles pourraient ne pas fonctionner pour tout le monde, ou pour vous, et c’est d’accord. Trouvez ce qui fonctionne pour vous. Donc ma question pour vous est : Qu’est-ce qui fonctionne pour vous ? Laissez un commentaire ci-dessous et faites-le moi savoir.