Louis-François Bouchardalias What's AI
Infolettre
Agents IAGrands modèles de langageActualités et analyses de l'IAAgents IAGrands modèles de langageActualités et analyses de l'IA
Agents IA20 min de lecture

Le code a changé pour toujours

Les agents de code IA ont changé la façon dont les logiciels sont créés, mais le vibe coding s’effondre vite sans revues, tests, contexte et goût.

Le code a changé pour toujours
Sommaire

À retenir

  • L’IA peut écrire beaucoup de code, mais ça n’élimine pas le besoin de jugement en ingénierie.
  • Un bon workflow de code agentique dépend de fichiers de contexte, de tests, de skills, de revues de code et de limites claires pour les tâches.
  • La version risquée du vibe coding consiste à livrer tout ce que l’agent a produit parce que ça semblait fonctionner.

Beaucoup de gens viennent me dire qu’ils développent maintenant leurs produits au complet en vibe coding. Même nos étudiants. Et moi, je leur réponds : oui, je sais, c’est f***ing mauvais!

Mais c’est parce qu’ils le font mal. Vous pouvez réellement utiliser des agents pour coder beaucoup plus efficacement sans tout briser.

Le créateur de Claude Code vient d’admettre que, depuis quelques mois, 100 % de Claude Code a été écrit par Claude Code lui-même.

Et dans l’équipe qui crée l’outil, environ 95 % de tout ce qu’elle livre est écrit à l’aide de Claude Code.

L’outil se construit lui-même. Les humains révisent à la fin. Voilà l’état du code en 2026.

Le gars qui dit ça est Boris Cherny. Il dirige Claude Code chez Anthropic. Et la première fois que j’ai lu cette citation, j’ai dû la lire deux fois. Il y a trois ans, une phrase comme celle-là aurait semblé complètement folle. Même il y a un an, elle aurait encore semblé folle. Aujourd’hui, personne ne sourcille.

Et si vous êtes ingénieur, vous le sentez déjà. Ce que nous appelions autrefois coder est maintenant connu sous le nom de vibe coding.

Alors, comment en sommes-nous arrivés là? Comment sommes-nous passés de Stack Overflow pour résoudre un seul bug à des agents qui écrivent des fonctionnalités complètes par eux-mêmes? Ça ne s’est pas fait du jour au lendemain, mais par une lente progression sur environ cinq ans. Et aujourd’hui, je veux vous raconter toute l’histoire. La chronologie, les outils, les tweets, les chiffres et les personnes, ou même les agents, qui ont réellement construit tout ça… Voici l’histoire derrière le « vibe coding ».

Je suis Louis-François, CTO et cofondateur de Towards AI, où nous transformons des ingénieurs en ingénieurs IA qui créent et livrent des produits d’IA. Entrons dans le vif du sujet.

Une chose avant de commencer. Gardez la citation de Boris en tête, parce que je vais terminer cet article avec une étude contrôlée qui affirme que les développeurs utilisant l’IA sont en fait plus lents, même s’ils ont l’impression d’être plus rapides. Le même monde. Le même mois, même, et les deux sont vrais. La façon dont vous l’utilisez change tout, et pour bien le faire, vous voudrez peut-être vous abonner à la chaîne pour voir les prochaines vidéos sur l’ingénierie IA ;) Je me lance à fond sur YouTube avec des tonnes de vidéos gratuites cette année et un objectif : atteindre enfin 100 000 abonnés après six ans de travail. Aidez-moi à l’atteindre cette année et cliquez sur le bouton d’abonnement!

D’accord, revenons rapidement à la période de 2015 à 2021, lorsque j’ai appris la programmation. Vous aviez un bug. Vous copiez l’erreur, la collez dans Google, arrivez sur Stack Overflow, lisez la meilleure réponse, descendez jusqu’au commentaire supprimé qui la corrige réellement, collez le snippet dans votre éditeur, changez rapidement les noms de variables pour les adapter à votre script et vous priez. C’était le workflow. Chercher, lire, adapter, coller, itérer. Stack Overflow était la couche de confiance d’Internet pour les programmeurs. Votre IDE était la boucle de feedback. Et pour la plupart d’entre nous, cet IDE est rapidement devenu VS Code après son passage en open source. C’est un détail important, puisque chaque outil de code IA dont vous entendrez parler dans les dix prochaines minutes se branche dans cet éditeur, le fork ou lui fait concurrence.

Avant les LLMs, « l’IA dans l’éditeur » était surtout de l’autocomplétion locale. Rien de vraiment utile et certainement rien qui s’approchait de l’intelligence. Puis, en 2017, le papier sur le Transformer est sorti. Chaque assistant de code IA que vous voyez aujourd’hui descend de cette architecture, mais il a fallu quelques années pour y arriver, comme nous allons le voir. En 2020, CodeBERT a montré qu’on pouvait apprendre le langage naturel et le langage de programmation ensemble, une première. Mais nous n’avions aucune interface pour l’utiliser efficacement.

L’interface est arrivée le 29 juin 2021, lorsque GitHub a annoncé Copilot, propulsé par Codex d’OpenAI. Pas le Codex que nous connaissons aujourd’hui, mais un modèle de langage spécialisé en code et entraîné précisément pour GitHub Copilot. Une semaine plus tard, le 7 juillet, OpenAI a publié le papier sur Codex. Copilot est sorti sous forme de version préliminaire technique et de papier, présenté comme votre « programmeur pair IA ». Et le 21 juin 2022, il est devenu accessible à tous les développeurs individuels sous forme d’abonnement payant. C’était le premier pas vers un véritable assistant de code et toute l’industrie qui est apparue autour. Mais ne vous méprenez pas, personne ne l’aimait vraiment.

L’unité d’assistance est passée d’« un snippet que vous avez cherché » à « une suite que vous acceptez (parfois) ». Mais il y avait quelque chose d’intéressant. Vous n’aviez plus besoin d’évaluer cinq réponses Stack Overflow. Vous jetiez un coup d’œil à une suggestion en texte fantôme et appuyiez sur Tab. La propre étude de GitHub affirmait que les utilisateurs de Copilot terminaient une tâche JavaScript environ 55 % plus rapidement. Microsoft Research a publié un résultat presque identique : 55,8 % plus vite sur le même genre de tâche. Je m’en souviens parce que ce chiffre de 55 % se trouvait dans pratiquement toutes les présentations pour développeurs en 2022. Pouvions-nous rendre les programmeurs plus productifs? C’est une nouvelle assez importante lorsqu’on considère le coût des ingénieurs logiciels.

Mais à peu près au même moment, un papier intitulé « Asleep at the Keyboard? » a testé systématiquement Copilot dans des catégories critiques pour la sécurité et découvert que le modèle était tout à fait prêt à recommander du code non sécuritaire.

Il nous rendait donc plus productifs, mais nous ne pouvions pas lui faire confiance. Intéressant, peut-être même prometteur, mais encore très loin d’être réellement utile.

Il s’agissait toujours de garder les humains aux commandes et d’améliorer les suggestions de code. En gros, il s’agissait d’économiser le temps nécessaire pour chercher le bon code, pas de remplacer les programmeurs. C’était le début de la fin pour Stack Overflow.

Puis le 30 novembre 2022 est arrivé. Vous savez ce que ça signifie… ChatGPT. Et en une semaine, le code conversationnel est devenu normal. Vous pouviez décrire un bug, demander un refactor, coller une erreur et itérer en anglais simple. La réaction de Stack Overflow a tout révélé. Le premier changement observé était que les gens tentaient de grimper dans les classements Stack Overflow en répondant à davantage de questions, mais ils ne faisaient que copier-coller les réponses de ChatGPT. Et en décembre 2022, les modérateurs ont interdit les réponses générées par ChatGPT parce qu’elles affirmaient avec assurance des choses fausses à grande échelle et submergeaient la capacité de modération. Le produit central de Stack Overflow était la confiance, et les premiers LLMs sont arrivés et l’ont minée.

C’est à ce moment-là que la plupart des gens sont passés de Stack Overflow à ChatGPT pour le débogage.

Similarweb a rapporté que le trafic de Stack Overflow diminuait parallèlement à la croissance de ChatGPT, avec notamment une baisse largement citée d’environ 14 % d’un mois à l’autre en 2023.

Et au milieu de tout ça, en janvier 2023, Karpathy, membre fondateur d’OpenAI et l’une des personnes les plus importantes dans le domaine de l’IA, a publié une phrase qui est devenue le prélude culturel de tout ce qui allait suivre. « Le nouveau langage de programmation le plus populaire est l’anglais. » Elle est immédiatement devenue virale.

Mais ce n’était encore que ChatGPT. Il servait surtout à déboguer des fonctions et fonctionnait à peine sur plusieurs fichiers, encore moins dans un seul gros fichier.

Deux mois plus tard, en mars 2023, deux événements se sont produits presque en même temps. OpenAI a sorti GPT-4, un énorme bond en avant dans la qualité du raisonnement et de la génération de code. Et une petite startup appelée Anysphere, issue du propre accélérateur d’OpenAI, a lancé publiquement Cursor. Un fork de VS Code, mais conçu à partir de zéro autour d’une idée : l’IA devrait voir toute votre base de code, pas seulement le fichier que vous donnez à ChatGPT. Ça semble évident aujourd’hui, mais au début de 2023, personne ne le faisait. Nous copiions encore du code dans ChatGPT pour ensuite coller le nouveau code dans notre éditeur.

ChatGPT était essentiellement un Stack Overflow glorifié qui nous donnait le même type de code, mais déjà adapté à notre script, au lieu de nous obliger à l’adapter pour chaque nom de variable.

Cursor a ajouté une indexation profonde de la base de code et, pendant les mois suivants, une fonctionnalité appelée Composer qui pouvait modifier plusieurs fichiers à partir d’un seul prompt. Enfin, il ne s’agissait plus seulement d’autocomplétion. Ni seulement de chat. De véritables changements coordonnés dans tout votre projet. Dans plusieurs fichiers. Et encore plus cool, nous n’avions finalement plus besoin de faire constamment Alt-Tab et de copier-coller des lignes. Tout se trouvait dans le même éditeur de code.

Pendant 2023 et 2024, la concurrence s’est intensifiée. Replit a livré un assistant IA. Amazon a lancé CodeWhisperer. Google a sorti Gemini Code Assist. Mais les deux principaux outils qui ont réellement fait progresser l’état de l’art étaient Cursor et un nouveau venu appelé Windsurf. Codeium, l’entreprise derrière celui-ci, a lancé Windsurf Editor le 13 novembre 2024, en le présentant comme « le premier IDE agentique ». C’était aussi un fork de VS Code, mais avec une philosophie différente. Sa fonctionnalité centrale, Cascade, surveille proactivement l’output de votre terminal et vos actions dans l’éditeur, puis suggère des changements dans tout le repo avant même que vous les demandiez. En gros, un précurseur de Claude Code. Il était plus rapide, plus abordable et comptait plus de 700 000 développeurs au début de 2026. Certains choisissaient Cursor pour sa profondeur. D’autres choisissaient Windsurf pour sa vitesse. Mais les deux faisaient la même chose. Ils transformaient l’IDE, autrefois simple éditeur de texte, en une couche d’orchestration gérée par le développeur.

Puis, douze jours plus tard, le 25 novembre 2024, Anthropic a rendu open source quelque chose qui a changé toute la couche d’infrastructure sous ces outils : le Model Context Protocol, MCP. Une norme open source qui connecte les applications d’IA aux systèmes externes. J’ai couvert les MCPs dans une vidéo si vous ne vous êtes pas encore penché sur le sujet. Vous pouvez utiliser les MCPs comme connecteurs à des bases de données, systèmes de fichiers, Slack, Jira, Drive ou n’importe quoi avec une API. Anthropic l’a appelé « un port USB-C pour l’IA ». Au début de 2026, le SDK de MCP enregistrait environ 97 millions de téléchargements par mois, ce qui en faisait l’un des projets open source adoptés le plus rapidement dans l’histoire de l’IA. MCP est l’une des raisons pour lesquelles les agents peuvent réellement faire des choses au-delà de lire et écrire des fichiers de code. Le function calling a donné des mains aux LLMs, et MCP a démocratisé cet accès.

Et finalement, 2025. C’est l’année où tout a réellement changé.

À ce moment-là, la plupart des développeurs utilisaient encore ChatGPT plutôt que Cursor et Windsurf, même si ces nouveaux outils gagnaient rapidement en popularité, surtout à cause des problèmes de confiance liés au contrôle du code qui entrait dans leurs projets. Mais ça allait changer…

Le 6 février 2025, Karpathy a publié sur X un fil de 185 mots qui a obtenu plus de 4,5 millions de vues. Il décrivait ce qu’il faisait réellement avec Cursor et SuperWhisper. Parler à l’IA, toucher à peine au clavier, cliquer sur « Accept All » sans lire les diffs et recoller les messages d’erreur jusqu’à ce que ça fonctionne. Il a appelé ça le « vibe coding ». Il a donné un nom à cette nouvelle façon de coder. Le terme est même entré dans le Collins English Dictionary comme mot de l’année.

Oui, même Karpathy l’a dit, c’était encore loin de remplacer les développeurs, surtout les plus expérimentés. Nous devions approuver tout son travail, sinon l’outil partait dans des boucles infinies et brisait tout. Ce n’était pas autonome, mais c’était le début de la capacité à coder sans… coder.

Quelques jours avant ce tweet, le 3 février 2025, Anthropic avait lancé Claude Code en version de recherche préliminaire. C’est ici que l’histoire passe des outils qui vous aident à écrire du code aux outils qui écrivent du code pour vous. Claude Code était un agent fonctionnant uniquement dans le terminal. Aucun IDE requis. Il lit votre base de code, modifie des fichiers, exécute des commandes et travaille dans le terminal. Mais la véritable innovation n’était pas l’agent lui-même. C’étaient les conventions qu’il a introduites.

Premièrement, CLAUDE.md. Un fichier Markdown à la racine de votre projet que l’agent lit au début de la session. Vous y placez vos standards de code, vos décisions architecturales et vos librairies préférées. Rapidement, les gens ont commencé à l’utiliser. Chaque fois que l’agent fait une erreur, vous lui dites de mettre à jour son propre CLAUDE.md pour qu’il ne la répète jamais. L’agent écrit sa propre gouvernance au fil du temps. Il a commencé à pouvoir s’auto-améliorer. Mais ça a créé un problème. Le fichier CLAUDE.md est rapidement devenu beaucoup trop gros pour que le modèle puisse le traiter.

C’est ce qui a mené à la création de ce que nous appelons maintenant les skills. De simples dossiers avec un fichier Markdown à l’intérieur. Pensez à des procédures opérationnelles standard, mais pour les agents. Comment générer une migration. Comment écrire des notes de version. Comment préparer une PR. Des capacités réutilisables que vous pouvez partager entre les projets et les équipes. C’est essentiellement une recette expliquant comment accomplir une tâche et tout ce qu’il faut savoir.

Et ça nous ramène à MCP. Le modèle est le cerveau. CLAUDE.md est la mémoire. Les skills sont les capacités. MCP représente les mains. Et les sous-agents, exécutés en parallèle dans des sessions de terminal, sont l’équipe, chacun avec sa propre mémoire, ses propres skills et ses propres connexions aux systèmes externes.

En mai 2025, Claude Code est devenu accessible à tous avec Claude 4. Et la croissance a été immédiate. Il a atteint un revenu annualisé d’un milliard de dollars en six mois.

La concurrence entre ChatGPT, Claude Code et les systèmes comme Cursor, donc les interfaces de chat contre le terminal et les IDE, était à son sommet.

Le 29 octobre 2025, Cursor a livré la version 2.0. Une architecture multi-agents. Jusqu’à huit agents exécutés en parallèle à l’aide de worktrees Git, chacun dans un espace de travail isolé pour éviter que leurs modifications se chevauchent. Un modèle propriétaire appelé Composer, environ quatre fois plus rapide que les modèles comparables. Des agents capables de lire le DOM et d’exécuter leurs propres tests de bout en bout. Ce n’était pas une mise à jour d’IDE. C’était un troisième changement de paradigme. Cursor a dépassé un million d’utilisateurs actifs quotidiens et a été évalué à 9,2 milliards de dollars après une série B de 400 millions.

OpenAI suivait la même direction. Le 16 mai 2025, l’entreprise a relancé Codex, pas l’ancien modèle de 2021, mais un tout nouvel agent d’ingénierie logicielle basé dans le cloud. Il s’exécute dans un conteneur isolé dont l’accès à Internet est désactivé pendant l’exécution de la tâche. Vous pouvez inspecter les citations, les logs du terminal et les résultats des tests après chaque run. Et l’entreprise a introduit AGENTS.md, conceptuellement la même idée que CLAUDE.md. Toute l’industrie a convergé vers le même pattern : donner une mémoire persistante à l’agent et le laisser apprendre de ses erreurs.

Nous retirions de plus en plus le développeur de la boucle. Petit à petit.

Même les revues de code étaient automatisées avec des agents adversariaux comme CodeRabbit, qui exécutent des audits de sécurité et des vibe checks sur tout ce que produit la couche d’exécution.

C’est à ce moment-là qu’a été faite la citation de Boris Cherny sur Claude Code qui ouvrait l’article. Il affirme que, depuis novembre 2025, 100 % de son propre code a été écrit par Claude Code. Et dans l’équipe de Claude Code, environ 95 % du code livré est écrit avec Claude Code lui-même. L’outil se construit lui-même. Les humains révisent et orientent, mais le ratio entre la saisie et la supervision s’est complètement inversé.

Puis le gars qui a tout commencé a lui-même confirmé le changement. En janvier 2026, Karpathy a publié qu’en seulement quatre semaines, entre novembre et décembre 2025, il était passé d’une répartition où il écrivait environ 80 % de son code manuellement et où l’IA s’occupait peut-être de 20 %, à l’exact opposé. 80 % du code par les agents, 20 % en modifications et en retouches. À la mi-mars 2026, il a dit ne pas avoir tapé une seule ligne de code depuis décembre. Il exécutait jusqu’à 20 agents en parallèle, les dirigeant comme un chef d’équipe, gérant l’intention, le contexte et la direction pendant qu’ils effectuaient le travail de code. Il a appelé ça la « psychose de l’IA » et déclaré que c’était le plus grand changement dans sa pratique professionnelle en 20 ans. Douze mois plus tard, le gars qui avait nommé le vibe coding en février 2025 en l’utilisant pour le plaisir le vivait pleinement.

Au même moment, toujours en janvier 2026, la vague des agents grand public est arrivée. Un développeur autrichien nommé Peter Steinberger a lancé un agent autonome, d’abord appelé Clawbot, puis Moltbot, puis renommé OpenClaw pour éviter des conflits de marque avec Claude d’Anthropic. 180 000 étoiles GitHub en quelques jours. Contrairement aux chatbots passifs, OpenClaw fait réellement des choses. Vérifie votre calendrier. Réserve des vols. Gère des workflows de code sans avoir besoin qu’on lui tienne la main. En février 2026, Steinberger a rejoint OpenAI. Nous passions finalement des agents de code et du travail dans le terminal à des agents qui font tout du début à la fin.

Grâce à Clawbot et à d’autres solutions, les chercheurs ont découvert des centaines d’extensions malveillantes dans des marketplaces d’agents comme ClawHub. La communauté de la sécurité a commencé à insister pour que les agents soient traités comme des identités non humaines avec des contrôles d’accès stricts.

Et ce n’est pas seulement un problème d’OpenClaw. À la fin de mars 2026, Anthropic a accidentellement exposé une grande partie du code source TypeScript de Claude Code au moyen d’une source map npm, ce que j’ai aussi couvert sur la chaîne.

Alors, où en sommes-nous en avril 2026? GitHub Copilot compte 20 millions d’utilisateurs. 92 % des développeurs américains utilisent quotidiennement des outils de code IA. Entre 41 et 46 % du nouveau code est généré par l’IA. 59 % des développeurs utilisent au moins trois outils d’IA en parallèle. La durée du cycle des pull requests a diminué d’environ 75 %. Ce n’est plus une histoire réservée aux early adopters. C’est la norme. Les développeurs se tournent de plus en plus vers Claude Code dans le terminal, et même les non-programmeurs l’utilisent dans l’application Desktop avec Cowork. Le code est plus accessible que jamais, mais aussi moins accessible que jamais, puisque seuls les agents savent réellement coder.

Mais au même moment, entre 46 et 71 % des développeurs ne font pas confiance à l’exactitude des outputs de l’IA. Et vous souvenez-vous de ce que je vous ai demandé de garder en tête au début? L’étude METR. Un essai contrôlé randomisé a découvert que les développeurs qui utilisaient l’IA prenaient en réalité environ 19 % plus de temps pour accomplir des tâches complexes. Tout en croyant être environ 20 % plus rapides. L’écart de perception est donc réel. Les outils d’IA détournent le système de récompense. Vous vous souvenez des gains rapides et vous vous sentez productif, par exemple lorsque vous générez un fichier boilerplate en quelques secondes.

Enrico Papalini a donné un nom à ce phénomène avec son « problème des 70 % ». L’IA livre proprement environ 70 % d’une application. Le scaffolding, le boilerplate et des tests plausibles. Les 30 % restants, les cas limites nécessaires pour la production, la sécurité et l’intégrité architecturale, exigent encore une ingénierie humaine approfondie. C’est là que les vibes cessent d’aider.

Ce qui nous amène à un autre problème grandissant. L’emploi chez les développeurs de 22 à 25 ans a chuté de près de 20 % entre 2022 et 2025. Les tâches sur lesquelles les juniors apprenaient sont précisément celles que l’IA a mangées en premier.

Donc, il y a cinq ans, vous écriviez du code. Il y a quatre ans, vous acceptiez des suggestions. Il y a deux ans, vous promptiez. Il y a un an, cette façon de travailler a reçu un nom et elle fonctionnait parfois, de manière imprévisible. Il y a deux mois, vous supervisiez et révisiez. Aujourd’hui, certaines personnes appuient simplement sur « Démarrer » et laissent les agents travailler.

L’ingénierie agentique est la discipline qui doit suivre, et elle s’écrit encore en temps réel par les mêmes personnes qui utilisent ces outils. L’objectif est d’utiliser ces agents de la bonne façon, pas simplement de les laisser faire et d’accepter aveuglément tout ce qu’ils produisent. Les développeurs sont maintenant payés pour leur expertise et leur prise de décision, pas pour leur capacité et leur efficacité à coder. Claude peut faire ça. Ce qui signifie que vous devez encore bâtir votre expertise et utiliser votre cerveau. Ne vous contentez pas d’utiliser aveuglément les agents, sinon un junior, ou même un futur agent, vous remplacera.

J’aimerais savoir quel est votre ratio vibe/ingénierie en ce moment. Et quels outils utilisez-vous? Dites-le-moi dans les commentaires!

De mon côté, je suis maintenant complètement passé à Claude Code pour les tâches de code et je l’utilise pour presque tout, avec des boucles d’amélioration dans chaque tâche. Je partagerai bientôt une vidéo qui montre exactement comment notre équipe de Towards AI et moi utilisons les agents de code lorsque nous créons des solutions pour nos clients. Si ça vous intéresse, pensez à vous abonner à la chaîne! Si vous le faites, on se revoit dans la prochaine!

Sources et lectures complémentaires : 

Discussion

Commentaires

Chargement

Aucun compte requis. Votre nom et votre commentaire seront publics, alors n'incluez pas de renseignements privés. Consultez la page de confidentialité pour les détails.

Continuez à apprendre

Vous voulez le côté pratique de l'IA, sans le brouillard marketing ?

Je partage ce qui est utile sur YouTube, Substack et dans mes guides d'ingénierie IA.

SubstackYouTubeCommencer à apprendre l'IABâtir une carrière en ingénierie IA

À lire ensuite

FAQ

Qu’est-ce que le vibe coding?

C’est l’utilisation d’agents IA pour transformer rapidement une intention générale en code, souvent avec moins de saisie manuelle de la part du développeur.

Comment utiliser des agents de code de manière sûre?

Donnez-leur un bon contexte, de petites tâches, des tests, des étapes de révision et les règles du projet, puis lisez le diff avant de leur faire confiance.

Quel est le danger du vibe coding?

Le danger consiste à avancer rapidement sans comprendre le système, ce qui peut laisser des bugs cachés, des problèmes de sécurité ou une architecture désordonnée.

Qu’ont découvert les premières recherches sur la sécurité des assistants de code?

Les modèles étaient prêts à suggérer des patterns non sécuritaires dans des tâches critiques pour la sécurité, même lorsque le code semblait plausible.

En quoi les nouveaux agents de code diffèrent-ils de l’autocomplétion?

Ils peuvent inspecter des repos, modifier des fichiers, exécuter des commandes et des tests, puis travailler sur de plus longues tâches logicielles.

Pourquoi les outils de code IA peuvent-ils ralentir les développeurs même lorsqu’ils semblent les accélérer?

La revue de code généré qu’ils ne connaissent pas, la correction des erreurs et la récupération du contexte perdu peuvent effacer le temps gagné pendant la génération.