Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

Les agents de codage IA passent au terminal, au téléphone et au budget

Deux nouveaux projets open source installent un agent de codage IA dans le terminal et un autre sur votre téléphone. Un troisième vend des plafonds de dépense par développeur. Ensemble, ils montrent où s'est déplacé le combat des outils pour développeurs.

IA & modèlesAnalyseSophie LeclercPublié le: 4 octobre 20265 min de lectureSources 8
Les agents de codage IA passent au terminal, au téléphone et au budget

Docent est un CLI en Rust qui dialogue avec des PDF et des fichiers Office, cherche sur le web et connecte des serveurs MCP, le tout depuis le terminal. Le dépôt liste des binaires prêts à l'emploi pour Linux, macOS et Windows. L'argument est le local d'abord : si aucun agent ne tourne, le CLI télécharge le framework et les modèles dont il a besoin et en démarre un lui-même.

Ce dernier détail mérite l'attention. Le binaire embarque un agent intégré, SLP framework 1.2.9, et le premier lancement le récupère en arrière-plan et écrit dans ~/.smartloop/server.log. Cet agent intégré calcule sur GPU via Metal sur macOS et Vulkan sur Linux et Windows. Un portable doté d'un GPU correct peut donc faire le travail sans envoyer de prompt à un fournisseur. Pour les développeurs soumis à des règles sur les données, cela change ce qui est autorisé. Le dépôt ne dit pas la taille des modèles téléchargés ni leur niveau en code.

Le projet garde aussi son ancien nom. Il s'installe à la fois comme docent et comme smartloop, et le dépôt précise que les deux sont le même binaire. Les commandes existantes continuent de fonctionner, ce qui compte si quelqu'un avait scripté la version précédente.

Un téléphone pour demander, un PC pour fusionner

Nautilus coupe l'agent de codage en deux. Une PWA sur téléphone gère le prompt, diffuse le tour de l'agent et affiche un aperçu en direct. Une application de bureau montre ensuite un vrai diff de contenu et fusionne le travail dans le projet. Le dépôt affirme qu'elle ne touche jamais à votre répertoire .git.

L'installation tourne sur une infrastructure gratuite : un runner Lightning AI Studio, un port HTTPS public qui porte l'application, l'API et l'aperçu, sans carte bancaire, sans domaine, sans Docker ni VM payante. Les modèles gratuits OpenCode Zen fonctionnent tout de suite. Le README est franc sur le compromis : un téléphone est un bon endroit pour demander du travail et un mauvais pour le relire. Le PC doit seulement être joignable quand vous lui demandez de synchroniser.

Aucun des deux projets ne publie de benchmarks, de chiffres d'utilisateurs ou de financement. Tous deux sont récents, et les affirmations sur la qualité des modèles et le coût viennent de leur propre documentation.

Kimchi vend le plafond, pas le modèle

Kimchi prend la position inverse sur la confiance. Son site décrit une couche d'application unique pour les dépenses, les données, le déploiement et le routage des modèles. Les plafonds se fixent par utilisateur, par équipe, par clé API ou par modèle, et le site assure que les requêtes s'arrêtent à la limite, pas après. L'exemple de la page montre un budget utilisateur de 820 $ face à un arrêt dur à 800 $.

Les options de déploiement vont du serverless au VPC jusqu'à l'on-premises, et le site indique que les prompts, le code et les sorties sont exclus de l'entraînement des modèles. Il revendique aussi un point d'accès d'inférence pour des modèles open source avec une latence d'environ 80 ms. Ces chiffres sont ceux de l'entreprise et n'ont pas été testés indépendamment.

Si le contrôle budgétaire est devenu un produit, la raison est simple. Les agents tournent des minutes, pas des secondes, et une seule session peut brûler l'enveloppe mensuelle d'une équipe avant que quiconque s'en aperçoive. Les plafonds par clé comptent aussi pour les pipelines CI, les bots et les prestataires, là où une clé qui fuit se transforme en facture. Kimchi ne dit pas ce qu'il facture, et aucun tarif n'apparaît sur la page.

Où l'assistant s'arrête et où la plateforme commence

Les trois projets s'inscrivent dans un débat plus large sur qui contrôle les outils des développeurs. Un billet sur Eval.blog expose les arguments contre le programme Android Developer Verification de Google, qui selon l'auteur transforme Android en plateforme verrouillée le 1er janvier 2027. Le billet note que la vérification s'applique à toutes les applications d'un appareil certifié, pas seulement à celles du Play Store. Il cite aussi F-Droid, qui avertit que la vérification des développeurs mettra fin à la distribution d'applications libres et open source telle qu'on la connaît.

Aujourd'hui, les APK fonctionnent, tout simplement.

C'est la formule de l'auteur, et l'argument est le sien. Mais la même logique vaut pour les outils de développement. Un agent de codage qui tourne sur votre machine, ou sur un runner que vous contrôlez, ne dépend pas des conditions de service d'un fournisseur. Un outil qui applique des budgets via une couche hébergée, si.

L'objection, c'est la maintenance. Docent compile llama.cpp à l'installation et exige Rust, CMake et une chaîne d'outils C/C++. La version Linux embarque le loader Vulkan, et les builds macOS sont signés et notariés tandis que les builds Windows sont signés. Cela fait beaucoup de pièces mobiles pour un outil qui doit continuer à fonctionner après un changement en amont.

L'argument de la plateforme web, encore

Le billet de Nolan Lawson du 3 octobre sur les raisons pour lesquelles les développeurs n'utilisent pas la plateforme offre un bon cadre ici. Il soutient que les navigateurs ont passé des années à rattraper les bibliothèques, et que l'habitude est restée. Les développeurs se tournent vers l'outil qu'ils connaissent, même quand le navigateur fait déjà le travail.

Le même réflexe s'applique maintenant aux agents. Les équipes prennent l'assistant hébergé qu'elles paient déjà, pas le CLI qu'il faudrait compiler. Lawson note aussi que la documentation a orienté le choix : les paquets npm avaient de meilleurs exemples que la plateforme. Les projets d'agents open source affrontent le même problème, avec un README pour seule vitrine.

Deux projets plus petits montrent l'étendue du terrain. Herbarium conserve les pages HTML générées par les outils d'IA dans un simple dossier de fichiers et les ressort pour une révision espacée. Le projet 16agents demande à un agent de codage de passer un test de personnalité, avec un score de conscience de soi et quatre pièges cachés pour attraper les agents qui revendiquent un comportement qu'ils ne montrent pas. Ses auteurs parlent d'un horoscope avec une regex. Ni l'un ni l'autre n'est un outil de codage au sens habituel, mais tous deux pointent la même habitude : les développeurs conservent, trient et auditent désormais ce que produisent leurs assistants.

Ce qu'il faut surveiller

La question pratique pour une équipe ce trimestre n'est pas de savoir quel modèle gagne. C'est de savoir où tourne l'agent et qui peut l'arrêter. Docent et Nautilus répondent par une infrastructure locale ou gratuite et sans compte. Kimchi répond par un plan de contrôle et un plafond dur.

Aucun des trois n'a publié de chiffres d'adoption, et aucun n'a dit combien coûte son exploitation à l'échelle. D'ici là, le choix se ramène à la contrainte que vous avez déjà : une règle sur les données, une facture, ou un portable qui doit rester fermé.

Commentaires 0

Sources

8
  1. 01Docent: an open source private AI assistant in your terminalEN
  2. 02Nautilus: run a coding agent from your phone, merge on your PCEN
  3. 03Kimchi: governed AI coding platform with hard budget capsEN
  4. 04Authoritarian tendencies of Android Developer VerificationEN
  5. 05Why don't more developers use the platform?EN
  6. 06Herbarium: keep and review the HTML pages AI tools generateEN
  7. 0716agents: a personality test for your agentEN
  8. 08OpenBSD developers reject uutils coreutils portEN

Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.

Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.

Sophie Leclerc

Sophie Leclerc

IA, modèles et technologies

Sophie Leclerc couvre les technologies, l'IA et les modèles ainsi que les médias et l'internet pour FLASH24, en travaillant à partir des dépôts de code, des articles scientifiques et des documents techniques plutôt que des annonces. Elle vérifie chaque chiffre en remontant aux jeux de données d'origine et en comparant les versions successives des modèles. Elle interroge régulièrement des ingénieurs et des chercheurs, et suit les calendriers de publication des principales conférences du secteur. Son intérêt personnel pour l'auto-hébergement et les réseaux domestiques nourrit directement sa couverture des infrastructures et des modèles ouverts. Elle ne publie pas de performance annoncée sans méthode de mesure vérifiable.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.