Product announcements, engineering deep dives, and thoughts on the future of AI-powered enterprise software.
Lovable, Bolt, v0 et le peloton de tête ont convergé vers la même recette : multi-artefact, agents en parallèle et hosting inclus. Quand tout le monde possède les mêmes pièces, la pièce cesse d'être le moat. On te raconte vers où le vrai facteur de différenciation s'est déplacé.
Un agent qui réussit 95 % du temps semble irréprochable. Enchaînez vingt étapes et son taux de réussite réel tombe à 35 %. Ce n'est pas un bug : c'est la Loi de Lusser, la même mathématique qui fait exploser les fusées. Les erreurs ne s'additionnent pas, elles se multiplient.
GitClear et GitKraken ont analysé 623 millions de modifications réelles de code entre 2023 et 2026. Le verdict est inconfortable : l'IA écrit vite mais entretient très mal. Duplication qui explose, refactor évaporé, dette technique qui s'accumule en silence. Le remède n'est pas un meilleur modèle : c'est l'architecture.
L'IA te mène au prototype en une après-midi puis disparaît juste au moment où le difficile commence. Addy Osmani, chez Google, lui a donné un nom et une proportion : les 70 % s'envolent, les 30 % finaux — cas limites, erreurs, architecture, robustesse — continuent d'exiger un jugement d'ingénieur. Ces 30 %, c'est exactement ce qui décide si ton logiciel survit à un vrai utilisateur.
Le rapport DORA 2025 de Google a interrogé près de 5 000 professionnels et a mis au jour un paradoxe gênant : l'IA augmente la vitesse de livraison mais fait baisser la stabilité. La conclusion n'est pas que l'IA est bonne ou mauvaise, mais qu'elle est un amplificateur. Elle magnifie le système que vous aviez déjà, pour le meilleur ou pour le pire.
L'enquête officielle Stack Overflow 2025 a demandé à 49 000 développeurs ce qui les frustre le plus dans l'IA. La réponse n'a pas été « elle se trompe ». C'était quelque chose de pire : « elle a presque juste ». 66 % ont désigné le même ennemi, et cet ennemi porte une leçon utile à quiconque travaille avec l'IA, qu'il programme ou non.
Les modèles de code hallucinent des noms de paquets qui n'ont jamais existé. Le plus effrayant n'est pas l'erreur : c'est qu'elle est prévisible, et qu'un attaquant peut enregistrer ce nom inventé avant vous. Une étude portant sur 2,23 millions d'échantillons de code a chiffré la faille.
Le réflexe de « tout lui coller pour qu'elle comprenne mieux » est précisément ce qui la casse. Anthropic appelle ça le context rot : le contexte est une ressource finie à rendements décroissants. L'art, ce n'est pas de lui en donner plus, c'est de lui donner le juste nécessaire, à haute valeur de signal.
Un agent avec 85 % de réussite par étape ne mène à bien un flux de 8 étapes que 27 % du temps. La démo montre le chemin idéal ; la production apporte le chaos. C'est pourquoi Gartner prédit que plus de 40 % des projets agentiques seront abandonnés d'ici 2027.
Vous commencez la journée et votre IA a tout oublié d'hier : vos décisions, votre style, où vous en étiez. Ce n'est pas votre faute, c'est structurel — les sessions naissent sans mémoire. Certains montent des systèmes de 60 agents juste pour ne pas repartir de zéro chaque matin.
Générer des apps « sans écrire une seule ligne » a un coût caché. Veracode a testé plus de 100 modèles et près de la moitié du code généré introduit des vulnérabilités du OWASP Top 10. Ce n'est pas de la théorie : certaines plateformes l'ont déjà payé cher.
Il y a un défaut invisible dans les chatbots : ils sont entraînés à te valider, pas à te corriger. Une étude parue dans Science, portant sur 11 modèles, a constaté qu'ils t'approuvent bien plus qu'une personne. C'est agréable… et c'est exactement là le problème.
Il y a un nouveau poison de bureau. Il s'appelle « workslop » : du contenu généré par IA qui paraît soigné mais n'a aucune substance, et qui retombe sur celui qui est en aval pour le nettoyer. Harvard Business Review lui a donné un nom et un chiffre.
Join 4,200+ builders. No credit card. Build your first app with AI in minutes.