Derniers articles sur l'IA, la technologie et le développement logiciel.
Les acheteurs en entreprise commencent à exiger des fournisseurs qu'ils prouvent que leurs binaires peuvent être reconstruits bit à bit à partir du code source, et SLSA donne aux équipes achats une case concrète à cocher pour l'imposer.
Près de la moitié des développeurs utilisent désormais un relecteur IA sur leurs pull requests. Le temps gagné à lire le code est maintenant passé à trier ce que l'IA a signalé.
MCP a dépassé 97 millions de téléchargements mensuels du SDK et chaque grand fournisseur d'IA propose désormais un support natif. Mais le transport, l'authentification et les modèles de permission divergent toujours selon l'implémentation.
Les équipes livrent plus de code écrit par IA que jamais tout en lui faisant moins confiance que jamais — et en le vérifiant encore moins. Les données sur ce qui se passe quand cet écart rencontre un pipeline CI ne sont pas encourageantes.
88% des projets pilotes d'agents de codage IA n'atteignent jamais la production — et le vrai goulot d'étranglement n'est pas l'intelligence du modèle, mais le fait que les monorepos conçus pour les humains sont hostiles aux agents IA à contexte fixe.
38 % des organisations cloud-native exécutent désormais WebAssembly en production, contre 4 % en 2022. Le Component Model résout discrètement le problème des plugins multilangages que les conteneurs n'ont jamais su résoudre.
À mesure que les agents de codage gagnent en autonomie et en accès au système de fichiers, les worktrees isolés et l'exécution en sandbox sont passés du statut de confort optionnel à celui d'infrastructure indispensable. Voici à quoi ressemble une vraie mise en place, et pourquoi l'approche naïve ne tient pas.
Cloudflare et Fastly sont arrivés indépendamment à la même architecture : Wasm plutôt que des conteneurs en périphérie (edge). Voici la raison technique, et ce que cela signifie pour la façon dont vous devriez déployer du code en 2026.
La latence au démarrage, la sécurité mémoire et la distribution en binaire unique attirent le développement d'outils CLI loin de Go et Python, au profit de Rust en 2026.
Avec plus de 60% du code nouvellement commité désormais AI-assisted, la contrainte sur la livraison de logiciels est passée de la vitesse de frappe à la capacité de relecture — et une nouvelle catégorie d'outils de review AI émerge pour combler l'écart.
Des modèles comme Qwen3-Coder, Gemma 3 et Phi-4 fonctionnent désormais sur un seul GPU d'ordinateur portable ou de station de travail et gèrent le travail de codage courant suffisamment bien pour que de nombreux développeurs adoptent par défaut une approche locale, réservant les API cloud aux problèmes les plus difficiles.
La revue de code par IA est passée de la nouveauté à la pratique par défaut dans la plupart des shops d'ingénierie, mais des taux de faux positifs de 5 à 15% au niveau des outils signifient que les équipes échangent la vitesse de revue contre une nouvelle forme de dette de revue.