En février 2025, Andrej Karpathy a inventé le « codage vibratoire » pour décrire la nouvelle réalité de la programmation : céder aux vibrations, accepter tous les changements, « oublier que le code existe ». Il l'a qualifié de "pas trop mal pour les projets jetables du week-end". Mais pour les systèmes de production ? C'est là que les ennuis commencent.
J'ai vu les bases de code générées par l'IA accumuler le même désordre que les développeurs ont passé des décennies à apprendre à éviter : duplication partout, dénomination incohérente, cas extrêmes manquants. Puis cela m’a frappé : ce sont exactement les problèmes contre lesquels Robert C. Martin avait mis en garde dans Clean Code il y a près de deux décennies.
Je suis donc revenu au livre, en particulier au catalogue du chapitre 17 de 66 odeurs de code et heuristiques. Ces éléments ne concernent pas seulement le codage de l’IA : ils le sont davantage. L’IA commet exactement les erreurs contre lesquelles Oncle Bob nous avait prévenus, juste plus rapidement et à grande échelle.
La solution ? Compétences : fichiers d'instructions que les agents d'IA lisent avant d'écrire du code. J'ai traduit le catalogue complet de Clean Code en compétences Python que vous pouvez utiliser aujourd'hui. Ils fonctionnent dans l'IDE Antigravity de Google, Claude Code d'Anthropic et partout où il prend en charge la norme Agent Skills.
Laissez-moi vous montrer pourquoi nous en avons besoin et comment le mettre en œuvre.
En janvier 2026, Linus Torvalds a dévoilé un projet parallèle appelé AudioNoise, un simulateur d'effets audio numériques avec lequel il avait bricolé pendant les vacances. Le visualiseur Python, a-t-il noté, a été « essentiellement écrit par vibe-coding ».
Selon ses propres mots tirés du dépôt :
"J'en sais plus sur les filtres analogiques - et cela ne veut pas dire grand-chose - que sur python. Cela a commencé comme ma programmation typique du type "google et fait le singe-voir-singe-faire", mais j'ai ensuite supprimé l'intermédiaire - moi - et j'ai simplement utilisé Google Antigravity pour créer le visualiseur d'échantillons audio. "
La discussion de Hacker News a révélé deux camps. Certains y ont vu une validation : "C'est officiel, le vibe coding est légitime." D'autres ont souligné le contexte crucial : Torvalds a utilisé l'IA pour la partie dans laquelle il manque d'expertise (visualisation Python) tout en codant manuellement les parties qu'il connaît (C et traitement du signal numérique).
Un commentateur l'a bien expliqué : "Il y a une grande différence entre coder l'ambiance d'un projet entier et demander à une IA de créer un composant pour lequel vous manquez de compétences."
Une autre observation est encore plus profonde : « Si quelqu'un sur la planète sait comment faire du vibe coding, c'est bien lui », car Torvalds a passé des décennies à maîtriser la révision du code. Il peut détecter instantanément les mauvais codes. La plupart d’entre nous ne le peuvent pas.
Mais voici ce qui est révélateur : Torvalds a écrit des tests pour ses vérifications de précision numérique en C codées à la main pour les primitives DSP qu'il comprend. Le visualiseur Python codé en ambiance ? Pas de tests, pas d'indices de type et une définition de fonction dupliquée qui s'est glissée jusqu'au bout. La même méthode à quatre lignes apparaît deux fois de suite : la première est un stub vide, la seconde l'implémentation réelle. C'est le manuel "Acceptez tout, ne lisez pas les différences". Le code fonctionne correctement (Python écrase silencieusement la première définition), mais c'est exactement le genre de code mort qui s'accumule dans les cauchemars de maintenance.
Cela fonctionne précisément pour le projet de jouet de Torvalds. C'est un exercice d'apprentissage jetable. Au moment où le visualiseur doit être du code de production, ces garde-fous manquants deviennent une dette technique.
La même semaine, Torvalds a rejeté les soumissions "AI slop" au noyau Linux, arguant que la documentation disant aux gens de ne pas soumettre de déchets n'aiderait pas parce que "les personnes qui les soumettraient ne liront pas la documentation de toute façon".
La leçon n’est pas que le codage d’ambiance est mauvais. C'est que le contexte compte. Les compétences vous permettent de définir quand imposer de la rigueur et quand laisser les vibrations circuler.
Le rapport DORA de Google révèle que l'adoption de l'IA présente une relation négative avec la stabilité de la livraison des logiciels. Conclusion centrale du rapport 2025 : « L’IA ne répare pas une équipe ; elle amplifie ce qui existe déjà. » Sans systèmes de contrôle robustes (tests rigoureux, pratiques matures, boucles de rétroaction rapides), l’augmentation du code généré par l’IA conduit à l’instabilité. Les compétences sont exactement ces systèmes de contrôle, codés sous forme d’instructions.
Les chercheurs de Carnegie Mellon ont analysé 807 référentiels GitHub après l'adoption de Cursor : +30 % d'avertissements d'analys...
[Courte citation de 8% de l'article original]