Il y a trois ans, développer avec l’IA ressemblait surtout à une conversation. On formulait une consigne, ou « prompt », on l’envoyait au modèle, puis on évaluait sa réponse. Si le résultat décevait, on reformulait la demande. Le prompt engineering, c’est-à-dire l’art de concevoir ces consignes, est né de ce constat : de meilleures instructions donnaient de meilleures réponses.
Ce cadre ne suffit plus. Les agents de code modernes ne se contentent pas de répondre à une demande. Ils inspectent une base de code, lisent la documentation, formulent un plan, modifient des fichiers, lancent des tests, rencontrent des échecs, révisent leur approche et continuent jusqu'à ce que le travail atteigne un état utilisable. Ce qui compte n'est plus seulement l'instruction initiale. C'est la boucle qui suit.
La première génération d'applications IA traitait les modèles de langage comme de puissants moteurs de recherche ou de génération : demander, recevoir, répéter. Les interfaces conversationnelles ont ajouté de la mémoire entre les échanges, mais l'utilisateur pilotait toujours chaque étape. Les agents autonomes ont changé l'unité de travail. Nous ne demandons plus seulement une fonction ou une explication ; nous demandons un résultat.
Ce résultat est produit par l'itération. Un système IA utile planifie, exécute, valide, apprend et recommence. La fiabilité vient de la capacité du système à réduire l'incertitude au fil du temps, pas du fait de recevoir un prompt parfait au départ.
Les prompts restent importants, mais ne suffisent plus à définir le système. Une tâche autonome peut faire appel à des instructions distinctes pour planifier, choisir les outils, vérifier le résultat, corriger une erreur, produire une synthèse ou gérer le contexte. La qualité du produit dépend de leur articulation.
La question d'ingénierie change donc de nature. Au lieu de demander seulement comment formuler la requête, nous demandons comment le système choisit sa prochaine action, quand il réessaie, comment il détecte l'échec, ce qu'il mémorise, ce qu'il oublie, et comment il sait que la tâche est terminée.
Le loop engineering consiste à concevoir des systèmes autonomes qui planifient, exécutent, vérifient, apprennent et recommencent jusqu’à atteindre un objectif. Il ne se limite ni à un modèle ni à un environnement de développement. Ces outils sont des composants ; c’est la boucle d’exécution qui organise l’ensemble.
Le développement avec l’IA devient ainsi un travail de conception de systèmes. Comment vérifier les résultats ? Quand relancer une tâche ? Que faut-il garder en mémoire ? Comment exploiter les retours et décider de s’arrêter ? Ces questions deviennent centrales. Savoir écrire des prompts reste utile, tout comme comprendre SQL ou les réseaux, mais la réflexion porte désormais sur un ensemble plus large.
Le prompt engineering nous a appris à communiquer avec l’IA. Le loop engineering cherche à lui permettre de mener un travail à bien. Les meilleurs produits ne seront pas nécessairement ceux qui contiennent les prompts les plus astucieux, mais ceux dont l’exécution est la plus fiable : corriger un échec, vérifier les progrès, conserver le contexte et reconnaître qu’une tâche est réellement terminée.
La question n’est plus seulement « Que doit répondre le modèle ? », mais « Comment le système doit-il poursuivre le travail ? ». C’est tout l’enjeu du loop engineering.
Lire l'article original sur LinkedIn →
Une étude de cas sur la revue de code à l’heure des agents de développement, à partir des données de l’espace de travail Pyratz Labs du 13 août au 5 novembre 2026.
Pourquoi nous avons créé des salons chiffrés autour des sessions d’agents existantes, et comment le démon de Paseo, les questions structurées et le partage d’images rendent cette collaboration possible.
Une thèse d’investissement pour l’ère de l’intelligence : financer les technologies qui créent l’abondance, les ressources rares dont elles dépendent et les institutions réglementées qui permettent leur déploiement, tout en préservant la propriété, la liberté de choix et la capacité d’agir.