Résumé

L'avancée des grands modèles linguistiques (LLM) a déclenché un changement de paradigme, passant de l'assistance à la génération de code à l'ère des agents de codage autonomes. Ce phénomène a permis l'émergence d'une nouvelle méthodologie de développement, qualifiée de « Vibe Coding », dans laquelle les développeurs valident les implémentations générées par l'IA par observation des résultats, plutôt que par une compréhension ligne par ligne du code. Malgré son potentiel transformateur, l'efficacité de ce nouveau paradigme reste largement sous-étudiée, les preuves empiriques révélant des pertes inattendues de productivité ainsi que des défis fondamentaux dans la collaboration homme-IA. Pour combler cette lacune, cette revue fournit la première analyse exhaustive et systématique du Vibe Coding basé sur les grands modèles linguistiques, établissant à la fois des fondements théoriques et des cadres pratiques pour cette approche révolutionnaire de développement. À partir d'une analyse systématique de plus de 1 000 articles scientifiques, nous cartographions l'écosystème complet du Vibe Coding, en examinant les composants clés de l'infrastructure : les LLM dédiés au codage, les agents de codage basés sur les LLM, les environnements de développement pour ces agents, ainsi que les mécanismes de retour d'information. Nous introduisons d'abord le Vibe Coding comme une discipline formelle en le formalisant à l'aide d'un Processus de Décision de Markov Contraint, qui capture la relation dynamique triadique entre les développeurs humains, les projets logiciels et les agents de codage. Sur cette base théorique, nous synthétisons les pratiques existantes en cinq modèles distincts de développement : Automatisation non contrainte, Collaboration conversationnelle itérative, Modèle piloté par la planification, Modèle piloté par les tests et Modèle enrichi par le contexte, proposant ainsi la première taxonomie complète dans ce domaine. De manière cruciale, notre analyse révèle que le succès du Vibe Coding ne dépend pas uniquement des capacités des agents, mais repose davantage sur une ingénierie systématique du contexte, sur des environnements de développement bien établis, ainsi que sur des modèles de collaboration homme-agent structurés.