Le passage met en lumière un écart croissant entre les projections optimistes des analystes sur les agents intelligents en développement logiciel et la réalité concrète vécue par les développeurs. Bien que les rapports mettent souvent en avant une autonomie complète des agents IA, les données réelles montrent que le passage de l’auto-complétion réactive à une véritable autonomie reste un défi majeur. Une étude menée sur l’activité de Claude Code dans des projets open source GitHub révèle que 72,6 % des configurations analysées (328 fichiers dans 100 projets populaires) portent sur des règles d’architecture, avec une forte implication manuelle pour structurer des sections — notamment pour les tests (35,4 %) et les workflows. Ces fichiers, souvent nommés Claude.md, évoluent progressivement de simples commandes bash vers des séquences orchestrées, reflétant une approche itérative et expérimentale. Cette réalité dévoile un écosystème « invisible » — ce que l’MIT appelle la « économie cachée de l’IA » — où les développeurs, plutôt que d’adopter des solutions plug-and-play, doivent investir du temps à configurer, ajuster et guider les agents IA selon les pratiques spécifiques de chaque projet. L’étude montre que les développeurs privilégient des règles textuelles simples, plutôt que des outils complexes ou des configurations automatisées. Seulement 17,4 % des fichiers abordent explicitement la configuration des outils, tandis que 39 % incluent des aperçus de haut niveau, combinés à des stratégies opérationnelles de bas niveau. Cette fragmentation, le travail de fond et l’absence de standardisation contredisent les promesses d’une productivité immédiate de 20 à 30 % souvent rapportées par les analystes. Le « layer de workflow » émerge ainsi comme une solution intermédiaire essentielle : il agit comme un pont entre l’auto-complétion réactive et l’autonomie complète, en intégrant des garde-fous humains pour aligner les actions de l’IA sur les bonnes pratiques du projet. Ce n’est pas une étape linéaire, mais un processus émergent, alimenté par des développeurs individuels et des projets open source, plutôt que par des déploiements top-down dans les entreprises. Ce constat s’inscrit dans une tendance plus large : les agents IA sont progressivement remplacés par des « workflows agents », des systèmes orchestrés qui combinent intelligence artificielle et directives humaines pour gérer des tâches complexes — planification, tests, gestion de version, intégration continue. En somme, l’avenir du développement logiciel assisté par l’IA ne réside pas dans l’autonomie totale immédiate, mais dans des environnements hybrides où les workflows servent de cadre structurant, réduisant les erreurs et s’adaptant aux réalités du terrain. Cette évolution, guidée par les développeurs eux-mêmes, témoigne d’un passage progressif d’un modèle de soutien réactif à un modèle d’assistance proactive, encadrée par des règles concrètes et des pratiques établies.