Un codage agentique suffisamment avancé est essentiellement de l'apprentissage automatique : l'ingénieur définit l'objectif d'optimisation ainsi que certaines contraintes sur l'espace de recherche (le cahier des charges et ses tests), puis un processus d'optimisation (agents de codage) itère jusqu'à ce que l'objectif soit atteint. Le résultat est un modèle boîte noire (la base de code générée) : un artefact qui accomplit la tâche, que vous déployez sans jamais inspecter sa logique interne, tout comme nous ignorons les poids individuels dans un réseau de neurones. Cela implique que tous les problèmes classiques rencontrés dans l'apprentissage automatique deviendront bientôt des problèmes pour le codage agentique : surajustement au cahier des charges, raccourcis Clever Hans qui ne se généralisent pas en dehors des tests, fuite de données, dérive conceptuelle, etc. Je voudrais également demander : quel sera le Keras du codage agentique ? Quel sera l'ensemble optimal d'abstractions de haut niveau qui permettra aux humains de diriger l'entraînement de la base de code avec un minimum de surcharge cognitive ?