Le vibe coding est mort. Bienvenue dans l'Agentic Engineering avec Markdown.
En février 2025, Andrej Karpathy a inventé un terme qui a envahi le monde tech : le vibe coding — écrire du code en décrivant ce que vous voulez à une IA, en lui laissant gérer la syntaxe.
Un an plus tard, Karpathy dit que le vibe coding est déjà dépassé.
Le nouveau paradigme ? L’Agentic Engineering — où vous n’écrivez du code que 1 % du temps. Vous orchestrez des agents IA qui l’écrivent pour vous, agissant en tant que superviseur plutôt qu’auteur.
Et l’outil d’orchestration ? Markdown.
L’évolution : trois phases
Software 1.0 : Écrire le code
La programmation traditionnelle. Les humains écrivent chaque ligne. Python, JavaScript, C++. Vous pensez en syntaxe, déboguez manuellement, et itérez ligne par ligne.
Software 2.0 / Vibe Coding : Décrire le code
Des assistants IA comme Copilot et Cursor génèrent du code à partir de descriptions en langage naturel. Vous « vibez » avec l’IA — décrivant ce que vous voulez, acceptant ou rejetant des suggestions. Vous relisez toujours chaque ligne.
Software 3.0 / Agentic Engineering : Diriger les agents
Les agents IA opèrent de façon autonome. Vous écrivez un fichier Markdown définissant les objectifs et les contraintes. L’agent écrit le code, le teste, itère, et commit les améliorations. Vous révisez les résultats, pas le processus.
L’autoresearch de Karpathy en est l’exemple le plus clair : un chercheur écrit program.md, et l’IA fait tourner 100+ expériences la nuit sans intervention humaine.
Markdown : la couche d’interface
À chaque phase, l’outil de l’humain change :
| Phase | Outil humain | Sortie |
|---|---|---|
| Software 1.0 | Éditeur de code | Code source |
| Software 2.0 | Chat IA + éditeur de code | Code source assisté par IA |
| Software 3.0 | Éditeur Markdown | Instructions pour agents |
En Agentic Engineering, le fichier Markdown EST le produit du travail humain. Tout ce qui suit — le code, les expériences, les résultats — est produit par des agents IA qui suivent vos instructions Markdown.
La nouvelle compétence : écrire des instructions pour agents
Si vous n’écrivez plus de code, que faites-vous ? Vous écrivez des fichiers Markdown qui sont clairs, spécifiques et stratégiquement solides.
Cela requiert un ensemble de compétences différentes :
Expertise du domaine — Vous devez savoir à quoi ressemblent de bons résultats, même si vous ne les produisez pas manuellement.
Écriture claire — Des instructions ambiguës produisent des résultats ambigus. Meilleur est votre Markdown, meilleure sera la sortie de l’agent.
Pensée stratégique — En autoresearch, le travail du chercheur consiste à définir la bonne direction de recherche, pas à mener des expériences individuelles. Votre program.md définit la stratégie.
Capacité d’évaluation — Vous devez juger si les résultats de l’agent sont réellement bons. La supervision est la responsabilité centrale de l’humain.
Ce que vous programmez vraiment
Quand vous écrivez un program.md, un AGENTS.md, ou un CLAUDE.md, vous ne faites pas que de la documentation. Vous programmez :
- Objectifs : Qu’est-ce que l’agent doit optimiser ?
- Contraintes : Qu’est-ce que l’agent ne doit jamais faire ?
- Contexte : Qu’est-ce que l’agent doit savoir sur le domaine ?
- Stratégie : Comment l’agent doit-il aborder le problème ?
- Évaluation : Comment l’agent doit-il mesurer le succès ?
C’est la programmation Software 3.0. Le langage est Markdown. Le compilateur est un LLM. L’environnement d’exécution est une boucle d’agent autonome.
La chaîne d’approvisionnement en connaissances
L’Agentic Engineering dépend des connaissances. Vos instructions Markdown ne valent que ce que vaut votre compréhension du domaine. Cela crée une chaîne d’approvisionnement en connaissances :
- Capturer les connaissances du web (documentation, articles, billets de blog, exemples)
- Organiser dans un système natif Markdown (Obsidian, Notion, fichiers plats)
- Synthétiser en instructions pour agents (program.md, AGENTS.md, CLAUDE.md)
- Déployer des agents qui exécutent vos instructions
La première étape — capturer les connaissances web en Markdown — c’est là que Save intervient. Conversion en un clic de n’importe quelle page web en Markdown propre, prête à intégrer dans votre workflow d’instructions pour agents.
Les personnes qui écrivent les meilleures instructions d’agents en 2026 ne partent pas de zéro. Elles construisent sur une bibliothèque soigneusement sélectionnée de références Markdown qu’elles peuvent synthétiser en instructions d’agents claires.
Commencer avec l’Agentic Engineering
Vous n’avez pas besoin de faire tourner de l’autoresearch pour pratiquer l’Agentic Engineering :
- Commencez avec AGENTS.md dans votre projet actuel. Rédigez des instructions claires pour les assistants de codage IA.
- Itérez en fonction des résultats. Quand l’IA fait une erreur, ne vous contentez pas de la corriger — mettez à jour vos instructions Markdown pour que ça n’arrive plus.
- Construisez votre bibliothèque de référence. Sauvegardez la documentation utile, les exemples et les bonnes pratiques en Markdown. Vous vous y référerez en rédigeant des instructions pour agents.
- Pensez stratégiquement. Plutôt que de dire à l’IA quel code écrire, dites-lui quel problème résoudre et quelles contraintes respecter.
Le passage du vibe coding à l’Agentic Engineering n’est pas une prédiction future. C’est en train de se produire maintenant, et Markdown est l’interface.
Save convertit n’importe quelle page web en Markdown propre — construisant la bibliothèque de connaissances qui alimente un Agentic Engineering efficace. Essayez Save gratuitement.
## Continue reading
De README.md à PROGRAM.md : Markdown est désormais un langage de programmation
README.md était pour les humains. AGENTS.md est pour les assistants de code. PROGRAM.md est pour la recherche autonome. Markdown a évolué de la documentation vers le langage de programmation des agents IA.
Les 'deux groupes' d'utilisateurs IA selon Karpathy — lequel êtes-vous ?
Andrej Karpathy dit qu'il y a un fossé grandissant dans la compréhension des capacités de l'IA. Un groupe pense que l'IA est un jouet. L'autre vit une 'AI Psychosis'. Voici ce qui les sépare — et comment franchir le fossé.
Autoresearch pour tous : comment lancer 100 expériences IA pendant votre sommeil
L'autoresearch de Karpathy tourne 100+ expériences ML en une nuit sur un seul GPU. Voici comment ça marche, ce qu'il vous faut, et pourquoi un script Python de 630 lignes est en train de changer la recherche IA.
Le commit git comme découverte scientifique : comment Autoresearch transforme le versionnage en laboratoire de recherche
Dans l'autoresearch de Karpathy, chaque expérience réussie est un commit git. Chaque échec est un git reset. Le contrôle de version est devenu la mémoire de la recherche IA autonome.
Written by
Jean-Sébastien Wallez
I've been making internet products for 10+ years. Built Save on weekends because I wanted my own reading library in clean markdown for Claude and Obsidian. Write here about web clipping, AI workflows, and the small things that make a personal knowledge base actually useful.