Dans mon article précédent, j'expliquais pourquoi le vibe coding n'est pas un gadget et ce que signifie être CTO d'une startup IA aujourd'hui. Beaucoup d'entre vous m'ont demandé le workflow concret. Le voici.
C'est exactement ainsi que nous construisons Agely au quotidien. Pas de théorie. Les outils, les techniques, et la façon dont je les enchaîne.
Le principe fondamental
Avant de parler d'outils, il faut comprendre une chose : l'objectif n'est jamais d'écrire du code. L'objectif est de produire les bonnes spécifications pour que l'IA écrive le code à votre place. Le travail devient orchestration, pas exécution.
Cela implique un changement de posture. On ne se demande plus « comment implémenter ceci ? » mais « comment le décrire avec suffisamment de précision ? »
Mon pipeline en 3 étapes
J'utilise 3 outils principaux, chacun pour un usage spécifique :
1. ChatGPT avec la voix + Canvas pour la génération de prompts
Pour les projets complexes, je commence par parler. J'utilise ChatGPT avec l'entrée vocale pour générer mes prompts. Je décris ce que je veux, puis je lui demande de reformuler et réorganiser le tout en un prompt structuré.
La magie opère avec Canvas. Une fois que ChatGPT structure mon prompt, je le sauvegarde dans un Canvas. Cela me donne un document propre que je peux copier/coller et aussi modifier directement. Il devient ma spécification de travail que j'affine au fil du temps.
Ce que je demande à ChatGPT d'inclure :
- Le rôle (ce que l'IA doit incarner)
- Ce qu'il faut faire
- Ce qu'il ne faut PAS faire
- La méthodologie à suivre
- Le format de sortie attendu
L'essentiel ici est que je ne tape pas. Je parle (en français ou en anglais, peu importe). C'est 10 fois plus rapide et capture mieux les nuances.
2. Claude Opus pour la recherche approfondie
Quand j'ai besoin de comprendre un sujet complexe avant de construire, j'utilise Claude Opus en mode recherche étendue. C'est là que la magie opère.
L'IA ne regarde pas seulement 10 ou 20 sources. Elle en explore des centaines, parfois plus d'un millier. Cela prend du temps, parfois plus d'une heure, mais on obtient un rapport markdown complet qui devient notre matériel de référence.
Je l'utilise pour :
- La recherche technique de pointe
- L'analyse concurrentielle
- La compréhension de nouveaux domaines avant de coder
- Trouver les meilleures bibliothèques et approches
Le résultat est un rapport que je peux ensuite injecter dans mes prompts de code. L'IA qui écrit mon code a ainsi accès à des connaissances de pointe, pas seulement à ses données d'entraînement.
3. Windsurf + Claude Opus 4.6 Thinking pour la génération de code
Pour la génération de code proprement dite, j'utilise Windsurf (d'autres préfèrent Cursor, les deux fonctionnent). Le modèle est toujours Claude Opus 4.6 Thinking. Oui, c'est cher. Mais quand on accélère de 10x à 30x, le coût devient négligeable.
Le processus :
- Je colle mon prompt structuré de l'étape 1
- En 10 à 15 minutes, il génère la fonctionnalité
- Je passe 2 heures à itérer avec des prompts plus courts
- Je regroupe 5 à 10 ajustements dans un seul prompt
Astuce : Dans Windsurf, on paie par prompt. Regrouper plusieurs tâches dans un seul prompt est donc non seulement plus rapide, mais aussi moins cher. Je regroupe toujours les corrections et ajustements liés.
Ce que j'injecte dans chaque projet
Les templates et le contexte comptent. J'inclus toujours :
- Les configurations de linter
- Les templates de tests end-to-end
- Les fichiers de base : .gitignore, .editorconfig
- Un README complet
Avant, je mettais tout ça directement dans mes prompts. Mes prompts initiaux faisaient souvent 300 à 500 lignes, juste pour poser le contexte correctement.
Ça a changé quand j'ai adopté le standard AGENTS.md. Maintenant, tout le contexte du projet, les conventions, les limites et les commandes de build vivent dans des fichiers AGENTS.md dans l'arborescence du projet. Windsurf les lit automatiquement.
Résultat : mes prompts de conversation sont passés de 500 lignes à 10. Je décris l'intention, l'IA connaît déjà le reste. Plus on donne de contexte, meilleur est le résultat. Ça n'a pas changé. Mais maintenant, le contexte vit dans le projet, pas dans le presse-papiers.
Pourquoi je m'en tiens aux bibliothèques populaires
L'IA fonctionne mieux avec des outils bien documentés et largement utilisés. C'est en fait une bonne contrainte.
Si vous cherchez une bibliothèque exotique, demandez-vous : pourquoi est-ce que je n'utilise pas ce que tout le monde utilise ? Il y a des questions de stabilité et de maintenance. Les bibliothèques populaires sont maintenues, elles durent, et l'IA les connaît bien.
Si vous avez absolument besoin de quelque chose de moins courant, l'IA peut lire le code source sur GitHub et s'adapter. Mais les bibliothèques populaires donnent de meilleurs résultats plus rapidement.
La boucle d'itération
Voici à quoi ressemble un développement de fonctionnalité typique :
- Prompt vocal à ChatGPT → spécification structurée dans Canvas
- Si nécessaire : recherche approfondie avec Claude → rapport de référence
- Génération initiale dans Windsurf → prototype fonctionnel en 15 minutes
- Validation rapide du résultat
- Itération avec des prompts groupés → 5-10 corrections par prompt
- Temps total : 2 à 4 heures pour ce qui prenait des jours auparavant
Ce qu'il faut valider
Je ne lis pas chaque ligne de code généré. Ce serait contre-productif.
Ce que je vérifie réellement :
- Les fichiers essentiels (points d'entrée, logique métier)
- L'organisation générale et la structure des dossiers
- Les design patterns utilisés
- Les algorithmes complexes et la logique métier
- Les contrôles de sécurité et le stockage des données
Le reste ? Si ça compile, passe les tests et respecte mes règles de linter, je fais confiance. L'enjeu est de concentrer son attention là où ça compte : les décisions d'architecture, la logique complexe, et s'assurer que l'IA a compris l'intention.
C'est ce qui sépare un vibe coding efficace d'une confiance aveugle ou d'un micro-management de chaque ligne.
Construire Agely avec ce workflow
Chez Agely, chaque fonctionnalité passe par ce pipeline.
Ce qui aurait nécessité une équipe de 10 personnes pendant des mois est construit par un développeur, augmenté par l'IA. Non pas parce que l'IA a remplacé la réflexion, mais parce qu'elle a supprimé le goulot d'étranglement de la saisie.
Le paradigme a changé. Les outils sont là. La question est de savoir si vous allez construire le workflow qui vous rend 10 fois plus productif, ou continuer à écrire du code ligne par ligne.