1. Introduction : le développement assisté par IA
 
Définition du vibe coding : co-développement humain/IA, logique exploratoire plutôt qu’automatisée.
 
Différence entre :
 
- IA conversationnelle (ChatGPT, Claude, Gemini)
- IA orientée code (Copilot, Codex, Kilo Code, etc.)
- IA agentique (outils capables d’exécuter du code et d’agir de manière autonome).
 
- Limites du "prompt + copier/coller" et risques (erreurs silencieuses, dette technique, perte de contexte, code non testable).
 
2. Interfaces web et sandboxes : les solutions "plug & play"
 
Interfaces Web
 
ChatGPT, Claude, Gemini, Copilot Chat :
- Points forts : accessibilité, contexte riche, multitâche.
- Points faibles : limitations d’exécution, gestion du code peu pratique, perte de contexte sur grands projets.
 
Sandboxes intégrées
 
OpenAI Codex, Claude Code, Gemini Advanced :
- Exécution isolée du code côté serveur
- Utilisation pour tests rapides et proof-of-concepts
- Risques de confidentialité (code uploadé dans le cloud)
 
3. Intégration locale dans les IDE
 
VS Code et forks "AI-native"
 
- Copilot / Copilot Labs
- ChatGPT VS Code Plugin
- Claude for VS Code
- Cursor, Kiro, Roo Code, Cline
 
Configuration type d’environnement local
 
- VS Code + Codex CLI / Kilo Code CLI
- Raccourcis et workflow type : "Prompt -> Génération -> Exécution -> Commit -> Review IA"
 
4. CLI et agents de génération
 
Les CLI modernes
 
Codex CLI, Claude Code CLI, Gemini CLI, Kilo Code CLI :
 
- Avantages : intégration shell/git, historique contextuel, multi-LLM
- Exemples d’usage (init de projet, refactor, ajout de tests)
 
Multi-LLM et plugins intelligents
 
- Kilo Code : sélection dynamique de LLM selon la tâche
- Roo Code / Cline : exécution et test de code, édition contextuelle
- Exemples d’usages : Génération backend -> test -> doc automatique et CI/CD automatisé via CLI
 
5. Bonnes pratiques et sécurité
 
Frameworks de sécurité
 
- S.E.C.U.R.E. Framework, AI-Sandboxing, CodeGuard
- Isolation du code généré et contrôle de l’exécution
- Revue humaine obligatoire pour les modifications en production
 
Gestion du contexte et de la cohérence
 
- Structuration des prompts (fichiers PROMPT.md ou AGENTS.md)
- Conservation du contexte via fichiers .chat, .session, ou repo Git
- Réutilisation des prompts via templates (.prompt.json)
 
6. CI/CD et gestion de code source
 
GitHub / GitLab / Bitbucket
 
- Intégration native de Copilot et des actions CI
- Utilisation d’agents pour PR automatiques, tests, linting
- LLM Reviewers (PR-AI, CodiumAI)
 
Pipelines intelligents
 
- Exemple : commit -> PR -> test IA -> merge -> déploiement Dokploy
- Bonnes pratiques de commit message générés par IA (conventionnal commits).
 
7. Déploiement et infrastructure
 
Stacks open source
 
- Dokploy, Coolify, CapRover, Kamal, Dokku
- Comparaison rapide : Docker Compose, autoscaling, reverse proxy, GitHub Action intégrée, etc.
 
Stacks propriétaires
 
- Vercel, Netlify, Render, Heroku, Fly.io
- Avantages : simplicité, intégration GitHub native
- Inconvénients : coût, dépendance plateforme
 
8. Vers l’IA agentique
 
Concept et typologie
 
- Agent = modèle + mémoire + outils + autonomie partielle
- Exemples : OpenDevin, Devin-like Agents, AutoGPT, Smol-Agents, CrewAI
 
Bonnes pratiques
 
- Séparer la logique métier du raisonnement IA
- Toujours conserver un journal d’actions
- Utiliser des environnements isolés (VM, container, sandbox)
 
Ressources clés
 
- Recommandation : lire et adapter AGENTS.md
 
9. Le dev local via des LLM open source
 
IDE
[En cours]
 
LLM
[En cours]
 
Hardware, GPU, VRAM
[En cours]
 
10. Ressources utiles et veille
 
- Repos GitHub (Codex CLI, Roo Code, Kilo Code, etc.)
- Blogs / chaînes YouTube orientées dev+IA
- Comparateurs de modèles (OpenRouter, LMSys, HuggingFace)
- Discords ou forums communautaires utiles
 
11. Annexes
 
- Fichier type .env.example pour projets IA
- Exemple d’arborescence Git d’un projet vibe-coded
- Table de correspondance : modèles LLM vs usage optimal (Claude Sonnet 4.5 pour refacto, GPT-5 pour CI/CD, etc.)
 
EDIT : Je ne suis pas dev, je cherche juste à centraliser les informations de base sur un topic