Les coding agents quittent le stade de l’assistant individuel pour devenir une infrastructure d’entreprise. Factory, valorisée 5 milliards de dollars après une levée de 200 millions, affirme voir ses clients passer à des « software factories ». À cette échelle, le sujet n’est plus seulement la génération de code, mais l’exploitation continue des agents.

Cisco répond par une couche d’exploitation : Splunk Agent Observability mesure performance et dépenses de tokens, attribue la consommation à Claude Code, Codex ou Cursor et applique des garde-fous runtime. Airrived complète cette vue en reliant contexte, propriétaire, permissions, action et résultat métier, afin qu’un run puisse être expliqué et audité.

Applitools ajoute la preuve de qualité au même circuit. Ses tools MCP renvoient aux coding agents des diffs visuels, du contexte DOM et une séquence de revue déterministe plutôt que de laisser un LLM juger son propre résultat. Pour les développeurs, chaque changement agentique doit désormais transporter coût, trace d’exécution et vérification indépendante.

Anthropic demande désormais de ralentir l’augmentation des capacités des modèles pour laisser aux évaluations de sécurité le temps de suivre. Dario Amodei propose surtout des évaluateurs indépendants avec un accès proche de celui des employés, afin de tester les systèmes avant que les gains issus de l’auto-amélioration n’accélèrent davantage.

Microsoft transforme cette prudence en règles de comportement pour ses propres modèles. Son projet de code impose de ne jamais résister à une correction ou à un arrêt, de rester compréhensible pour les humains et de considérer toute violation comme un échec. Après consultation publique, ces règles doivent servir directement à l’entraînement.

Le mouvement dépasse un laboratoire : The Guardian rapporte le soutien d’OpenAI, Google DeepMind et xAI au principe d’un ralentissement et d’évaluateurs externes. Pour les développeurs, une nouvelle version frontier pourrait donc être jugée moins seulement sur ses benchmarks que sur ses mécanismes d’arrêt, ses audits et les conditions de son déploiement.

Le système de livraison quitte le tableau de bord avec Agentia Headless de Copado. Depuis l’IDE ou le terminal, un coding agent peut piloter pipelines, tests et promotions tout en traversant les mêmes quality gates, rôles et approbations. Pour les développeurs, le DevOps devient une surface machine, pas une application à cliquer.

Akuity applique ce principe au passage en production. Son Agentic Control Plane expose via MCP l’état des clusters, l’historique des déploiements et les promotions, tout en héritant de l’identité et des permissions de l’ingénieur. Un agent peut donc diagnostiquer ou promouvoir sans recevoir un accès brut ni contourner les règles du pipeline.

Atlassian étend enfin cette logique au backlog : ses Agent loops repèrent les tâches prêtes, les confient au Jira Coding Agent, exécutent travail et tests puis ouvrent une pull request. Standards et AI Review gardent les règles d’équipe au-dessus de l’exécution. Le DevOps devient ainsi une API gouvernée que les agents consomment directement.