L’investisseur en capital-risque de la Silicon Valley, Naval Ravikant, a récemment évoqué, dans un podcast, la vague du « vibe coding ». Il estime que les agents d’IA pour coder ont franchi un cap critique : ils ne sont plus de simples outils capables d’aider à écrire du code, mais évoluent vers des « agents à fonctionnement sur la durée » capables de créer une application de zéro à un. Il avance même un jugement tranchant : lorsque l’IA peut générer directement des App personnalisées pour les utilisateurs, l’avantage de longue date qu’ont iPhone et App Store en matière de matériel et de logiciel pourrait être remis en question.
Naval indique que son retour à l’écriture de code a commencé après le lancement de Claude Opus 4.5 en décembre 2025, période où les capacités des coding agents ont nettement bondi. Il décrit ces agents : ils ne ressemblent plus aux premiers outils qui fournissaient juste un extrait de code à copier-coller dans un environnement de développement. Désormais, ils peuvent fonctionner longtemps dans un terminal, comprendre le système de fichiers, appeler des commandes Unix, exécuter des tests, corriger des bugs et même achever une application complète.
Il pense que cette expérience crée une vraie dépendance parce qu’elle réduit fortement le « coût de démarrage » de l’écriture de code. Autrefois, pour développer une App, il fallait maîtriser GitHub, des services backend, Firebase, Railway, Xcode, les outils de ligne de commande et une multitude de termes d’ingénierie ; aujourd’hui, il suffit à l’utilisateur de décrire le besoin en langage naturel, et l’IA transforme cela en Python, C, Rust, Lisp ou dans divers cadres et commandes d’outils. Pour ceux qui ont des notions de base en architecture informatique, cela fait drastiquement baisser le seuil de création logicielle.
De l’App Store personnelle aux trackers de fitness : l’IA rend le logiciel « sur mesure »
Dans l’émission, Naval révèle qu’il a déjà construit un « App Store personnel ». Ce n’est pas une plateforme commerciale ouverte au public, mais un système de publication privé conçu pour lui-même, ses amis et sa famille : il peut demander à l’IA de générer une App, puis, une fois l’App terminée, l’IA la livre automatiquement sur la page de son App Store personnel, avant qu’il ne puisse l’installer en un clic sur iPhone.
Il donne un exemple : il a demandé à l’IA de créer une application de suivi de fitness parfaitement adaptée à ses habitudes personnelles. Il voulait qu’elle combine les fonctionnalités de Tonal et de Ladder, qu’elle respecte les Apple Human Interface Guidelines, et qu’elle ressemble à une App native Apple ; en même temps, elle devait lire les enregistrements d’entraînement passés, rendre la saisie de nouveaux enregistrements plus simple, générer des graphiques, calculer un score de force, voire lire des articles scientifiques, réfléchir à la façon d’évaluer les progrès de force en fonction des différentes parties du corps. Par la suite, elle peut aussi se connecter à Apple Health afin de lire des données comme la fréquence cardiaque.
Naval souligne que ce type d’App ne remplacera pas forcément tous les produits établis. Pour des besoins grand public, comme la communication, l’appel de voitures, la banque ou les plateformes sociales, le marché aura toujours les produits « best-of-breed » les plus solides. Mais ce que les coding agents d’IA ouvrent, c’est surtout la demande en « hyper-personnalisation » et « hyper-niche » : des App qui existent uniquement pour vous, qui correspondent uniquement à votre flux de travail, voire conçues uniquement pour une certaine situation de vie.
C’est aussi, selon lui, la raison pour laquelle le vibe coding est plus attirant que de jouer à des jeux vidéo. Les jeux vidéo plongent les joueurs grâce au retour immédiat, aux récompenses de missions et à la courbe de difficulté, mais c’est en fin de compte un monde fermé conçu par quelqu’un d’autre ; le vibe coding, lui, ressemble à un monde ouvert : en dessous, c’est une machine de Turing, et les objectifs des utilisateurs peuvent s’étendre sans limite, tout en produisant un effet concret dans le monde réel.
« Savoir ce qu’on veut » devient la capacité la plus importante
Cependant, Naval indique aussi que le vibe coding ne transforme pas tout le monde en ingénieur. La plupart des gens voient encore l’ordinateur comme une boîte noire ; même si la difficulté baisse d’un facteur 10 ou 100, cela ne signifie pas forcément que ce soit pertinent pour eux.
Ce sont surtout ceux qui ont « une vision claire », « savent s’exprimer avec précision » et « ont une motivation créative » qui en tirent profit. Selon Naval, la capacité la plus critique du vibe coding n’est pas la syntaxe, mais de savoir ce qu’on veut. Quand l’utilisateur peut décrire clairement à quoi le produit devrait ressembler, comment il devrait fonctionner et quels détails comptent, l’IA aide à transformer rapidement une idée en prototype exploitable.
Il compare avec son expérience passée de fondation d’AirChat. AirChat était un produit de messagerie sociale centré sur la communication vocale et vidéo. À l’époque, il a travaillé avec 8 à 9 ingénieurs, a mis 9 à 12 mois pour construire plusieurs versions ; au final, le produit n’a pas rencontré le succès. L’équipe a vendu la société pour que les investisseurs récupèrent leurs fonds, et les employés ont été réaffectés avec un arrangement raisonnable.
Mais à l’ère du vibe coding, il refait un produit similaire seul, et peut l’ajuster entièrement selon son intuition. Autrefois, en travaillant avec une équipe d’ingénieurs, même si le fondateur avait une vision très forte, il fallait sans cesse faire des compromis : on ne peut pas demander en permanence de déplacer un pictogramme vers la gauche, puis vers la droite, puis de nouveau, et impossible de demander à l’équipe d’aligner chaque jugement intuitif. Un agent IA, lui, n’a ni ego, ni impatience, et ne se sent pas offensé parce qu’on modifie encore et encore.
Naval pense que cela élargit le champ d’exploration de la création logicielle. Comme 《Minecraft》 à ses débuts, construit par Notch seul : le style de blocs semblait en retard par rapport aux standards artistiques des jeux traditionnels, mais il conservait entièrement l’intuition produit d’une seule personne. Le vibe coding pourrait faire apparaître davantage de produits de ce type, « non lissés » par le consensus d’équipe.
Créer des entreprises purement logicielles n’est plus un investissement qui vaut le coup ? Naval : des douves sont en train d’être mangées par l’IA
Le point le plus controversé de l’émission concerne le jugement de Naval sur le marché du capital-risque. Il avait déjà publié sur une plateforme sociale : « le logiciel pur devient rapidement indigne d’investissement ». Dans le podcast, il l’a formulé encore plus directement : si l’avantage total d’une entreprise se résume à « je sais écrire le logiciel que les autres ne savent pas », alors elle ne dispose déjà plus de valeur d’investissement.
Il donne deux raisons : d’abord, aujourd’hui, un coding agent peut assembler rapidement une grande quantité de fonctionnalités. Ensuite, la vitesse de progression de ces coding agents est extrêmement rapide : il est possible que, d’ici un an, voire moins, ils puissent écrire des logiciels avec une architecture plus complète et une meilleure extensibilité. En d’autres termes, la « douve » reposant uniquement sur la capacité à développer des fonctionnalités est en train d’être compressée par l’IA.
Ainsi, Naval estime que le capital-risque devrait plutôt chercher à l’avenir des barrières structurelles plus difficiles à copier rapidement : matériel, effets de réseau, modèles d’IA, avantages liés aux données, ou autres remparts. Il va même jusqu’à avancer que « l’entraînement de modèles d’IA » pourrait être la nouvelle forme de « création de logiciels », au moins jusqu’à ce que la recherche et l’entraînement automatiques deviennent pleinement matures : le modèle d’IA lui-même pourrait encore constituer de nouvelles opportunités de startup et d’investissement.
Cela ne veut pas dire qu’il voit les créateurs de logiciels individuels en déclin. Au contraire : il pense que c’est une renaissance des créateurs individuels. Pour ceux qui doivent faire des expériences, des prototypes et valider un produit en phase précoce, c’est le meilleur moment de l’histoire ; mais si un produit doit vraiment servir une masse d’utilisateurs, gérer une forte concurrence et des exigences de sécurité complexes, alors les fondateurs auront toujours besoin d’une vraie équipe d’ingénierie, et peut-être même de réécrire toute l’architecture.
L’IA est très puissante, mais elle a encore besoin d’une supervision humaine : les modèles vont plaire, bâcler
Naval ne décrit pas non plus les coding agents comme un outil universel. Il souligne qu’à mesure que la taille du code augmente, les modèles rencontrent des limites évidentes.
La raison : la fenêtre de contexte du modèle est limitée. Quand la base de code dépasse la plage que le modèle peut « mémoriser » en une fois, il commence à deviner, compresser le contexte et oublier l’objectif initial ; il peut même corriger l’endroit où se situe le bug, ou corriger un bug d’une manière architecturale incorrecte en faisant un patch rapide. Pire : parfois, pour supprimer un bug, il peut carrément supprimer la fonctionnalité ou le scénario d’utilisation qui a causé le bug.
C’est pourquoi, dans son processus de développement, il interrompt fréquemment le modèle : il lui demande de ne pas faire de hack, de ne pas se contenter de patcher, mais de revenir à la résolution du problème au niveau de l’architecture. C’est presque comique : le modèle répond généralement immédiatement : « tu as raison, c’est un hack ». Même si ce n’est pas forcément un hack, le modèle a tendance à s’aligner sur l’utilisateur.
Naval utilise une métaphore : un agent IA, c’est un peu comme un chien de chasse. Il peut être plus doué que vous pour attraper un canard, mais si vous pointez vers la mauvaise direction d’oiseau, il risque aussi de foncer quand même. Autrement dit, l’être humain doit encore être responsable de l’orientation, des décisions d’architecture, de la stratégie de débogage et du goût produit.
Il mentionne aussi qu’il fait vérifier le code par différents modèles. Par exemple, après que Claude écrit le code, il le pousse sur GitHub. Codex, Gemini, Grok et d’autres modèles peuvent examiner automatiquement les pull requests, comme une sorte de « table ronde » d’IA. Mais dans la pratique, l’effet n’est pas aussi énorme qu’on l’imagine : entre modèles, il reste beaucoup de groupthink, et si l’utilisateur oriente légèrement la réponse vers une direction, la plupart des modèles suivent, avec très peu de véritables objections franches.
Pourquoi les coding agents progressent le plus vite ? Parce que le code est facile à vérifier
Naval pense que l’IA progresse particulièrement vite dans le domaine de la programmation, pour une raison fondamentale : le code est facile à vérifier.
Le code peut-il compiler, les tests passent-ils, la fonctionnalité s’exécute-t-elle correctement — tout cela fournit des signaux de feedback relativement clairs. Les mathématiques ont des caractéristiques similaires, car il existe beaucoup de problèmes avec des réponses vérifiables ; l’auto-conduite, à certains niveaux, fonctionne aussi ainsi, car elle permet de construire une boucle de feedback grâce à de grandes quantités de données et à des environnements de simulation.
À l’inverse, la rédaction créative, le jugement de goût et la recherche dans les domaines émergents sont beaucoup plus difficiles. Le modèle peut générer des articles à l’infini, mais qui décidera si c’est bon ou mauvais ? Si on se contente de faire annoter par un groupe de travailleurs faiblement payés ce qui est « bon » ou « mauvais », alors le résultat ne reflétera que le goût de ce groupe. Naval estime que pour que le modèle progresse vraiment, il lui faut une « boucle de feedback à haut niveau de goût », ce qui est plus difficile que simplement collecter d’énormes quantités de données.
Il suppose que l’une des raisons pour lesquelles les modèles de coding se sont renforcés récemment, pourrait être que les meilleurs ingénieurs logiciels utilisent massivement ces modèles, ce qui fournit au modèle à la fois du code de haute qualité et un feedback de haute qualité sur les préférences. Autrement dit, l’IA apprend non seulement du code, mais aussi des meilleurs ingénieurs sur ce qui constitue un « bon code ».
La crise d’Apple : quand l’utilisateur n’a plus besoin d’ouvrir une App, et parle directement avec un agent IA
L’avis de Naval sur Apple est particulièrement radical. Il pense qu’une fois que l’agent IA peut générer en temps réel l’interface et les fonctionnalités selon le besoin, les utilisateurs n’auront plus besoin d’ouvrir fréquemment des App, ni de s’appuyer sur l’écosystème d’apps déjà existant sur iPhone.
Auparavant, pour commander une voiture, on ouvrait Uber ; pour suivre son fitness, on ouvrait une App de fitness ; pour accomplir une tâche, on trouvait l’App correspondante sur le téléphone. Mais dans une interface agentique, il suffit de dire : « appelle-moi un Uber », « enregistre mon entraînement », « aide-moi à accomplir cette tâche ». À ce moment-là, l’entrée principale n’est plus l’écran d’accueil d’iPhone, mais le modèle d’IA.
Naval estime que cela affaiblira l’avantage central d’Apple sur le long terme. La douve d’Apple ne réside pas seulement dans le matériel : elle repose aussi sur le système d’exploitation, App Store, les App natives, l’intégration de l’écosystème et l’interface utilisateur. Une fois que les utilisateurs communiquent principalement via Claude, Codex, Gemini ou d’autres agents IA, le téléphone devient juste un écran, une batterie et un appareil de connexion réseau. À ce stade, Android peut aussi offrir ces capacités, et la différenciation d’Apple se trouve comprimée.
Il va jusqu’à dire franchement que le fait qu’Apple soit en retard sur l’IA pourrait devenir l’une des plus grandes erreurs stratégiques de toute l’industrie technologique de ce siècle. Apple ne disparaîtra pas immédiatement et continuera probablement à gagner beaucoup d’argent à long terme ; mais comme Microsoft a raté la vague du mobile, et que Windows n’a plus été l’entrée centrale de l’informatique personnelle, Apple pourrait perdre sa limite de croissance future pendant la vague des agents IA.
Les sociétés de logiciels deviendront-elles des entreprises à une seule personne ? Même un support client IA peut corriger des bugs directement
Naval a aussi décrit plus en détail le processus de développement qu’il est en train de mettre en place : une application intégrera un système de remontée de bugs. Quand l’utilisateur voit un problème, il appuie sur un bouton ; le système envoie alors les logs vers un serveur. Claude regroupe automatiquement tous les rapports de bugs toutes les 24 heures, tente de corriger les problèmes, puis met les correctifs dans une branche, en attendant son approbation. Il ne lui reste qu’à trancher en dernier ressort : est-ce vraiment un bug ? La correction est-elle bonne ? Faut-il fusionner et déployer ?
Il pense aussi que le développement de fonctionnalités pourrait se faire de manière similaire. L’utilisateur formule le besoin de fonctionnalité, vote pour l’ordre de priorité ; l’agent IA s’occupe ensuite de la consolidation, de la conception, de la mise en œuvre et de la réponse. Finalement, un mainteneur ayant le goût produit décidera quelles fonctionnalités valent un déploiement et lesquelles les utilisateurs ne savent même pas qu’ils attendent.
Cela rend la frontière entre « service client » et « ingénierie » de plus en plus floue. Le service client idéal ne se contente pas de répondre aux questions : il comprend aussi le produit, corrige les bugs, écrit du code, travaille 24 heures sur 24 — et n’a pas d’ego. Il ne sera pas blessé parce qu’à la fin, beaucoup de code qu’il a écrit sera jeté. Naval estime que ce modèle donnera la capacité à des sociétés de logiciels à une ou deux personnes de servir des dizaines ou même des dizaines de millions d’utilisateurs.
Il souligne qu’il existe déjà des cas similaires dans l’histoire : par exemple Notch a construit 《Minecraft》 seul ; Satoshi Nakamoto a lancé Bitcoin avec une équipe très réduite ; Instagram et WhatsApp ont aussi créé un énorme impact dès leurs débuts avec de petites équipes. Mais les agents d’IA pour coder rendront ces miracles de petites équipes plus fréquents.
Le vibe coding ne fera pas disparaître les ingénieurs, mais redéfinira qui peut créer des logiciels
L’avis de Naval sur le vibe coding n’est pas « les ingénieurs ne comptent plus ». Au contraire : lorsque le produit se dirige vers de larges bases d’utilisateurs, des exigences de sécurité, une stabilité d’architecture et une commercialisation, de très bons ingénieurs restent indispensables.
Mais le changement qu’il pointe réellement est le suivant : le point de départ de la création logicielle est en train d’être réécrit. Auparavant, entre l’idée et le prototype, il y avait des ressources d’ingénierie, la collaboration d’équipe, les plannings de développement et les coûts ; aujourd’hui, les personnes qui ont une intuition produit claire peuvent simplement confier le besoin à l’IA et obtenir, en quelques minutes ou quelques heures, une version utilisable.
Cela va remodeler trois choses : premièrement, la croissance explosive des logiciels personnalisés ; deuxièmement, les startups qui construisent des barrières uniquement en se basant sur le développement de fonctionnalités auront plus de mal à obtenir une valorisation ; troisièmement, des plateformes existantes comme le téléphone et App Store seront de nouveau contestées par des agents IA.
L’article 《Naval宝典》Naval : AI Agent est le début de la fin d’Apple, Vibe Coding : tout le monde peut faire des App apparaît pour la première fois sur Chaîne News ABMedia.
