Le monde du développement vit une révolution silencieuse mais radicale. Il y a encore quelques mois, nous parlions d'auto-complétion intelligente ou d'assistants de code. Aujourd'hui, avec l'arrivée d'outils comme Antigravity et des modèles de nouvelle génération (Gemini 3.0, Claude Opus 4.5), nous sommes entrés dans l'ère du développement agentique.
Steve Jobs décrivait l'ordinateur comme une "bicyclette pour l'esprit", un outil pour amplifier nos capacités intellectuelles motrices. Douglas Engelbart, pionnier de l'informatique, allait plus loin dès 1962 avec son concept d'"Augmenting Human Intellect". Il ne s'agissait pas de remplacer l'humain, mais d'augmenter sa capacité à appréhender des problèmes complexes. Aujourd'hui, l'IA ne se contente plus d'être une bicyclette que l'on doit actionner ; elle devient un coéquipier capable de prendre le relais.
Cette transition a une résonance particulière pour moi. Ancien Data Engineer familier de Python et Scala, je m'étais éloigné du code depuis un certain temps pour me concentrer sur mon rôle actuel : activer la collaboration entre des équipes très diverses et garantir leur succès. Ces nouveaux outils viennent réconcilier mon passé technique avec mes responsabilités d'aujourd'hui.
Je ne suis plus seulement un superviseur de code distant ; je deviens un Product Manager à la tête d'une équipe de développeurs virtuels. Voici comment cette transformation s'est opérée et ce qu'elle signifie pour l'avenir de notre métier.
I. L'ère précédente : le tech lead et le développeur junior
Il n'y a pas si longtemps — c'est-à-dire il y a deux mois - l'utilisation de Gemini CLI ou de Claude Code était déjà impressionnante. Cependant, la collaboration ressemblait à celle d'un Tech Lead chevronné encadrant un développeur junior très zélé mais naïf.
Les outils en ligne de commande (CLI) peuvent générer des sites entiers, comme nous l'avons fait pour refondre les sites web de notre groupe. Vous demandez une page événement, l'IA l'intègre. La magie opère, certes, mais elle est fragile.
Sans un Tech Lead pour imposer une structure stricte, des pratiques de design et une cohérence globale, l'agent "junior" produit ce qu'on appelle du "yolo coding". Il génère un code qui répond parfaitement au prompt immédiat, mais qui peut briser la logique architecturale du projet, introduire des bugs de régression ou ignorer les standards de référencement.
Pour que cela fonctionne, un collègue (gloire soit rendue à Grégory Barale) devait générer une documentation technique complète que l'IA pouvait lire et suivre à la lettre. C'était une relation de micro-management nécessaire pour s’assurer d’un rendu constant respectant les contraintes imposées par cette documentation.
II. La révolution Antigravity : une équipe chevronnée
Avec la sortie d'Antigravity couplé à Gemini 3.0, nous avons franchi un cap. L'agent de codage n'est plus ce junior naïf ; il a gagné en maturité. Il est devenu un développeur confirmé ("seasoned developer") capable de concevoir, designer et bâtir des applications complètes en quelques minutes.
Un exemple frappant chez SFEIR est celui de mon collègue Baptiste Pirault. Comme il le détaille dans son article sur le futur de l'IDE, il a pu générer la première version d'un outil d'onboarding pour notre Sales Academy en seulement 107 secondes, tout en bénéficiant d'une vérification autonome impressionnante de la part de l'agent.
Ce gain de compétence change mon rôle. Je me sens désormais comme un Product Manager (PM) avec une vision claire. Ma valeur ajoutée n'est plus dans l'écriture de la boucle for, mais dans la définition de la vision :
- Quelles sont les fonctionnalités clés ?
- Comment le produit doit-il interagir avec notre écosystème interne ?
- Quelle est l'expérience utilisateur visée ?
L'agent, lui, exécute. Il garde parfois un côté créatif ou "over-friendly" qui peut prêter à sourire avec des emojis notamment (il m'est arrivé d'éclater de rire seul devant mon écran face à certaines de ses réponses), mais avec de la méthode, on peut canaliser cette énergie pour résoudre des défis complexes. Le tout en mode conversationnel, concevoir avec Antigravity, c’est d’abord une expérience collaborative avec l’IA.
III. Étude de cas : l'agent HubSpot pour les ventes
Pour illustrer cette puissance, prenons un cas concret : la création d'un agent pour aider mon équipe commerciale à remplir notre CRM (HubSpot) et à qualifier les deals pour nos partenaires via Google Chat.
1. L'architecture et le Deep Search
Au lieu de foncer tête baissée dans le code, je commence par une phase de stratégie. J'utilise un agent en mode Deep Search pour scanner les sources pertinentes (il est possible de lui demander de scanner un minimum de sources avant de faire un rapport). Je lui demande de challenger ma vision et de sélectionner l'architecture la plus simple et efficace parmi les outils à ma disposition (HubSpot, Google Chat, Google Cloud Run Functions).
2. Le meta-prompting
Une fois l'architecture validée, je ne rédige pas le prompt final moi-même. Je pratique le meta-prompting : je demande à l'IA de rédiger le meilleur prompt possible pour une autre IA. Qui mieux qu'elle pour parler son propre langage ?
3. L'exécution autonome
C'est ici que la magie d'Antigravity se révèle. J'ai intentionnellement demandé à l'agent d'auditer l'API de HubSpot. Il a listé les champs techniques, testé les endpoints et identifié les erreurs de permissions.
Plus impressionnant encore : face à un bug (comme un problème de cache de Secret Manager ou une API Firestore désactivée), l'agent est capable d'aller lire lui-même les logs dans la console Google Cloud, de diagnostiquer l'erreur et de proposer le correctif.
Il a corrigé les scopes, ajusté les permissions IAM et a même écrit ses propres cas de tests. C'était comme avoir une équipe de débuggage dédiée.
IV. Bonnes pratiques : comment gérer votre IA
Pour garder le contrôle et assurer une qualité "Production Grade", j'ai établi une routine bien huilée :
- Valider les plans natifs : la force d'Antigravity réside dans sa capacité à structurer le travail de lui-même. Il génère nativement un Implementation Plan, un Walkthrough et une Task List, sans qu'on ait besoin de formuler une requête spécifique. C'est la marque d'un développeur senior : il ne se contente pas de coder, il propose une feuille de route. Mon rôle de PM est donc de lire et valider ces documents auto-générés avant de donner le feu vert pour l'exécution. Et de lui demander d’auditer le code et l’architecture, de se challenger et de trouver des opportunités d’amélioration.
- Séparer la logique du prompt : c'est une leçon cruciale. J'avais initialement un "mega-prompt" contenant toute la logique métier (si la description est vide, faire X ; sinon, faire Y). L'IA, étant probabiliste, échouait parfois à suivre cette logique stricte. La solution ? J'ai demandé à Antigravity d'extraire cette logique algorithmique du prompt pour la coder en JavaScript "en dur".
- Laisser la créativité à l'IA, garder la logique dans le code. Le script gère les if/else, l'IA gère la génération de texte et l'analyse sémantique.
Conclusion : 1 Sfeirien pour 10 agents
Olivier Rafal (Wenvision) écrivait récemment que cette nouvelle génération d'agents représente un véritable "level up" et qu'elle a, à ses yeux, "réussi son entretien d'embauche". J'irais plus loin : Antigravity excelle dans son poste.
Didier Girard, notre Managing Director, porte une vision forte pour SFEIR : 1 Sfeirien pour 10 agents. Avant Antigravity, j'avais du mal à projeter ce monde à un horizon de 3 à 5 ans. Mais après avoir manipulé l'outil, après avoir produit à mon niveau un agent pertinent qui résout de vrais défis business tout en améliorant le dialogue avec les autres équipes, cette vision est devenue limpide.
Plutôt que de seulement l'imaginer, je tâche d’en accélérer la réalisation. Je suis un bâtisseur d'agents ("agent builder"), et j'ai désormais une équipe d'agents pour me soutenir proactivement dans mes projets.
Bienvenue dans l'ère du développement agentique !
Please find the English version below.
From Tech Lead to Product Manager: how Agentic development and Antigravity transformed my Job
The developer world is undergoing a quiet but radical revolution. Just a few months ago, we were talking about smart auto-completion or coding assistants. Today, with the arrival of tools like Antigravity and next-generation models (Gemini 3.0, Claude Opus 4.5), we have entered the era of agentic development.
Steve Jobs famously described the computer as a "bicycle for the mind", a tool to amplify our intellectual locomotive capabilities. Douglas Engelbart, a pioneer of modern computing, took this further as early as 1962 with his concept of "Augmenting Human Intellect". The goal was never to replace the human-being, but to increase their capability to approach complex problems. Today, AI is no longer just a bicycle we have to pedal; it is becoming a teammate capable of taking the lead.
This transition holds a special meaning for me. As a former Data Engineer familiar with Python and Scala, I had stepped away from coding for a while to focus on my current role: activating collaboration between diverse teams and ensuring their success. These tools now reconcile my technical past with my current responsibilities.
I am no longer just a code supervisor; I am becoming a Product Manager leading a team of virtual developers. Here is how this transformation happened and what it means for the future of our craft.
I. The Previous Era: the tech lead and the junior developer
Not long ago—meaning two months ago—using Gemini CLI or Claude Code was already impressive. However, the collaboration felt like a seasoned Tech Lead mentoring a very zealous but naive junior developer.
CLI tools can generate entire websites, as we did to rebuild our group's websites. You ask for an event page, and the AI integrates it. The magic happens, yes, but it is fragile.
Without a Tech Lead to impose strict structure, design practices, and overall consistency, the "junior" agent creates what we call "yolo code." It generates code that answers the immediate prompt perfectly but may break the project's architectural logic, introduce regression bugs, or ignore SEO standards.
To make it work, a colleague of mine (Long live Grégory Barale) had to generate complete technical documentation that the AI could read and follow to the letter. It was a necessary micro-management relationship to ensure a consistent outcome in adequacy with the guidelines spelled out in said documentation.
II. The Antigravity revolution: a seasoned team
With the release of Antigravity coupled with Gemini 3.0, we crossed a threshold. The coding agent is no longer that naive junior; it has matured. It has become a seasoned developer capable of conceiving, designing, and building full applications in mere minutes.
A striking example at SFEIR is my colleague Baptiste Pirault. As he details in his article about the future of IDEs, he was able to generate the first version of an onboarding tool for our Sales Academy in just 107 seconds, while benefiting from the agent's impressive autonomous verification capabilities.
This leap in capability changes my role. I now feel like a Product Manager (PM) with a clear vision. My added value is no longer in writing the for loop, but in defining the vision:
- What are the key features?
- How should the product interact with our internal ecosystem?
- What is the target user experience?
The agent executes. It sometimes retains a creative or "over-friendly" tone that can bring a smile (I have laughed out loud alone in front of my screen at some of its responses), but with method, one can channel this energy to solve complex challenges. All in conversational mode, designing with Antigravity is first and foremost a collaborative experience with AI.
III. Case Study: the HubSpot sales agent
To illustrate this power, let's look at a concrete case: building an agent to help my sales team fill out our CRM (HubSpot) and qualify deals for our partners via Google Chat.
1. Architecture and deep search
Instead of rushing into code, I start with a strategy phase. I use an agent in Deep Search mode (it is possible to prompt the agent to scan a minimum number of sources before generating a report). I ask it to challenge my vision and select the simplest and most efficient architecture among the tools at my disposal (HubSpot, Google Chat, Google Cloud Run Functions).
2. Meta-prompting
Once the architecture is validated, I don't write the final prompt myself. I practice meta-prompting: I ask the AI to write the best possible prompt for another AI. Who better than an AI to speak its own language?
3. Autonomous execution
This is where the magic of Antigravity reveals itself. I intentionally prompted the agent to audit the HubSpot API. It listed the technical fields, tested the endpoints, and identified permission errors.
Even more impressive: faced with a bug (like a Secret Manager caching issue or a disabled Firestore API), the agent is capable of reading the logs in the Google Cloud console itself, diagnosing the error, and proposing the fix.
It corrected scopes, adjusted IAM permissions, and even wrote its own test cases. It was like having a dedicated debugging team.
IV. Best practices : how to manage your AI team
To maintain control and ensure "Production Grade" quality, I have established a well-oiled routine:
- Validate the Native Plans: Antigravity's strength lies in its ability to structure work autonomously. It natively generates an Implementation Plan, a Walkthrough, and a Task List without needing a specific request. This is the mark of a senior developer: they don't just code; they propose a roadmap. My role as a PM is, therefore, to review and validate these auto-generated documents before giving the green light for execution.
- Separate Logic from Prompt: This is a crucial lesson. I initially had a "mega-prompt" containing all the business logic (If description is empty, do X; otherwise, do Y). The AI, being probabilistic, sometimes failed to follow this strict logic. The solution? I asked Antigravity to extract this algorithmic logic from the prompt and hard-code it into JavaScript.
- Leave creativity to the AI, keep logic in the code. The script handles the if/else, and the AI handles text generation and semantic analysis.
Conclusion: 1 Sfeirian for 10 agents
Olivier Rafal (Wenvision) recently wrote that this new generation of agents represents a true "level up" and that, in his view, it has "passed its job interview". I would go further: Antigravity is excelling in the role.
Didier Girard, our Managing Director, has a vision for us at SFEIR: 1 Sfeirian for 10 agents. Before Antigravity, I might have struggled to imagine this world becoming a reality within 3 to 5 years. However, after playing with it and producing a relevant agent that solves actual business challenges while improving collaboration with other teams, it is much easier to envision now.
I am no longer just imagining it; I want to accelerate its realization. I am an agent builder, and I have agents to proactively help me in my endeavors.
Welcome to the era of agentic development.
Charlotte Ryssen (Coumont)
![[05] Gemini 3 Pro avec Gemini CLI](/content/images/size/w1304/2025/11/Gemini_CLI_with_Gemini_3_Pro.png)
