Promesse en une phrase
Avec Google Antigravity, l’IA ne se contente plus de suggérer des lignes de code – elle prend le clavier, pilote l’éditeur, le terminal et le navigateur, pendant que le développeur se concentre sur l’architecture, la vision produit et la revue.
Résumé pour les pressés
- Antigravity est une plateforme de développement agent-first signée Google : des agents IA autonomes pilotent l’IDE, le terminal et une instance de Chrome pour coder, tester et naviguer.
- Le développeur change de rôle : il passe d’exécutant à architecte, définit la mission, découpe le travail, valide les plans et approuve les changements plutôt que d’écrire chaque ligne.
- Sous le capot, Antigravity s’appuie sur Gemini 3 Pro, qui domine aujourd’hui plusieurs benchmarks de codage (54,2 % sur Terminal-Bench 2.0, 1487 Elo sur WebDev Arena, 1501 Elo sur LMArena).
- Google pousse un nouveau paradigme : le vibe coding – une simple description en langage naturel suffit pour générer une application complète, l’IA gérant la planification multi-étapes et les détails d’implémentation.
- Pour instaurer la confiance, Antigravity produit des Artifacts : plans d’implémentation, listes de tâches, diffs, captures, enregistrements de navigation et résultats de tests documentent chaque action de l’agent.
- L’outil est disponible gratuitement en préversion sur Windows, macOS et Linux, avec support de Gemini 3 Pro, Claude Sonnet 4.5 et GPT-OSS, et une tarification API de Gemini 3 Pro à 2 $ / 12 $ par million de tokens (entrée/sortie) pour les contextes ≤ 200k tokens.
1. Google Antigravity, c’est quoi au juste ?
Antigravity est la réponse de Google à une question simple :
Que se passe-t-il quand les modèles d’IA sont assez puissants pour travailler de façon autonome dans un IDE, un terminal et un navigateur ?
Plutôt qu’un « simple » copilote de code, Antigravity est une plateforme de développement agentique qui repose sur trois surfaces complémentaires :
Le gestionnaire d’agents (Agent Manager / Mission Control)
Une vue tableau de bord où il est possible de lancer plusieurs agents en parallèle.
Chaque agent travaille dans son propre espace isolé sur une mission donnée : refactorer un module, migrer des dépendances, écrire des tests d’intégration, etc.
On y visualise des barres de progression, des plans d’actions, des tâches en cours, et l’on peut accepter ou rejeter les changements proposés.
L’éditeur de code (Editor View)
Une interface proche de VS Code, volontairement familière pour ne pas casser les habitudes :
- complétions dans l’éditeur,
- commandes en langage naturel,
- navigation classique dans les fichiers.
Idéal pour les interventions « chirurgicales » : corriger un fichier précis, inspecter une fonction, ajuster une implémentation proposée par l’agent.
L’intégration Chrome / Computer Use
Les agents peuvent lancer un navigateur embarqué, cliquer, scroller, remplir des formulaires, vérifier une UI, faire des captures et enregistrements.
Typiquement : démarrer un serveur local, ouvrir l’application, exécuter un scénario utilisateur et produire une vidéo ou des captures d’écran comme preuve.
Dans cet environnement, le développeur ne code plus seul : il orchestre une équipe d’IA qui opère sur l’éditeur, le terminal et le navigateur.
2. Déléguer plutôt qu’assister : la vraie rupture
Jusqu’ici, les outils IA pour développeurs restaient dans une logique d’assistance :
- complétion de lignes,
- génération de snippets,
- réponses dans un chat latéral.
Antigravity pousse une logique différente : la mission est confiée, l’IA effectue la majeure partie du travail.
Concrètement, l’agent :
- analyse le dépôt,
- propose un plan d’implémentation,
- exécute les commandes nécessaires dans le terminal,
- modifie le code,
- lance les tests,
- vérifie l’application dans le navigateur,
- compile l’ensemble dans un Artifact pour revue.
On peut, par exemple, demander à un agent :
« Reprends tout le module d’authentification, unifie la gestion des tokens, ajoute des tests d’intégration et mets à jour la doc. »
Pendant ce temps, le développeur n’est plus en train de taper des for et des if : il gère un pipeline de travail. C’est toute la différence entre un assistant (qui aide à faire) et un délégué (qui fait pour vous sous supervision).
3. Les briques technologiques qui rendent Antigravity vraiment révolutionnaire
3.1. Des agents qui savent vraiment « utiliser un ordinateur »
Gemini 3 Pro, le modèle au cœur d’Antigravity, n’est pas seulement performant en génération de texte : il est entraîné pour utiliser des outils et piloter des environnements.
Quelques chiffres parlants :
- 54,2 % sur Terminal-Bench 2.0
→ un benchmark qui mesure la capacité d’un modèle à opérer un ordinateur via le terminal (naviguer dans un système de fichiers, lancer des builds, exécuter des scripts…). - 1487 Elo sur WebDev Arena
→ un classement dédié au développement web, où Gemini 3 Pro prend la tête grâce à sa capacité à générer et maintenir des applications complètes. - 1501 Elo sur LMArena
→ il se place en haut du classement général des modèles publics. - Fenêtre de contexte de 1 million de tokens
→ de quoi ingérer une base de code entière, comprendre les dépendances profondes et réaliser des refactorings à grande échelle.
Pour un développeur, cela signifie que l’agent peut :
- absorber un dépôt complexe,
- planifier des changements touchant de multiples services,
- exécuter la transformation en restant cohérent à l’échelle du système.
3.2. Le vibe coding : coder avec des intentions, pas avec des symboles
Google baptise vibe coding une pratique simple à formuler, mais redoutable en pratique :
le langage naturel devient la seule syntaxe vraiment nécessaire.
Lucas MACORI
On fournit une intention de haut niveau :
- « Une app de suivi de vols avec interface sombre, timeline temps réel et alertes email si un vol a plus de 30 minutes de retard. »
- « Un back-office minimaliste pour gérer des commandes B2B avec filtrage par statut, export CSV et système de rôles. »
Gemini 3 Pro est conçu pour :
- découper la demande en sous-tâches techniques,
- planifier un enchaînement cohérent (modèles de données, APIs, UI),
- implémenter l’application via Antigravity (code, tests, vérifications).
Là où les assistants classiques suggèrent du code pendant que le développeur travaille, Antigravity vise l’inverse :
l’humain définit la vision, l’agent s’occupe de l’implémentation détaillée.
3.3. Les Artifacts : une preuve de travail plutôt qu’une promesse
Donner à une IA le droit de modifier des milliers de lignes de code et d’ouvrir un navigateur soulève une question existentielle :
Comment être sûr qu’elle n’a pas tout cassé au passage ?
Antigravity répond avec un mécanisme de preuve de travail : les Artifacts.
Un Artifact peut contenir :
- un plan d’implémentation détaillé,
- une liste de tâches effectuées,
- les diffs de code,
- des captures d’écran ou vidéos des tests dans le navigateur,
- les logs de tests (avec le sempiternel vert rassurant),
- les commentaires laissés par les développeurs et les itérations qui en découlent.
Les Artifacts peuvent être annotés comme un document Google Docs : remarques, demandes d’ajustements, retours. L’agent relit, ré-exécute et met à jour la preuve de travail.
On passe d’une relation :
« fais-moi confiance »
à une logique :
« prouve-moi que cela fonctionne ».
4. Ce que ça change pour les développeurs : du maçon au chef de chantier
Antigravity ne se résume pas à un boost de productivité ; c’est une recomposition du métier.
4.1. Ce qui recule
L’IA peut progressivement prendre en charge :
- l’écriture manuelle des tests unitaires les plus simples,
- les migrations fastidieuses de dépendances,
- la correction de bugs triviaux ou répétitifs,
- la navigation laborieuse dans des bases de code tentaculaires.
Ce sont exactement les tâches où Gemini 3 Pro et ses agents excellent — celles, soyons honnêtes, que vous refourguez traditionnellement aux juniors.
4.2. Ce qui devient central
En miroir, d’autres compétences deviennent centrales :
- spécifier clairement un besoin fonctionnel et technique,
- découper un problème en missions qu’un agent peut exécuter,
- lire, comprendre et challenger des plans d’implémentation générés par l’IA,
- mettre en place des garde-fous (tests, CI/CD, politiques de sécurité, revues de merge),
- gérer des « stagiaires virtuels » : une flotte d’agents qui réalisent 80 % du travail, mais qu’il faut cadrer et contrôler.
En pratique, le développeur se rapproche :
- d’un architecte logiciel,
- d’un chef de projet technique,
- parfois d’un manager d’agents IA.
4.3. Et les juniors dans tout ça ?
C’est le sujet qui fâche.
Si l’IA prend en charge les tâches d’entrée de carrière (tests, petites features, bugfix simples), où apprend-on le métier ?
Le risque : scier le premier barreau de l’échelle, rendant la montée en compétences plus difficile pour les nouveaux entrants.
L’opportunité : inventer de nouvelles filières de formation, où l’on apprend très tôt à :
- lire du code généré,
- auditer des architectures,
- piloter des agents plutôt que d’écrire chaque ligne.
Dans tous les cas, les développeurs qui resteront « juste bons en syntaxe » seront les plus exposés. Ceux qui maîtrisent architecture, produit, qualité, sécurité et management d’IA prendront l’ascenseur.
4.4. Comment se préparer : une formation SFEIR pour apprivoiser les agents IA
Pour ne pas subir cette mutation du métier, SFEIR propose une formation afin de devenir un développeur augmenté par l’IA ! Elle vise à apprendre à formuler des spécifications exploitables par des agents, à piloter des outils comme Antigravity et à mettre en place les garde-fous indispensables (tests, CI/CD, sécurité, revue de code généré). En quelques jours, l’objectif est clair : aider les équipes à intégrer ces « stagiaires virtuels » dans leurs pratiques sans renoncer à l’exigence technique.
5. Limites, risques et adoption en entreprise
Antigravity est pour l’instant disponible en version de test, non finale et Google ne s’en cache pas : il y a des limites techniques et de sécurité. Parmi les points à surveiller :
Rate limits et surcharge des modèles
Les quotas se réinitialisent toutes les 5 heures et les premiers retours évoquent des erreurs liées à la saturation de certains fournisseurs de modèles.
Risques de sécurité
Les agents pouvant exécuter du code et naviguer sur le web, Google reconnaît des risques d’exfiltration de données et d’exécution non contrôlée, et recommande :
- l’usage d’environnements isolés (sandboxes, containers, VMs dédiées),
- une revue humaine systématique.
Hallucinations et robustesse
Gemini 3 reste un modèle probabiliste : il peut se tromper, inventer, sur- ou sous-tester certaines branches de code.
La confiance dépendra, in fine, de la qualité :
- des pipelines de test,
- des procédures de revue,
- du cadre de gouvernance mis en place.
Pour les entreprises, l’adoption passera forcément par :
- un cadre de gouvernance (ce que l’IA a le droit de faire ou non),
- des environnements dédiés (pas de prod directe pilotée par un agent),
- de la formation des équipes à ce nouveau mode de travail.
6. Comment tester Antigravity aujourd’hui ?
Au moment où vous lisez ces lignes :
Disponibilité
Antigravity est en préversion publique gratuite sur Windows, macOS et Linux.
Il peut être utilisé avec :
- Gemini 3 Pro (modèle par défaut),
- Claude Sonnet 4.5 d’Anthropic,
- des modèles open-weight type GPT-OSS d’OpenAI.
Intégration API
Côté backend, il est possible d’accéder à Gemini 3 Pro via :
- Google AI Studio,
- Vertex AI,
- la Gemini API (tarif : 2 $ / 12 $ par million de tokens entrée/sortie jusqu’à 200k tokens, puis 4 $ / 18 $ au-delà).
Par où commencer ?
Pour un développeur ou une équipe produit, le meilleur point de départ consiste à :
- Installer Antigravity sur une machine de développement isolée.
- Lancer une petite mission pilote :
- refactor d’un micro-service,
- réécriture de tests,
- création d’un POC front complet à partir d’un prompt.
- Observer :
- la qualité des Artifacts,
- la pertinence des plans,
- le temps réellement gagné (ou non),
- le niveau de corrections humaines nécessaires.
FAQ rapide
Google Antigravity est-il gratuit ?
Oui, la plateforme est disponible gratuitement en préversion publique, avec des limites de débit dites « généreuses ». L’usage de Gemini 3 Pro via l’API (AI Studio / Vertex AI) est, lui, facturé à partir de 2 $ / 12 $ par million de tokens (entrée/sortie) pour les contextes ≤ 200k tokens.
Quelle différence entre Antigravity et GitHub Copilot ?
Copilot reste principalement un assistant de code dans l’éditeur. Antigravity vise un modèle agentique : les agents pilotent l’IDE, le terminal et le navigateur, produisent des Artifacts comme preuve de travail et peuvent mener des missions longues et multi-étapes de façon autonome.
Antigravity va-t-il remplacer les développeurs ?
À court terme, non. Il automatisera surtout les tâches répétitives et juniors. À moyen terme, il favorisera les profils capables de concevoir des systèmes, de piloter des agents et de garantir la qualité. Ceux qui resteront cantonnés à la frappe de code brute seront les plus vulnérables.
Quelles compétences travailler dès maintenant ?
- rédaction de spécifications claires,
- conception d’architectures évolutives,
- culture DevSecOps (tests, CI/CD, observabilité),
- prompt design avancé,
- audit et revue de code généré par IA.
Pour vous aider à franchir ce cap en confiance, notre SFEIR Institute est là pour vous accompagner, pas à pas, dans ce nouveau dialogue entre développeurs et agents IA.
Bienvenue à Google Antigravity !
Baptiste PIRAULT
){kind=link}