90 % de votre processus de conception d'agents est obsolète

L'ancien modèle reposait sur une séparation stricte entre le design sur Figma et le développement front-end et back-end. Jenny Wen, responsable chez Anthropic, explique que ce système servait de protection contre les erreurs de construction coûteuses avant l'ère de l'IA. Aujourd'hui, l'IA réduit massivement le coût d'une erreur de conception, rendant les recherches de personas et les wireframes systématiques moins nécessaires. Simon Willison souligne que ces étapes étaient des rituels de justification désormais dépassés par la vitesse d'exécution technologique. Ce changement de paradigme force les équipes à repenser la valeur ajoutée du designer dans le flux de production.

Le temps de travail des designers est redistribué, le maquettage ne représentant plus que 30 à 40 % de leur activité contre 70 % auparavant. Ce changement est poussé par les ingénieurs qui utilisent des agents IA en parallèle, déplaçant le goulot d'étranglement du développement vers la conception. Les visions stratégiques à long terme sont remplacées par des portées plus réalistes de 3 à 6 mois basées sur des prototypes concrets. Le fichier Figma disparaît en tant que couche de transition car l'agent IA peut générer l'interface directement à partir des documents de besoins. Cette section met en avant la fin de la traduction manuelle du design vers le code informatique.

Pour réussir un prototype avec l'IA, il est impératif de se concentrer sur les exigences plutôt que sur la technique pure. La méthode recommandée consiste à définir précisément les acteurs, c'est-à-dire les personnes réelles ayant des objectifs spécifiques au sein du système. Il faut ensuite identifier où les interfaces se séparent selon les rôles, comme la distinction entre un panneau d'administration et un tableau de bord utilisateur. Les contraintes doivent porter sur ce que l'agent ne peut pas faire ou sur les limites de coûts, plutôt que sur les outils à utiliser. Le résultat final de cette étape est un fichier PRD en Markdown qui sert de socle structuré pour l'IA.

Le PRD est transformé en un document d'architecture détaillant les pages, les modales et les flux d'utilisateurs. Cette planification est essentielle pour éviter les hallucinations de l'IA et respecter sa fenêtre de contexte limitée lors de la génération. L'utilisation d'une pile technologique comme Next.js permet de générer rapidement des interfaces esthétiques, surtout en utilisant des compétences de design partagées par Anthropic. Le prototype obtenu est fonctionnel avec des données fictives, ce qui permet de le présenter immédiatement au client pour validation. Cette approche permet de corriger l'expérience utilisateur en quelques minutes au lieu de plusieurs jours dans l'ancien système.

Le passage au back-end commence par l'analyse du code front-end pour générer une spécification API et un schéma de base de données. L'intervenant recommande l'usage de Supabase couplé à Next.js, en insistant sur l'utilisation du protocole MCP pour automatiser la création des tables et les migrations SQL. Cette automatisation évite les manipulations manuelles fastidieuses et les erreurs de configuration entre le front-end et le stockage des données. Le front-end communique alors directement avec la base de données, simplifiant l'architecture globale pour la majorité des projets web. Un back-end Python séparé n'est suggéré que pour des besoins très spécifiques comme l'orchestration complexe ou des bibliothèques absentes de l'écosystème JavaScript.

Pour les fonctionnalités avancées comme les paiements Stripe ou les notifications, une couche API dédiée est construite via des plateformes d'orchestration comme OZ de Warp. Des agents cloud autonomes gèrent ces tâches en arrière-plan, permettant de livrer un produit complet et prêt pour les utilisateurs finaux en un temps record. La vidéo conclut sur l'importance d'adopter ces nouveaux flux de travail et ces listes de tâches structurées pour maximiser l'efficacité de l'IA. Les prompts et méthodes présentés sont disponibles pour la communauté afin de faciliter cette transition vers le design d'agents moderne. L'appel final encourage le soutien de la chaîne pour continuer à produire des analyses sur l'évolution du développement assisté par IA.