Tout le monde peut construire une app. Très peu savent construire un système pour agents.

Pendant deux ans, on a répété :

”Tout le monde va pouvoir créer des logiciels.”

C’est vrai.

Mais le sujet a déjà changé.

Le vrai avantage ne sera pas de lancer un agent.

Ce sera de construire le système dans lequel cet agent peut vraiment travailler : contexte, outils, permissions, mémoire, tests, logs, mesure de qualité.

Un agent seul, c’est une démo.

Un agent bien cadré, c’est un produit.

Cette semaine, plusieurs signaux vont dans le même sens :

a16z@a16z

Benedict Evans on Why AI Feels Like the Internet in 1997 Benedict Evans joins Erik Torenberg for a conversation on the state of AI, including how coding agents hit product-market fit, why foundation models should be thought of as infrastructure, the value of vertical products,

4:19 PM · Jun 8, 2026 · 99.3K Vues

44 Réponses · 40 Reposts · 230 Likes

Le no-code ne disparaît pas.

Il monte d’un niveau.

On ne va plus seulement connecter des blocs.

On va construire des rails pour agents.

Chrome 149 DevTools ajoute des fonctions qui parlent clairement aux agents :

- Agent walkthrough

- Copy to coding agent

- WebMCP debugging tools

- DevTools for agents

- custom tools

Ce n’est pas juste une amélioration pour développeurs.

C’est le signe que les outils de travail commencent à être pensés pour deux utilisateurs :

- l’humain

- l’agent

Même chose avec les workflows OpenAI qui circulent :

- gérer une inbox

- relire une pull request

- transformer du Figma en code

- analyser de grands documents

- automatiser une recherche interne

Ce ne sont pas des prompts.

Ce sont des workflows.

Et un workflow réel contient toujours plus qu’une instruction :

- des données imparfaites

- des règles métier

- des exceptions

- des validations humaines

- des risques

- des coûts

- une sortie attendue

À retenir : le prompt dit quoi faire. Le système permet de bien le faire.

Le prompt engineering reste utile.

Mais ce n’est plus la compétence centrale.

Dans un post très partagé,

diva@divaagurlxw

As an AI Engineer. Please learn >Harness engineering, not just prompt engineering >Context engineering, not just long prompts >Prompt caching vs. semantic caching tradeoffs >KV cache management, eviction, reuse, and memory pressure at scale >Prefill vs. decode latency and

6:23 AM · Jun 4, 2026 · 236K Vues

103 Réponses · 491 Reposts · 4.27K Likes

liste ce que les AI Engineers doivent maintenant apprendre :

- harness engineering

- context engineering

- prompt caching vs semantic caching

- KV cache

- latence

- pression mémoire

- coût d’inférence

Et

Suni@suni_code

Found the Best Resource to learn Harness Engineering. 😭 walkinglabs.github.io/learn-harness-…

7:34 AM · Jun 4, 2026 · 128K Vues

34 Réponses · 307 Reposts · 2.4K Likes

partageait aussi une ressource pour apprendre le harness engineering.

Le mot est important.

Un harness, c’est l’environnement autour de l’agent.

C’est ce qui lui donne :

- le bon contexte

- les bons outils

- les bonnes permissions

- les bons formats

- les bons tests

- les bons garde-fous

Un prompt peut produire une bonne réponse une fois.

Un harness peut produire un bon résultat tous les jours.

Si tu veux transformer une tâche en workflow agentique, commence par ces 6 briques.

1. Contexte

Où sont les informations utiles ? Docs, CRM, emails, fichiers, tickets, Obsidian, Notion.

2. Outils

Que peut faire l’agent ? Lire, chercher, résumer, créer un brouillon, générer un brief, ouvrir une PR, modifier une fiche.

3. Permissions

Qu’est-ce qu’il peut faire seul ? Qu’est-ce qui demande validation humaine ?

4. Sortie attendue

Quel format veux-tu ? Email, tableau, checklist, recommandation scorée, PR, compte rendu, plan d’action.

5. Évaluation

Comment tu sais que le résultat est bon ? Exactitude, ton de marque, temps gagné, taux d’erreur, validation humaine.

6. Logs

Qu’est-ce que l’agent a lu, proposé, ignoré ou modifié ?

Sans ça, tu n’as pas vraiment un agent.

Tu as une boîte noire brillante.

Nicolas Dessaigne@dessaigne

The new moat in the agent era is being the tool agents reach for. A coding agent doesn’t reinvent a database. It wires up Supabase. The best devtools companies will make themselves obvious to agents: easy to find, easy to reason about, easy to wire up. Devtools are entering a

5:02 PM · Jun 5, 2026 · 86K Vues

95 Réponses · 52 Reposts · 762 Likes

a résumé une idée clé :

”The new moat in the agent era is being the tool agents reach for.”

C’est probablement l’une des phrases les plus importantes de la semaine.

Aujourd’hui, ton outil est choisi par un humain.

Demain, il sera peut-être choisi par un agent.

Un agent de code ne va pas réinventer une base de données.

Il va brancher Supabase.

Un agent de support ne va pas inventer un CRM.

Il va utiliser l’outil le plus clair, le mieux documenté, le plus facile à appeler et le plus fiable à vérifier.

Donc le moat change.

Il ne suffit plus d’avoir une belle interface.

Il faut être :

- facile à comprendre

- facile à appeler

- facile à brancher

- facile à vérifier

- lisible par un agent

C’est pour ça que le`SKILL.md` de Google Chrome

Camille Roux@CamilleRoux

Un `SKILL.md` signé Google Chrome pour injecter les bonnes pratiques web modernes directement dans vos agents de code — APIs natives, performance, accessibilité, au lieu des vieux patterns que les LLMs reproduisent par défaut. github.com/GoogleChrome/m…

12:00 PM · Jun 4, 2026 · 21.9K Vues

2 Réponses · 28 Reposts · 264 Likes

est intéressant.

L’idée : donner aux agents de code les bonnes pratiques web modernes, au lieu de les laisser reproduire de vieux patterns.

Demain, beaucoup de produits auront peut-être leur équivalent :

- docs agent-readable

- exemples de workflows

- actions exposées clairement

- règles de sécurité

- critères de qualité

- templates d’intégration

Le produit le plus agent-friendly peut devenir le produit que les agents recommandent, branchent et utilisent.

Les agents ne progressent pas seulement grâce aux modèles.

Ils progressent grâce aux **skills**.

Un skill, c’est un savoir-faire transformé en module réutilisable.

Justine Moore@venturetwins

Stumbled upon a Codex skill that creates cool illustrations to explain topics or tell stories. You feed it text (blog, article, narrative, even code) and it makes explainer graphics with this cute blob character. I gave it the repo for the X recommendation algo and got this 👇

3:59 PM · Jun 5, 2026 · 195K Vues

68 Réponses · 209 Reposts · 3.04K Likes

Justine Moore montrait par exemple un skill Codex capable de transformer un texte, un article ou du code en illustrations pédagogiques.

Ce n’est pas juste “génère-moi une image”.

C’est un workflow encapsulé :

- comprendre le sujet

- extraire la structure

- choisir un angle visuel

- produire une illustration claire

- garder une cohérence de style

Le même principe peut s’appliquer à ton business.

Un bon commercial a une méthode.

Un bon consultant a une méthode.

Un bon Product Builder a une méthode.

La question n’est plus seulement : “comment je documente cette méthode ?”

La question devient : comment je la transforme en skill utilisable par un agent ?

Pendant que tout le monde regarde les modèles cloud, une autre tendance monte :

les agents locaux.

CJ Zafir@cjzafir

Introducing Mac-1-6.6B Benchmarks. Mac-1 is fine-tuned on the Qwen 3.5 (4B + 2B) series dense models. ✅ fine-tuning dataset 670M (handcrafted) ✅ total training rows 113,000+ ✅ prefill + KV cache optimized ✅ achieved 99% accuracy on Q4_K_M quant. ✅ 7GB RAM Required (12GB

CJ Zafir @cjzafir

Here's a teaser of our Mac-1 model. > 6.6B model > runs locally (on any Mac) > requires 7GB RAM (12GB ideal) > can use 487 MacOS native tools > perform multi-tool chained tasks > reasoning: ON > output: ~65 tok/s We built a robust application layer around the model to make https://t.co/TmKCTUuwfz

3:53 PM · Jun 7, 2026 · 98.4K Vues

75 Réponses · 54 Reposts · 919 Likes

CJ Zafir a présenté Mac-1 6.6B, un modèle local capable de tourner sur Mac et d’utiliser des outils natifs macOS.

Bastien Gares@bastiengares

C’est l’innovation la plus marquante d’Apple. Au lieu de forcer tout le modèle dans la DRAM, l’AFM 3 Core Advanced stocke le modèle complet en mémoire flash (NAND).  Comme la bande passante NAND -> DRAM est trop lente pour échanger les poids token par token (ce qu’exigent les

Bastien Gares @bastiengares

La solution d’Apple est vraiment intéressante https://t.co/QtVAr9ZNW7

9:21 PM · Jun 8, 2026 · 73.3K Vues

9 Réponses · 68 Reposts · 593 Likes

Bastien Gares expliquait aussi l’une des innovations Apple : stocker le modèle complet en mémoire flash NAND, plutôt que de tout forcer en DRAM.

Frenchie@Frenchie_

$RPI +20% WOW Le marché commence à comprendre que Raspberry Pi n’est plus seulement une histoire hobby/éducation de geek La boîte relève ses prévisions 2026 après un Q1 très fort : >4M+ d’unités expédiées ce qui est sidérant >Demande portée par l’argentique IA comme on

Frenchie @Frenchie_

$RPI, le trade agentic IA oublié ? Le Mac mini devient le hardware premium pour faire tourner des agents IA en local. Mais avec la hausse du ticket d’entrée récent avec l’arrêt de la ligne pour passer de 599$ -> 799$ Raspberry Pi est l’alternative low-cost, peu cher, faible https://t.co/4JEFswvmnf

9:00 AM · Jun 5, 2026 · 22.3K Vues

4 Réponses · 2 Reposts · 76 Likes

Et Frenchie pointait Raspberry Pi comme un possible angle oublié de l’agentic AI local : peu cher, faible consommation, toujours actif.

Le signal est simple :

Tout ne partira pas dans le cloud.

Pour certains workflows, le local sera meilleur :

- données sensibles

- fichiers internes

- actions système

- faible latence

- coût maîtrisé

- confidentialité

Le futur ne sera probablement pas cloud ou local.

Il sera cloud pour la puissance, local pour la confiance.

Every a publié une grille utile sur les huit niveaux d’adoption IA.

Version Product Builder :

Niveau 1 : tu testes ChatGPT.

Niveau 2 : tu produis plus vite.

Niveau 3 : tu as des workflows répétables.

Niveau 4 : tu as des agents spécialisés.

Niveau 5 : tu construis des skills.

Niveau 6 : tes agents utilisent tes outils.

Niveau 7 : tes workflows sont mesurés et gouvernés.

Niveau 8 : ton système devient agent-first.

La plupart des gens sont entre 1 et 3.

Les meilleures équipes commencent à passer de 4 à 6.

Les grosses opportunités sont entre 6 et 8.

Si un sujet t’a parlé, si tu veux challenger une idée ou juste dire que tu étais là — réponds directement à cet email. Je lis tout et je réponds à tout.

Et si tu as un projet à développer — une app, un outil interne, une V1 à finaliser — c’est exactement pour ça que je suis là. Un message en réponse à cet email suffit pour qu’on en parle.

Si tu veux sponsoriser les prochaines éditions c’est possible. Je te laisse consulter le deck.

Si cette édition t’a apporté quelque chose, le meilleur coup de pouce que tu puisses me donner, c’est de la partager à quelqu’un qui en ferait quelque chose 👇

Share

Tu peux aussi me retrouver sur LinkedIn pour suivre ce que je construis en dehors des éditions.

Bonne semaine,

— Milan