Coding with AI and Vibe Coding

Coding with AI and Vibe Coding

par Minh Trinh

Sciences formelles & physiques Informatique & Cybersécurité UMProgrammation informatiqueUMZGénie logiciel
🎙 Minh Trinh 👥 356 📅 20 novembre 2025 ⏱ 45 min 👁 44 📄 revue d'actualité 🧭 2026-08-15
Disponible en : Français (actuel) English

Mots-clés

LLMcodagevibe codingbenchmarksIA

Résumé

Cette présentation explore l’utilisation des grands modèles de langage (LLM) pour le codage, en commençant par expliquer comment ces modèles apprennent à coder à partir de données massives. L’auteur détaille les capacités des IA de codage (génération, débogage, refactorisation) et introduit les métriques d’évaluation clés comme Pass@1 et Pass@K. Il passe en revue plusieurs benchmarks importants : MBPP, SWE-Bench, HumanEval, LiveCodeBench et CODEOSO, en soulignant les problèmes de contamination des benchmarks. La seconde partie est consacrée au ‘vibe coding’, une pratique popularisée par Andrej Karpathy, où l’on décrit ses intentions en langage naturel et où l’IA génère le code. L’auteur présente les bonnes pratiques, les risques (sécurité, dette technique, facteur bus) et les limites de cette approche, notamment pour la production. Il termine par une démonstration de création d’une application avec Gemini 3.0 et discute des perspectives futures.

138 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La vidéo offre une vue d’ensemble utile et actuelle des modèles de codage IA et du vibe coding. L’argumentation est solide, appuyée sur des exemples concrets et des benchmarks reconnus. L’auteur adopte une approche équilibrée, reconnaissant à la fois les avantages et les risques. La démonstration pratique renforce la crédibilité du propos. Cependant, certaines affirmations manquent de nuances (ex: la supériorité de certains modèles) et la présentation orale est parfois hésitante, ce qui peut nuire à la clarté.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est correcte : l’auteur cite des benchmarks et des modèles bien connus, et s’appuie sur des sources comme les leaderboards. Cependant, la description ne fournit pas de liens directs vers les études ou les modèles mentionnés, ce qui limite la vérifiabilité. Le titre est adéquat, bien que le terme ‘vibe coding’ soit un anglicisme qui pourrait être précisé. La vidéo ne comporte pas de séquence publicitaire.

162 mots

Adéquation titre / contenu

Le titre correspond bien au contenu : la vidéo couvre à la fois les modèles de codage IA et la pratique du 'vibe coding'.

Qualité & fiabilité

7/10

Exposé structuré et informatif, s'appuyant sur des benchmarks reconnus et des exemples concrets. Quelques approximations dans la présentation orale (ex: 'Code Llama' vs 'Code Llama', 'CODEOSO' vs 'CodeOpt') et absence de sources détaillées dans la description, mais le contenu reste globalement fiable et à jour.

Moments clés

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

Sources citées

Sources concordantes

Apport & nouveautés

La vidéo apporte une synthèse claire et accessible des modèles de codage IA et du vibe coding, en reliant les concepts théoriques (benchmarks, métriques) à des applications pratiques. Elle met en lumière des risques souvent sous-estimés comme la contamination des benchmarks et le slop squatting. La démonstration avec Gemini 3.0 illustre concrètement le potentiel et les limites de ces outils.

Pour aller plus loin :

  • Pass@k — Métrique clé pour évaluer les modèles de génération de code.
  • SWE-bench — Benchmark de référence pour les tâches d’ingénierie logicielle.
  • HumanEval — Jeu de données de problèmes de programmation utilisé pour évaluer les modèles de codage.
  • Vibe coding — Terme popularisé par Andrej Karpathy, désignant une approche de programmation par prompts en langage naturel.
  • Andrej Karpathy — Chercheur en IA, à l’origine du terme ‘vibe coding’.

133 mots

Profil radar

Le profil radar montre une bonne quantité d'informations et une fiabilité correcte, mais un niveau technique modéré et une qualité d'information perfectible. Cela reflète une vidéo de vulgarisation qui couvre de nombreux sujets sans entrer dans les détails techniques approfondis.

Fiabilité 7/10