Une migration chiffrée à 231 jours-homme livrée en 13 jours. C'est le résultat que Salesforce Engineering rapporte après avoir généralisé les enchaînements agentiques avec Claude Code sur 33 points d'interface migrés vers une architecture infonuagique (Salesforce Engineering, juin 2026). L'agentic coding déplace l'usage quotidien de l'ingénieur logiciel : le codage assisté séquentiel laisse la place à un modèle où l'agent exécute des tâches de bout en bout. Ce guide couvre le fonctionnement de Claude Code, le Claude Agent SDK, le protocole MCP et les bonnes pratiques de déploiement pour les équipes qui passent à l'échelle.
Pour une direction, la question vient après : ce que ces sièges produisent face à ce qu'ils coûtent. Notre page Claude Code en entreprise y est consacrée.
Qu'est-ce que l'agentic coding ?
De la complétion automatique à l'agent autonome : comment les outils de code ont évolué ?
L'évolution des outils de développement suit trois générations. La première, la complétion automatique, propose des suggestions en ligne. La seconde, le dialogue contextualisé, répond à une question posée. La troisième, l'agentic coding, franchit un cap différent.
Avec le codage assisté classique, l'outil suggère et attend. Avec Claude Code, l'agent lit les fichiers du projet, planifie une séquence d'actions et exécute chaque tâche sans laisser passer d'erreur. L'exécution de tâches remplace la suggestion passive. Pour une équipe de développement, c'est un changement de nature dans l'usage quotidien de l'outillage.
Hors du développement, le même principe d'agent qui exécute existe avec Claude Cowork, l'agent de bureau d'Anthropic.
Comment fonctionne la boucle de raisonnement et d'action d'un agent de codage ?
L'agentic coding repose sur une boucle de raisonnement, d'action puis de vérification.
- Analyse du contexte du projet : fichiers de code, historique git, dépendances
- Planification de la séquence d'actions qui atteint l'objectif
- Exécution des modifications et correction autonome des erreurs rencontrées
Ce cycle se répète sans intervention manuelle, y compris sur les enchaînements les plus longs. Ce qui gouverne chaque étape de la boucle, c'est l'infrastructure qui entoure le modèle : notre guide du harness de Claude Code la détaille.
Où en est l'adoption de l'agentic coding en entreprise ?
Les données publiées confirment le passage de l'expérimentation à la production. Le rapport 2026 State of AI Agents indique que 91 % des entreprises interrogées utilisent des outils de codage assisté par IA en production et que 54 % des répondants de grandes organisations se déclarent très optimistes sur l'adoption d'agents, contre 38 % du côté des petites structures. Les freins cités arrivent dans cet ordre : intégration au système existant pour 46 % des répondants, accès et qualité des données pour 42 %, sécurité et conformité pour 40 %.
Ce classement a une conséquence pratique. Le frein dominant n'est pas le modèle, c'est le raccordement au système d'information. C'est aussi là que se joue l'écart entre une démonstration et un usage qui tient dans le temps.
Claude Code en mode agentique : fonctionnement et architecture
Le fichier CLAUDE.md : la mémoire persistante et les règles de l'agent
Claude Code lit un fichier CLAUDE.md à la racine du projet pour contextualiser chaque session. Ce fichier concentre les instructions durables : conventions de code, règles métier, enchaînements autorisés. L'agent le relit et l'interprète à chaque usage.
Cette mécanique supprime la reformulation répétitive du contexte. C'est la mémoire longue de l'agent et la première règle d'un usage sérieux de Claude Code en production.
Compétences, sous-agents et outils : les briques de l'exécution agentique
L'architecture de Claude Code s'articule en trois niveaux.
- Sous-agents : agents spécialisés qui raisonnent de façon autonome sur un périmètre précis
- Compétences : capacités légères et réutilisables, par exemple produire un test ou documenter une fonction
- Outils : connexions aux systèmes externes, via le Claude Agent SDK ou le terminal
Cette hiérarchie décompose les travaux complexes en opérations ciblées et traçables. Les sous-agents améliorent la cohérence sur les projets de grande taille et chaque niveau se valide sur un périmètre réduit avant généralisation.
MCP : connecter Claude Code à votre système d'information
Le protocole MCP est le standard ouvert conçu pour relier les agents aux données de l'entreprise. Claude Code l'intègre nativement, sans développement supplémentaire.
Un serveur MCP connecte une instance Claude Code à un dépôt Git, une base de données, une messagerie d'équipe ou un outil métier. Anthropic a confié le protocole à l'Agentic AI Foundation de la Linux Foundation en décembre 2025, aux côtés de Block et d'OpenAI, avec le soutien de Google, Microsoft, Amazon Web Services, Cloudflare et Bloomberg. Les téléchargements mensuels des bibliothèques de référence se comptent depuis en centaines de millions.
Orchestration multi-agents : déléguer plusieurs travaux en parallèle
Les enchaînements dynamiques introduits en juin 2026 permettent à Claude Code de composer ses propres séquences et de répartir les travaux entre sous-agents spécialisés. Chaque agent lit le contenu de son périmètre, exécute, puis corrige les erreurs qu'il détecte.
Vous posez l'objectif. L'orchestration prend en charge la décomposition, l'exécution en parallèle et la vérification. C'est le mécanisme qui explique l'écart de délai rapporté par Salesforce. C'est aussi celui qui demande le plus de garde-fous.
Claude Code, Claude Agent SDK ou LangGraph : quel outil pour quel usage ?
Claude Code : l'outil agentique du développement quotidien
Claude Code s'exécute directement dans le terminal, sans infrastructure supplémentaire.
Usages principaux : réécriture de base de code, débogage sur plusieurs fichiers, production de tests, migrations. Pour une équipe qui travaille au quotidien sur du code, c'est le point d'entrée le plus rapide.
Claude Agent SDK : industrialiser au-delà du terminal
Le Claude Agent SDK expose la même infrastructure que Claude Code via une interface de programmation. Il sert à construire des applications agentiques : gestion du contexte, boucles d'appel d'outils complexes, agents métier appelés depuis un produit.
Le SDK porte l'agentic coding au-delà du poste individuel. C'est la bascule entre un outil qu'une équipe utilise et un agent que l'entreprise exploite.
LangGraph : orchestration à état pour les processus métier
LangGraph est un cadre d'orchestration par graphe d'état. Ses atouts en entreprise : mémoire persistante, intervention humaine prévue par construction, rejeu d'une exécution pas à pas.
Pour les processus métier à plusieurs acteurs, les circuits de validation ou le traitement de dossiers, LangGraph structure l'exécution de façon auditable. C'est ce caractère auditable qui compte quand un agent intervient dans une décision qui engage l'entreprise.
Comparer les trois : les critères qui tranchent
| Critère | Claude Code | Claude Agent SDK | LangGraph |
|---|---|---|---|
| Point d'exécution | Terminal du développeur | Application appelante | Service orchestré |
| État entre deux exécutions | Session et fichier CLAUDE.md | Géré par l'application | Persistant par construction |
| Intervention humaine | À l'initiative de la personne | À implémenter | Prévue nativement |
| Traçabilité d'une décision | Historique de session | Selon l'implémentation | Rejeu pas à pas |
| Usage visé | Travail quotidien sur le code | Produit agentique | Processus métier engageant |
Les trois couches sont complémentaires plutôt que concurrentes. La règle d'usage reste la même : valider chaque brique sur un périmètre réduit avant de l'étendre.
Déployer l'agentic coding : méthode et garde-fous
Quels enchaînements méritent d'être confiés à un agent ?
Tous les processus ne s'y prêtent pas. Les meilleurs candidats réunissent quatre conditions.
- Travaux répétitifs dont les règles sont documentées
- Besoin d'accès au système de fichiers ou aux dépôts de code
- Appels à des interfaces de programmation ou à des commandes du terminal
- Durée manuelle significative sur une tâche identifiée
Les premiers chantiers à cibler sont les migrations de code, la relecture automatique des demandes de fusion et la production de documentation. Chaque nouvel usage se teste sur un périmètre non critique, le temps de valider les règles.
Comment cadrer la sécurité et les permissions ?
La sécurité et la conformité arrivent au troisième rang des freins cités, à 40 % des répondants (2026 State of AI Agents). Trois règles tiennent l'essentiel.
- Permissions minimales sur le système de fichiers : lecture seule en dehors des zones explicitement ouvertes
- Secrets portés par des variables d'environnement, jamais écrits dans le fichier CLAUDE.md
- Contrôle des serveurs MCP joignables selon le contexte d'exécution
Ces règles se vérifient au premier déploiement, pas après le premier incident.
Ce que font les équipes qui tiennent dans le temps
Les retours publiés par Salesforce et Mercado Libre convergent sur cinq pratiques.
- Écrire les règles dans le dépôt plutôt que les répéter en session
- Mesurer avant de généraliser, sur un périmètre comparable
- Garder une validation humaine sur les actions qui engagent la production
- Documenter chaque échec dans le fichier de règles, pour qu'il ne se reproduise pas
- Traiter l'outillage comme un sujet d'équipe, pas comme une préférence individuelle
Ces pratiques valent quelle que soit la taille de l'organisation. Elles ont un point commun : elles transforment un gain individuel en gain d'équipe.
Trois usages d'entreprise documentés
-
Migration de base de code. Rakuten rapporte une refonte menée en sept heures d'affilée dans vLLM, bibliothèque open source de 12,5 millions de lignes, en une seule exécution autonome (Rakuten, 2025).
-
Débogage sur plusieurs fichiers. L'agent lit les dépendances entre fichiers et corrige chaque erreur à sa source plutôt qu'à l'endroit où elle se manifeste.
-
Tests en intégration continue. Production et exécution automatiques à chaque validation, chaque erreur étant documentée avec une proposition de correction.
Ce que cette bascule change pour une direction
La vraie question n'est pas l'outil, c'est l'usage réel
Un article sur l'agentic coding s'adresse d'abord aux équipes techniques. Mais la décision d'étendre ces usages, de payer les sièges et d'arbitrer entre les plateformes remonte ailleurs. Et à ce niveau, la question posée n'est plus « quel outil » mais « qu'est-ce qui est réellement utilisé, par qui, pour quel retour ».
C'est précisément ce que les tableaux de bord des éditeurs ne disent pas. Ils couvrent le périmètre de leur propre outil. Ce qui échappe, par construction, c'est ce que les équipes font ailleurs et la comparaison d'un même usage d'un outil à l'autre.
Mesurer, puis décider quoi industrialiser
Nous analysons l'usage réel de l'IA sur le parc, à partir des journaux et des exports que vos plateformes produisent déjà, sans rien installer sur les postes. Les entretiens et la donnée, jamais l'une à la place de l'autre. Nous analysons des usages, jamais des personnes.
L'analyse produit trois livrables. La carte : ce que les équipes font vraiment, y compris les usages que personne ne cherchait. Le compte : ce que chaque cas d'usage coûte et ce qu'il rapporte, licences payées rapportées à l'usage constaté. Le cap : quoi industrialiser en premier, quoi couper, qui former sur quoi.
Sur les parcs que nous analysons, 20 à 40 % des licences IA payées ne sont pas utilisées. C'est un constat de mission, pas une moyenne de marché.
Ce que l'outillage change après la mesure
Mesurer ne suffit pas. Ce qui fait bouger l'usage, ce sont trois leviers d'outillage : les intégrations qui amènent l'agent là où le travail se fait, les actifs partagés qui transforment une trouvaille individuelle en capacité d'équipe et les agents communs qui portent les tâches récurrentes. De l'intégration la moins coûteuse à celle qui engage le plus.
Visé et mesuré chez vous : 30 à 50 % de coût en moins sur les usages ciblés, des erreurs divisées par 2 à 4. Ce sont des objectifs de mission, pas des résultats garantis d'avance.
Idun Group intervient depuis fin 2023 sur ces sujets. Chez LVMH, pour toutes les marques parfum et cosmétique, une mission Idun sur leur plateforme d'IA générative en production. Chez SNCF Immobilier, l'audit mené chez sa filiale de logement social a découvert 50 cas d'usage critiques.
