Cours · 7 chapitres
Panorama des agents de coding
Choisis le bon agent de codage IA pour ton équipe. Compare Claude Code, OpenAI Codex, Gemini CLI, GitHub Copilot et Cursor sur l'architecture, les permissions et les coûts. 7 chapitres, niveau fondamentaux.
Ce que tu sauras faire
- Comparer les 5 principaux agents de codage
- Distinguer agents terminal, cloud et IDE
- Évaluer le modèle de permissions de chaque agent
- Comparer les coûts des agents de codage
- Associer un agent à ton équipe
- Planifier un déploiement multi-agents
Ce qu’il contient
- 1Panorama des coding agents : commence ici
Une orientation de 12 minutes sur cinq coding agents dont les fiches techniques ont convergé autour du million de tokens de context window — du coup, la vraie décision porte sur l'adéquation, pas sur la capacité.
- 2Claude Code en bref
Le coding agent natif terminal d'Anthropic — architecture, context window de 1M tokens, permissions, modèle de coût et compromis honnêtes pour les engineering managers qui évaluent leurs options.
- 3OpenAI Codex : tour d'horizon
Le coding agent async-first d'OpenAI — architecture CLI et tâches cloud, exécution en sandbox, modèle de permissions, structure de coûts et compromis honnêtes pour les engineering managers qui évaluent leurs options.
- 4Gemini CLI en bref
L'agent terminal open source de Google — en cours de retrait pour les utilisateurs particuliers, Pro et Ultra le 18 juin 2026 au profit de l'Antigravity CLI à code fermé.
- 5GitHub Copilot : tour d'horizon
L'écosystème d'assistant de codage natif IDE de Microsoft/GitHub — surfaces, architecture, gestion du contexte, permissions, modèle de coût et compromis honnêtes pour les engineering managers qui évaluent leurs options.
- 6Cursor : tour d'horizon
L'IDE natif IA qui fork VS Code et tisse plusieurs modèles dans chaque surface d'édition — architecture, gestion du contexte, permissions, modèle de coût et compromis honnêtes pour les engineering managers qui évaluent leurs options.
- 7Choisir le bon agent
Un cadre de décision pour les engineering managers qui évaluent les coding agents : les dimensions qui comptent, les archétypes d'équipe, les stratégies multi-agents et le guide de déploiement.
Questions fréquentes
- Qu'est-ce que j'apprendrai dans le cours Coding Agents Landscape ?
- Tu apprendras en quoi cinq grands agents de codage IA (Claude Code, OpenAI Codex, Gemini CLI, GitHub Copilot et Cursor) diffèrent en termes d'architecture, de fenêtre de contexte, de permissions et de coûts. Le dernier chapitre te propose un cadre de décision pour associer un agent à ton équipe et planifier un déploiement.
- À qui s'adresse ce cours sur les agents de codage ?
- Il est conçu pour les ingénieurs et les responsables ingénierie qui doivent évaluer et choisir des agents de codage IA pour une équipe. C'est un panorama de niveau fondamentaux, adapté à toute personne qui prend ou influence la décision d'outillage.
- Dois-je savoir coder ou avoir de l'expérience pour suivre ce cours ?
- Une expérience en développement logiciel est utile, car le cours aborde l'architecture, l'exécution en sandbox et les modèles de coûts. Tu n'écriras pas de code pendant le cours. Il s'agit d'un panorama d'évaluation et de comparaison, pas d'un projet pratique.
- Quelle est la durée du cours et y a-t-il un certificat ?
- Le cours comprend 7 chapitres et dure environ 140 minutes (soit environ 2 heures et 20 minutes). Compléter les chapitres te permet d'obtenir un certificat que tu peux partager.
- Le cours Coding Agents Landscape est-il gratuit ?
- Non. C'est un cours payant inclus dans un abonnement AI Academy by Anthropos.
Obtiens un certificat
Termine tous les chapitres pour recevoir ton certificat de réussite.