Une Étude sur le Codage de Vibes avec les Modèles de Langage à Grande Échelle

papers.abstract

L'avancée des modèles de langage de grande taille (LLMs) a catalysé un changement de paradigme, passant de l'assistance à la génération de code à des agents de codage autonomes, permettant une nouvelle méthodologie de développement appelée « Vibe Coding », où les développeurs valident les implémentations générées par l'IA par l'observation des résultats plutôt que par une compréhension ligne par ligne du code. Malgré son potentiel transformateur, l'efficacité de ce paradigme émergent reste peu explorée, avec des preuves empiriques révélant des pertes de productivité inattendues et des défis fondamentaux dans la collaboration humain-IA. Pour combler cette lacune, cette étude propose la première revue complète et systématique du Vibe Coding avec des modèles de langage de grande taille, établissant à la fois des fondements théoriques et des cadres pratiques pour cette approche de développement transformative. S'appuyant sur une analyse systématique de plus de 1000 articles de recherche, nous examinons l'écosystème complet du Vibe Coding, en explorant les composants critiques de l'infrastructure, notamment les LLMs pour le codage, les agents de codage basés sur les LLMs, les environnements de développement des agents de codage et les mécanismes de rétroaction. Nous introduisons d'abord le Vibe Coding comme une discipline formelle en le formalisant à travers un Processus de Décision Markovien Contraint qui capture la relation triadique dynamique entre les développeurs humains, les projets logiciels et les agents de codage. Sur la base de ce fondement théorique, nous synthétisons ensuite les pratiques existantes en cinq modèles de développement distincts : l'Automatisation Non Contrainte, la Collaboration Conversationnelle Itérative, le Modèle Piloté par la Planification, le Modèle Piloté par les Tests et les Modèles Améliorés par le Contexte, offrant ainsi la première taxonomie complète dans ce domaine. De manière critique, notre analyse révèle que le succès du Vibe Coding dépend non seulement des capacités des agents, mais aussi de l'ingénierie systématique du contexte, des environnements de développement bien établis et des modèles de développement collaboratif humain-agent.

English

The advancement of large language models (LLMs) has catalyzed a paradigm shift from code generation assistance to autonomous coding agents, enabling a novel development methodology termed "Vibe Coding" where developers validate AI-generated implementations through outcome observation rather than line-by-line code comprehension. Despite its transformative potential, the effectiveness of this emergent paradigm remains under-explored, with empirical evidence revealing unexpected productivity losses and fundamental challenges in human-AI collaboration. To address this gap, this survey provides the first comprehensive and systematic review of Vibe Coding with large language models, establishing both theoretical foundations and practical frameworks for this transformative development approach. Drawing from systematic analysis of over 1000 research papers, we survey the entire vibe coding ecosystem, examining critical infrastructure components including LLMs for coding, LLM-based coding agent, development environment of coding agent, and feedback mechanisms. We first introduce Vibe Coding as a formal discipline by formalizing it through a Constrained Markov Decision Process that captures the dynamic triadic relationship among human developers, software projects, and coding agents. Building upon this theoretical foundation, we then synthesize existing practices into five distinct development models: Unconstrained Automation, Iterative Conversational Collaboration, Planning-Driven, Test-Driven, and Context-Enhanced Models, thus providing the first comprehensive taxonomy in this domain. Critically, our analysis reveals that successful Vibe Coding depends not merely on agent capabilities but on systematic context engineering, well-established development environments, and human-agent collaborative development models.

Une Étude sur le Codage de Vibes avec les Modèles de Langage à Grande Échelle

A Survey of Vibe Coding with Large Language Models

papers.abstract

Support