Le vibe coding fait des démos.
L'ingénierie fait rouler votre entreprise. Vibe coding makes demos.
Engineering keeps your business running.

Le vibe coding, c'est quoi au juste?What exactly is vibe coding?

L'expression est apparue en 2025 pour décrire une nouvelle façon de programmer : on décrit ce qu'on veut en langage courant, l'IA écrit le code, on regarde si ça semble fonctionner, et on recommence. On ne lit pas vraiment le code. On suit « la vibe ». The term appeared in 2025 to describe a new way of programming: you describe what you want in plain language, the AI writes the code, you see whether it seems to work, and you go again. You don't really read the code. You follow "the vibe."

Soyons honnêtes : c'est formidable pour certaines choses. Monter une maquette pour tester une idée, bâtir un petit outil personnel, explorer ce qui est possible avant d'investir. Nous le faisons nous-mêmes au début de presque chaque projet. Let's be honest: it's great for some things. Putting together a mock-up to test an idea, building a small personal tool, exploring what's possible before investing. We do it ourselves at the start of almost every project.

Le problème commence quand la maquette devient, sans que personne l'ait décidé, l'outil dont dépendent vos opérations chaque jour. Ce qui « fonctionne sur la démo » peut quand même : The problem starts when the mock-up quietly becomes, without anyone deciding it, the tool your daily operations depend on. Something that "works in the demo" can still:

• créer deux fois la même commande ou la même facture si on le relance;create the same order or invoice twice if it's restarted;
• appliquer la mauvaise règle dans un cas que personne n'a pensé à tester : un prix spécial, un jour férié, un client à deux adresses;apply the wrong rule in a case no one thought to test: a special price, a statutory holiday, a customer with two addresses;
• « deviner » une valeur manquante au lieu de s'arrêter et de le signaler;"guess" a missing value instead of stopping and flagging it;
• envoyer des renseignements personnels vers un service dont personne n'a lu les conditions;send personal information to a service whose terms nobody read;
• devenir une boîte noire que plus personne ne sait réparer quand un fournisseur change le format de son fichier.become a black box nobody can fix when a supplier changes its file format.

Le code est devenu facile à produire. Comprendre le processus, lui, ne l'est pas devenu. Code has become easy to produce. Understanding the process has not.

Le vrai coût : les petites tâches manuellesThe real cost: small manual tasks

Dans la plupart des entreprises, le temps ne se perd pas dans les grands projets. Il se perd dans des dizaines de petits gestes répétés chaque jour : ressaisir un bon de commande reçu par courriel, copier des données d'un logiciel à l'autre, monter le même tableau Excel chaque lundi, relancer un client ou un fournisseur, vérifier à l'œil qu'une liste correspond à une autre. In most businesses, time isn't lost on big projects. It's lost on dozens of small actions repeated every day: retyping a purchase order received by email, copying data from one system to another, building the same Excel report every Monday, following up with a customer or supplier, checking by eye that one list matches another.

Chacun de ces gestes prend quelques minutes, mais ils s'additionnent. Vingt minutes par jour, c'est plus de 80 heures par année, pour une seule personne et une seule tâche. Et chaque ressaisie est une occasion d'erreur : un chiffre inversé, une ligne oubliée, une commande envoyée en double. Ces erreurs coûtent souvent plus cher que le temps lui-même. Each of these takes a few minutes, but they add up. Twenty minutes a day is more than 80 hours a year, for one person and one task. And every retyping is a chance for error: a transposed digit, a missed line, an order sent twice. Those errors often cost more than the time itself.

C'est là que l'automatisation rapporte le plus. Encore faut-il qu'elle soit fiable : un outil qui se trompe une fois sur vingt oblige quelqu'un à tout revérifier, et on ne gagne plus rien. That's where automation pays off the most. But only if it's reliable: a tool that gets it wrong one time in twenty forces someone to recheck everything, and nothing is gained.

Notre approche : l'analyse d'abord, le code ensuiteOur approach: analysis first, code second

Nous venons de la finance et de la comptabilité, un milieu où un chiffre faux n'est jamais acceptable. Nous appliquons cette rigueur à toutes vos opérations, pas seulement à vos livres. Avant d'écrire une ligne de code, nous faisons ce qu'un analyste fonctionnel ferait : comprendre qui fait quoi, avec quels documents, selon quelles règles, et ce qui se passe quand ça ne cadre pas. L'IA intervient ensuite, comme un outil puissant au service d'un plan clair. We come from finance and accounting, a field where a wrong number is never acceptable. We bring that rigour to all your operations, not just your books. Before writing a single line of code, we do what a functional analyst would: understand who does what, with which documents, under which rules, and what happens when things don't fit. AI comes in afterward, as a powerful tool serving a clear plan.

1. Comprendre le processus réelUnderstand the real process On observe le travail tel qu'il se fait aujourd'hui : les courriels et fichiers reçus, les logiciels utilisés, les étapes de saisie, les vérifications, les exceptions que seule la personne en poste connaît. We look at the work as it's done today: the emails and files received, the software in use, the entry steps, the checks, the exceptions only the person in the role knows.
2. Écrire les règles et les contrôlesWrite down the rules and the controls Chaque règle d'affaires est documentée avant d'être programmée. On décide aussi ce qui doit arrêter le traitement : un total qui ne balance pas, un client ou un produit inconnu, une donnée manquante. Every business rule is documented before it's programmed. We also decide what must stop a run: a total that doesn't balance, an unknown customer or product, a missing value.
3. Concevoir pour l'erreurDesign for failure Un traitement doit pouvoir être relancé sans créer de doublon. Les actions importantes passent d'abord par un brouillon ou un fichier de révision que vous approuvez. Les exceptions sont signalées, jamais devinées. A run must be safe to restart without creating duplicates. Important actions first go through a draft or a review file you approve. Exceptions are flagged, never guessed.
4. Bâtir avec l'IA, sous contrôleBuild with AI, under control Oui, nous utilisons des agents de programmation par IA, et ils nous rendent beaucoup plus rapides. La différence : ils travaillent à partir de spécifications précises, et chaque résultat est relu et vérifié par rapport aux règles écrites à l'étape 2. Yes, we use AI coding agents, and they make us much faster. The difference: they work from precise specifications, and every result is reviewed and checked against the rules written in step 2.
5. Tester sur vos vraies donnéesTest on your real data Pas sur trois exemples choisis. Sur un bon échantillon de vos documents réels, y compris les cas difficiles, en parallèle avec le travail manuel jusqu'à ce que les résultats concordent. Not on three hand-picked examples. On a solid sample of your real documents, difficult cases included, running in parallel with the manual work until the results match.
6. Mettre en production et suivreGo live and follow up Chaque exécution produit un rapport lisible : ce qui a été traité, ce qui a été arrêté, et pourquoi. Le système est documenté pour que votre équipe comprenne ce qu'il fait et sache quoi faire quand il signale une exception. Every run produces a readable report: what was processed, what was stopped, and why. The system is documented so your team understands what it does and knows what to do when it flags an exception.

De la rigueur, pas un projet de grande firmeRigour, not a big-firm project

Le mot « ingénierie » fait parfois peur. Il ne veut pas dire un projet de deux ans, une équipe de vingt consultants ou un nouveau logiciel à acheter. Il veut dire qu'on réfléchit avant de bâtir. Nous travaillons avec des PME et des entreprises de taille moyenne, et notre façon de faire est pensée pour elles : The word "engineering" can sound intimidating. It doesn't mean a two-year project, a team of twenty consultants or new software to buy. It means thinking before building. We work with small and mid-sized businesses, and the way we work is designed for them:

• On commence petit. Une seule tâche, celle qui vous fait perdre le plus de temps. Pas de grand chantier ni d'engagement à long terme.We start small. One task, the one that wastes the most of your time. No big overhaul and no long-term commitment.
• Vos logiciels actuels. On relie et on automatise ce que vous utilisez déjà. Pas de grosse plateforme à acheter ni de migration.Your current software. We connect and automate what you already use. No big platform to buy and no migration.
• Payé à l'heure, sur une banque d'heures. Vous payez le travail fait, sans forfait gonflé. Les heures non utilisées passent à l'étape suivante.Paid by the hour, from a bank of hours. You pay for the work done, with no inflated fixed fee. Unused hours carry over to the next phase.
• Des résultats avant d'aller plus loin. Vous voyez le premier processus fonctionner sur vos vraies données avant de décider du suivant.Results before going further. You see the first process working on your real data before deciding on the next one.

Penser à l'impact, pas seulement à la fonctionnalitéThinking about impact, not just features

Automatiser un processus change le travail de quelqu'un, le service que reçoivent vos clients et la fiabilité des données sur lesquelles vous prenez vos décisions. Nous en tenons compte dès le départ : Automating a process changes someone's job, the service your customers receive and the reliability of the data you make decisions with. We take that into account from day one:

• Pour votre équipe : on retire la saisie, pas le jugement. Les gens passent du temps à régler les exceptions et à analyser, plutôt qu'à recopier.For your team: we remove data entry, not judgment. People spend their time resolving exceptions and analyzing, not retyping.
• Pour vos contrôles : chaque action garde une trace : quoi, quand, à partir de quel document.For your controls: every action leaves a trail: what, when, and from which document.
• Pour la conformité : les renseignements personnels sont traités selon la Loi 25. On sait où vont les données, qui y a accès et combien de temps elles sont conservées.For compliance: personal information is handled under Quebec's Law 25. We know where the data goes, who can access it and how long it's kept.
• Pour votre indépendance : on prototype souvent sur une plateforme d'intégration, puis on reconstruit directement sur l'API quand la vitesse, le coût ou le contrôle l'exigent. Vous n'êtes pas prisonnier d'un outil.For your independence: we often prototype on an integration platform, then rebuild directly on the API when speed, cost or control require it. You're not locked into a tool.

Des modèles qui restent chez vousModels that stay on your premises

Toute l'IA ne vit pas obligatoirement chez un géant du nuage. Il existe aujourd'hui des modèles ouverts assez performants pour lire une facture, classer un document ou résumer un dossier, et assez légers pour fonctionner sur un ordinateur dans vos bureaux ou sur un serveur privé au Canada. Not all AI has to live with a cloud giant. Today there are open models capable enough to read an invoice, classify a document or summarize a file, and light enough to run on a computer in your office or on a private server in Canada.

Nous choisissons au cas par cas : We choose case by case:

• Modèle local quand les données sont sensibles (dossiers de patients, renseignements personnels, données financières confidentielles) : rien ne quitte votre environnement.Local model when the data is sensitive (patient records, personal information, confidential financials): nothing leaves your environment.
• Modèle infonuagique de pointe quand la tâche demande un raisonnement plus poussé, avec des conditions d'entreprise qui interdisent l'utilisation de vos données pour entraîner le modèle.Frontier cloud model when the task needs deeper reasoning, under business terms that forbid using your data to train the model.
• Pas d'IA du tout quand une règle simple fait le travail. Un fichier à largeur fixe se lit très bien sans intelligence artificielle, et c'est plus fiable.No AI at all when a simple rule does the job. A fixed-width file reads perfectly well without artificial intelligence, and more reliably.

L'IA en 2026, sans le jargonAI in 2026, without the jargon

Beaucoup de dirigeants nous disent la même chose : « Je sais que je devrais m'y intéresser, mais je ne sais pas par où commencer, et ça m'inquiète un peu. » C'est une réaction saine. Voici, en quelques lignes, ce qu'il faut savoir. Many business owners tell us the same thing: "I know I should look into it, but I don't know where to start, and it worries me a bit." That's a healthy reaction. Here's what you need to know, in a few lines.

Ce que c'estWhat it is

Un grand modèle de langage a appris, à partir d'énormes quantités de texte, à prédire la suite la plus probable d'une phrase. C'est ce qui lui permet de rédiger, de résumer, de traduire et de raisonner étonnamment bien. Il ne « connaît » pas votre entreprise : il ne sait que ce qu'on lui donne au moment de la question. A large language model has learned, from enormous amounts of text, to predict the most likely continuation of a sentence. That's what lets it write, summarize, translate and reason surprisingly well. It doesn't "know" your business: it only knows what it's given at the moment you ask.

Ce qui a changé récemmentWhat changed recently

Les modèles ne font plus que répondre : ils agissent. Un agent peut lire un courriel, ouvrir une pièce jointe, mettre à jour un logiciel et préparer une réponse. C'est précisément pour ça que l'encadrement compte autant : un agent mal encadré agit vite, et mal. Models no longer just answer: they act. An agent can read an email, open an attachment, update a system and draft a reply. That's exactly why guardrails matter so much: a poorly governed agent acts fast, and badly.

Ses limitesIts limits

Elle peut se tromper avec beaucoup d'assurance. C'est pourquoi, dans nos systèmes, l'IA propose et les contrôles décident : résultats vérifiés contre la source, approbation humaine, arrêt au moindre doute. It can be wrong with great confidence. That's why, in our systems, AI proposes and controls decide: results checked against the source, human approval, a full stop at the slightest doubt.