On les aime les assistants IA. Pratiques, souvent bluffants, mais quand il s'agit de balancer tout mon code source sur les serveurs de tel ou tel géant du cloud, j'avoue, j'ai une petite sueur froide. Entre la confidentialité, la propriété intellectuelle et la simple envie de garder la main sur mes outils, l'idée d'une IA qui travaillerait pour moi, chez moi, sans compromis, ça me trotte dans la tête depuis un moment.
Bonne nouvelle : cette vision est de plus en plus une réalité. L'évolution des agents IA et leur intégration directe dans nos IDE et environnements locaux est en train de changer la donne. JetBrains, avec son PhpStorm 2026.3, frappe un grand coup, et des projets comme OpenJarvis nous offrent une souveraineté numérique bienvenue.
L'ère des agents IA : Au-delà du simple chat
On a tous joué avec ChatGPT ou d'autres copilotes. Mais un agent IA, c'est plus qu'un simple chatbot. C'est une entité autonome, capable de comprendre un objectif, de le décomposer en tâches, d'exécuter ces tâches, de vérifier les résultats et d'itérer jusqu'à atteindre le but final. Imaginez un stagiaire hypercompétent, infatigable, et qui ne se plaint jamais (enfin, presque).
Le vrai enjeu, c'est de pouvoir confier à ces agents des opérations complexes sur notre code, sans se demander où nos précieuses lignes de PHP vont atterrir. Et c'est là que les solutions locales et l'intégration IDE prennent tout leur sens.
PhpStorm 2026.3 : L'IA au cœur de l'IDE avec JetBrains Air
JetBrains a toujours été à la pointe de l'innovation dans nos IDE préférés, et PhpStorm 2026.3 ne déroge pas à la règle avec l'introduction de ses 'Agent Workspaces', ou plus précisément, de JetBrains Air. C'est un nouvel espace de travail intégré qui transforme PhpStorm en un véritable centre de contrôle pour vos agents IA.
Avec Air, vous pouvez exécuter, suivre et inspecter les workflows de vos agents directement dans l'IDE. Fini les allers-retours entre le terminal et votre éditeur ! PhpStorm 2026.3 intègre cette fonctionnalité nativement.. Pas d'installation complexe, juste une mise à jour de votre IDE.
Ce que JetBrains Air apporte au développeur PHP :
- Compatibilité étendue : Air fonctionne avec des agents compatibles
ACP (Agent Client Protocol)comme Claude Agent, Codex, Gemini, GitHub Copilot, Junie, OpenCode. Il détecte vos agents déjà installés et les connecte en un clic. - Contrôle des identifiants : Vos abonnements existants, clés API et URL de base personnalisées sont pris en charge. Pas besoin d'un abonnement JetBrains AI spécifique si vous avez déjà vos fournisseurs d'IA. Il y a même une IA gratuite avec la configuration Junie Lite, nécessitant juste un compte JetBrains.
- Feedback intelligent : Vous pouvez réviser les changements proposés par un agent, comparer avec le code existant et même envoyer des retours précis (ancrer une note à une ligne spécifique du diff, commenter directement). C'est la collaboration homme-IA poussée à son paroxysme.
- Compétences PHP natives : PhpStorm 2026.3 inclut une compétence
php-runtime-tools. Concrètement, cela signifie que votre agent peut interagir avec l'interpréteur PHP de votre projet, comprendre votre environnement et exécuter des commandes PHP. Un serveur MCP (Model Context Protocol) de PhpStorm peut aussi être activé pour que les agents exécutent des inspections et appliquent des correctifs rapides, un vrai bonheur pour le refactoring !
C'est une avancée majeure qui nous permet d'intégrer l'intelligence des agents directement dans notre processus de développement quotidien sans quitter l'environnement que l'on maîtrise.
Souveraineté numérique : Les agents IA auto-hébergés (OpenJarvis)
L'intégration IDE, c'est bien, mais qu'en est-il de la souveraineté totale ? C'est là que les agents IA auto-hébergés entrent en jeu. Si le nom
L'intégration IDE, c'est bien, mais qu'en est-il de la souveraineté totale ? C'est là que les agents IA auto-hébergés entrent en jeu. Si le nom OpenJarvis évoque immédiatement un assistant personnel capable de tout gérer, le projet mérite surtout qu'on s'intéresse à ce qu'il met derrière cette promesse : une infrastructure d'IA conçue pour fonctionner sur votre propre matériel, avec des services cloud facultatifs.
Développé à Stanford, OpenJarvis assemble plusieurs briques : les modèles, les moteurs d'inférence, les agents, les outils et la mémoire. L'objectif est de construire un assistant qui puisse exploiter vos ressources locales et accomplir des tâches en plusieurs étapes. Le projet dépasse donc le seul développement PHP : il s'intéresse plus largement à une IA personnelle que l'on peut héberger et adapter.
Le modèle réfléchit, l'agent agit
Une distinction mérite qu'on s'y attarde. Un modèle de langage, même excellent, ne devient pas un agent simplement parce qu'on le lance sur une carte graphique. Il produit des réponses. Pour consulter des fichiers, appeler des outils, examiner un résultat et décider de la suite, il lui faut un logiciel qui organise ces interactions.
OpenJarvis apporte cette couche et peut s'appuyer sur des moteurs d'inférence comme Ollama, vLLM ou llama.cpp. Le moteur fait tourner le modèle ; l'agent organise le travail. Les outils lui donnent ensuite les moyens d'interagir avec son environnement, notamment via des serveurs MCP.
Pour ceux qui font déjà tourner un modèle sur leur machine ou sur un serveur du réseau, cette séparation est intéressante : le service qui héberge l'intelligence peut être distinct du poste depuis lequel on travaille. « Chez moi » peut aussi vouloir dire « sur mon infrastructure », sans imposer une grosse carte graphique dans chaque ordinateur.
Attention : un agent installé en local peut toujours parler au cloud
C'est probablement le piège le plus facile à rater. Voir un agent s'exécuter dans son terminal ou dans PhpStorm ne dit pas où le modèle traite les requêtes. Le programme peut parfaitement lire les fichiers localement, puis transmettre leur contenu à une API distante pour obtenir une réponse.
JetBrains Air apporte un espace de travail pour piloter les agents et examiner leurs changements. La confidentialité dépend ensuite de la configuration utilisée. Un abonnement existant à un fournisseur cloud reste un accès à un fournisseur cloud, même si tout se passe dans une jolie fenêtre intégrée à l'IDE.
Pour viser un fonctionnement réellement local, il faut regarder toute la chaîne : le modèle appelé, les outils disponibles, les éventuelles recherches web et les services externes. OpenJarvis est conçu pour pouvoir fonctionner hors ligne, mais activer un connecteur distant revient évidemment à rouvrir une porte vers l'extérieur.
Autre nuance : présenter Air et OpenJarvis dans le même article ne signifie pas qu'ils se connectent automatiquement. La compatibilité dépend des interfaces proposées par l'agent et des intégrations disponibles. Une API compatible OpenAI, un serveur MCP et un agent compatible ACP remplissent des rôles différents ; ces étiquettes ne sont pas interchangeables.
Ce que j'attends vraiment d'un agent pour mes projets PHP
Personnellement, je ne lui demande pas de réécrire une application entière pendant que je vais prendre un café. Je préfère commencer par une tâche précise : comprendre pourquoi un test échoue, retrouver les conséquences d'une modification de signature, ou proposer un correctif sur un périmètre limité.
Imaginons une évolution dans une application Symfony : ajouter une règle de validation, adapter les tests concernés et vérifier les effets sur les appels existants. L'intérêt de l'agent est de pouvoir enchaîner ces opérations, consulter les résultats et corriger sa première proposition. L'intérêt de l'IDE est de me permettre d'examiner le tout avec le contexte du projet sous les yeux.
Et c'est là que les détails comptent. Utiliser le bon interpréteur PHP, les bonnes extensions et l'environnement du projet évite de perdre du temps à diagnostiquer une erreur qui vient simplement d'un PHP système différent de celui de l'application. Un agent qui travaille dans de mauvaises conditions peut être très convaincant tout en poursuivant une mauvaise piste.
Je veux aussi qu'il sache dire ce qu'il a réellement vérifié. « Les tests passent » doit vouloir dire qu'ils ont été exécutés, avec un résultat consultable. Si une base de données manque ou qu'un service est indisponible, cette limite doit apparaître clairement dans son compte rendu.
Le local a aussi ses compromis
Bien sûr, héberger son IA ne fait pas disparaître les contraintes. La mémoire disponible, la taille du modèle, la quantité de contexte et la vitesse de génération influencent directement le confort d'utilisation. Une petite correction et l'analyse d'un gros dépôt ne demandent pas les mêmes ressources.
Il faut également accepter de tester les modèles sur son propre travail. Un assistant agréable pour discuter peut se montrer moins fiable lorsqu'il doit appeler des outils, respecter les conventions d'un projet et mener plusieurs étapes sans perdre le fil. Le meilleur indicateur reste une série de tâches représentatives, avec des résultats que l'on peut contrôler.
Et puis le local a un coût : matériel, électricité, maintenance et temps de configuration. L'absence de facture à chaque requête est appréciable, mais elle ne transforme pas le serveur GPU en appareil électroménager gratuit. Ceux qui ont déjà entendu les ventilateurs monter pendant une génération savent de quoi je parle.
Garder la main, jusque dans les changements
La confidentialité répond à une question : où partent mes données ? Il en reste une autre, tout aussi concrète : qu'est-ce que j'autorise l'agent à faire ? Un assistant entièrement local peut lui aussi supprimer un fichier utile, modifier une mauvaise configuration ou produire une migration discutable.
Sur mes projets, je préfère donc lui donner un espace de travail isolé, une branche dédiée et un objectif que je peux relire. Les worktrees Git prennent ici tout leur sens : chacun travaille dans son répertoire, et je peux inspecter les changements sans mélanger les expérimentations avec mon travail en cours.
Les tests, l'analyse statique et la revue du diff restent mes points de contrôle. L'agent accélère le travail ; je conserve la décision d'intégrer ses changements. Et lorsqu'il touche à une règle métier, comprendre pourquoi le code a changé reste aussi important que constater qu'il fonctionne.
Une IA chez soi, mais surtout une IA que l'on choisit
Ce qui me plaît dans cette évolution, c'est la possibilité de choisir séparément mon environnement de travail, mon agent et l'endroit où tourne mon modèle. L'intégration dans l'IDE rend l'ensemble plus pratique ; les solutions auto-hébergées permettent d'explorer une autre manière de traiter nos données.
Tout n'est pas encore aussi simple qu'un bouton « fais mon ticket », et les performances restent à confronter aux besoins réels. Mais on peut déjà envisager des assistants utiles sur un périmètre précis, avec des outils maîtrisés et des résultats vérifiables.
Mon objectif reste assez simple : profiter de l'IA sans lui confier aveuglément les clés de la maison. Si elle peut m'aider à corriger un bug Symfony pendant que mon code reste sur mon infrastructure, je lui ferai volontiers une place. Pour le café et la mise en production du vendredi soir, on va encore attendre un peu.