Les auteurs de SDAD (Spec-Driven Agentic Development) partent d’un constat désormais familier : les agents de développement appuyés sur des grands modèles de langage, capables de traiter de très grands volumes de contexte, modifient en profondeur le cycle de vie logiciel. Selon ce travail, la capacité à ingérer des documents d’exigences fonctionnelles complets et le contexte d’un dépôt dans un même flux rend la qualité de la spécification déterminante pour l’exécution.
Le papier formalise ainsi un modèle en quatre étapes : capture de l’intention, spécification lisible par machine, synthèse agentique, puis vérification indépendante par plusieurs agents, avant validation humaine. L’ambition n’est pas de revenir à un modèle rigide, mais de combiner une formalisation plus forte en amont avec une mise en œuvre rapide en aval. Les auteurs replacent cette proposition dans l’histoire des méthodes, entre Waterfall et Agile, et avancent l’idée d’un « quatrième paradigme » de production : le code généré avec l’appui d’IA.
Au-delà du processus, l’article s’intéresse à la transformation des rôles. Ingénierie, QA, plateforme et produit seraient amenés à se déplacer vers des fonctions de cadrage, de contrôle et de gouvernance. Le texte introduit aussi plusieurs indicateurs, comme l’Ambiguity Tax, la Spec Fidelity, le SER ou encore le TCI_agentic, afin de mesurer la qualité des spécifications et le coût réel des boucles de correction. À ce stade, ces métriques relèvent surtout d’un cadre conceptuel.
Enfin, les auteurs plaident pour une séparation claire entre synthèse et autorité de mise en production. En s’appuyant sur des travaux industriels et académiques autour des tests et de la vérification assistés par IA, ils soutiennent que la vitesse apportée par les agents ne supprime pas la discipline d’ingénierie : elle la déplace vers la précision des spécifications, des garde-fous explicites et une traçabilité auditable. Le papier se présente donc comme une proposition structurante pour les équipes qui envisagent une migration progressive vers un SDLC plus « AI-native ».