Anti-Gravity IDE : Le Constructeur d'Agents AI-First de Google

Anti-Gravity IDE : Le Constructeur d'Agents AI-First de Google

J'ai livré un tracker de finances full-stack avec OAuth, OCR de reçus, analytiques de budget et déploiement en production en quarante-sept minutes. Pas de boilerplate. Pas de migrations de base de données. Pas de combat avec les fournisseurs d'authentification.

Tout s'est passé dans une seule session IDE. J'ai tapé une commande de brainstorm, regardé un agent IA décomposer mon idée en schémas backend et composants frontend, et puis — c'est la partie qui me semble encore irréelle — il a déployé l'application entière sur une infrastructure de production pendant que j'étais assis à siroter mon café.

L'IDE s'appelle Anti-Gravity. Google l'a construit. Et après avoir passé une bonne semaine à le pousser dans ses retranchements plus que la plupart des early adopters ne l'ont probablement fait, je suis prêt à dire quelque chose que je ne dis pas à la légère : cela change ma façon de penser la construction de logiciels.

Pas parce qu'il écrit du code plus vite. Plein d'outils font ça. Anti-Gravity change la relation entre le développeur et l'environnement de développement lui-même. Vous cessez d'être la personne qui tape du code dans un éditeur. Vous devenez la personne qui décrit une intention à une équipe d'agents IA spécialisés, révise ce qu'ils produisent et oriente l'architecture. L'IDE devient un collaborateur avec une véritable expertise métier — seize saveurs différentes, en fait.

Mais je prends de l'avance. Laissez-moi revenir en arrière et expliquer ce qu'est réellement Anti-Gravity, pourquoi son système de compétences d'agents est différent de tout ce que j'ai vu chez les outils concurrents, et comment InForge — la plateforme backend avec laquelle il s'intègre — transforme "de l'idée à l'app déployée" d'un slogan marketing en quelque chose que vous pouvez réellement accomplir avant le déjeuner.

Ce Qu'Anti-Gravity Fait Bien Que les Autres IDE IA Ne Font Pas

J'ai utilisé tous les principaux outils de développement assistés par IA à ce stade. Claude Code est mon outil quotidien. J'ai passé un temps sérieux avec Cursor, Windsurf, Copilot Workspace et CodeX. Chacun a ses forces. Chacun a un workflow particulier dans lequel il excelle.

Anti-Gravity fait quelque chose de fondamentalement différent de tous.

La plupart des outils de codage IA traitent l'IA comme un assistant — vous posez des questions, elle génère du code, vous le collez dans votre projet. Même les outils agentiques suivent essentiellement une boucle "le développeur demande, l'IA répond, le développeur vérifie." L'IA est réactive. Vous conduisez. Elle fait de la figuration.

Anti-Gravity inverse cette dynamique avec un système modulaire de compétences d'agents. Au lieu d'une IA généraliste qui gère tout, il maintient une équipe de seize agents spécialisés — spécialistes frontend, architectes backend, auditeurs sécurité, ingénieurs de déploiement et plus encore. Quand vous lui donnez un prompt, Anti-Gravity ne se contente pas de générer une réponse. Il analyse ce que vous demandez, identifie quels agents spécialistes sont pertinents et charge dynamiquement leurs instructions et connaissances spécifiques.

Vous n'avez jamais besoin de dire "agis comme un expert en sécurité" ou "concentre-toi sur le frontend." Le système détecte le contexte automatiquement. Demandez-lui de construire une page de connexion, et le spécialiste authentification et l'agent frontend s'activent ensemble. Demandez-lui d'optimiser une requête de base de données, et les agents backend et performance interviennent. Ce routage automatique est le genre de chose qui semble incrémentale sur le papier mais qui transforme l'expérience en pratique.

Voici pourquoi. Quand j'utilise un outil de codage IA généraliste, je dépense une quantité surprenante d'énergie en prompt engineering — formulant ma demande de la bonne manière, fournissant le contexte sur le type de réponse que je veux, corrigeant les réponses qui passent à côté des nuances du domaine. Avec Anti-Gravity, cette charge cognitive disparaît en grande partie. Les agents spécialistes connaissent déjà les patterns du domaine, les bonnes pratiques et les pièges courants. Je décris ce que je veux, et l'expertise appropriée apparaît automatiquement.

C'est la différence entre appeler un standard téléphonique général et entrer dans une salle pleine de spécialistes qui savent déjà lequel d'entre eux devrait répondre à votre question.

L'Agent Skill Kit : 16 Agents, 40+ Modules de Connaissances, 11 Commandes

L'Agent Skill Kit est l'endroit où l'architecture d'Anti-Gravity révèle véritablement son ambition. Ce n'est pas un marketplace de plugins ni une collection de snippets de code. C'est un système structuré de templates, d'agents et de workflows qui donne à l'IDE une connaissance approfondie du domaine sur tout le spectre du développement d'applications.

Voici ce avec quoi vous travaillez :

Seize agents spécialisés couvrant des domaines distincts. Frontend. Backend. Sécurité. Tests. Déploiement. Architecture de base de données. Optimisation des performances. Conception d'API. Et plusieurs autres spécialités de niche. Chaque agent porte son propre ensemble d'instructions, de bonnes pratiques et de patterns de génération. Quand l'agent frontend construit un dashboard, il suit des principes différents de ceux de l'agent backend qui conçoit un schéma d'API — parce que ce sont des disciplines véritablement différentes avec des préoccupations distinctes.

Plus de quarante modules de connaissances spécifiques au domaine dans lesquels les agents puisent. Ce ne sont pas des prompts statiques. Ce sont des bases de connaissances structurées que les agents référencent dynamiquement. Un agent de sécurité ne sait pas juste "utilise HTTPS" — il comprend les patterns de flux OAuth, les stratégies de rafraîchissement de tokens, les configurations CORS et les techniques de sanitisation d'entrées spécifiques au framework que vous utilisez.

Onze commandes intégrées pour les tâches de développement courantes. C'est ici que vit le workflow quotidien :

/brainstorm    # Generate and refine app concepts
/feature       # Create new features from descriptions
/debug         # Analyze and fix issues
/deploy        # Handle deployment pipeline
/enhance       # Improve existing code quality

La commande /brainstorm mérite une attention particulière car elle donne le ton de la façon dont Anti-Gravity veut que vous travailliez. Au lieu d'ouvrir un fichier vide et d'écrire du code, vous commencez par décrire ce que vous voulez construire en langage naturel. L'agent de brainstorming — oui, il y a un agent spécifique pour ça — prend votre concept brut et produit une spécification structurée : fonctionnalités, parcours utilisateurs, exigences techniques, architecture suggérée.

Quand j'ai utilisé /brainstorm pour décrire un tracker de finances minimaliste avec scan de reçus et analytiques de budget, il m'a renvoyé une spécification incluant la logique de catégorisation des dépenses, l'OAuth multi-fournisseur, l'architecture du pipeline OCR et une ventilation analytique mensuelle — le tout avant qu'une seule ligne de code applicatif n'existe. Cette spécification est devenue le plan de référence que chaque autre agent a consulté pendant la construction.

La nature modulaire de ce système compte pour une raison que la plupart des gens ne verront pas immédiatement. Parce que chaque agent opère depuis sa propre base de connaissances spécialisée, Anti-Gravity peut mettre à jour, améliorer ou ajouter des agents indépendamment. Un nouveau pattern de vulnérabilité sécurité est découvert ? Mettez à jour le module de connaissances de l'agent sécurité. Un nouveau framework frontend gagne du terrain ? Ajoutez un spécialiste. Le système gagne en expertise sans nécessiter de changements architecturaux.

Gemini MD et Agent MD : La Couche d'Instructions Que la Plupart Négligent

Voici quelque chose que j'ai presque manqué lors de ma première semaine avec Anti-Gravity, et qui s'est avéré être l'une des fonctionnalités les plus importantes.

Anti-Gravity lit les règles de configuration depuis deux sources : les fichiers Agent MD et les fichiers Gemini MD. Si vous avez utilisé Claude Code, le concept vous est familier — les fichiers CLAUDE.md qui donnent à l'IA le contexte de votre projet, vos préférences et vos standards de codage. Anti-Gravity reprend la même idée et la divise en deux canaux distincts.

Agent MD définit les règles comportementales pour les agents eux-mêmes. Comment l'agent frontend doit-il structurer les composants ? Quelles conventions de nommage l'agent backend doit-il suivre ? L'agent sécurité doit-il imposer des headers Content Security Policy stricts ou autoriser les scripts inline pour la commodité du développement ? Agent MD est l'endroit où vous modelez comment les agents travaillent.

Gemini MD fournit le contexte et les instructions au niveau du projet qui alimentent le modèle Gemini sous-jacent. C'est là que vous mettez les informations sur votre domaine métier, vos utilisateurs, vos contraintes techniques et vos préférences de style de code. C'est un contexte plus large qui informe la sortie de chaque agent plutôt que de définir des comportements d'agents spécifiques.

La séparation est subtile mais puissante. J'ai personnalisé mon Agent MD pour imposer le TypeScript strict mode, exiger des error boundaries dans tous les composants React et imposer la validation des entrées sur chaque endpoint d'API. Mon Gemini MD décrivait le projet comme un outil de finances personnelles pour des millennials soucieux de leur budget, spécifiait que l'UI devait sembler "calme et minimaliste, pas dashboard d'entreprise," et notait que la responsivité mobile était non négociable.

Le résultat ? Chaque morceau de code généré par les agents reflétait les deux couches. Techniquement rigoureux et aligné avec la vision produit. Je n'ai pas eu à rappeler à l'IA le TypeScript strict mode dans chaque prompt ni à ré-expliquer la philosophie de design. Les fichiers de configuration portaient ce contexte de manière persistante.

Si vous avez utilisé Claude Code avec un fichier CLAUDE.md bien conçu, cette expérience vous semblera familière. L'approche à double fichier d'Anti-Gravity vous donne simplement un contrôle plus granulaire — séparer les instructions "comment coder" du contexte "ce que nous construisons" est véritablement utile une fois que votre projet dépasse le stade du prototype.

C'est la base. Mais Anti-Gravity seul n'est que la moitié de l'histoire. La véritable accélération se produit quand vous le connectez à InForge.

InForge : La Plateforme Backend Qui M'a Fait Remettre en Question Supabase

Je suis utilisateur de Supabase depuis deux ans. J'ai construit plusieurs projets clients dessus. Je l'ai recommandé dans des articles de blog. C'est une plateforme solide.

InForge m'a fait me demander si j'y retournerais.

Voici la proposition : InForge est une plateforme backend-as-a-service conçue spécifiquement pour les agents de codage IA. Pas "compatible IA." Pas "fonctionne avec les outils IA." Conçue pour eux dès le départ. Toute la surface API, les outils CLI, la structure du projet — tout suppose que le consommateur principal n'est pas un développeur humain cliquant dans un dashboard, mais un agent IA envoyant des commandes structurées.

Cette philosophie de conception a une conséquence difficile à apprécier tant qu'on ne l'a pas vécue. Quand j'utilise Supabase avec Claude Code, il y a une couche de traduction. Je décris ce que je veux, Claude génère des migrations SQL et des appels API, et je les exécute contre l'interface de Supabase. Ça marche. Mais il y a de la friction dans la traduction.

Avec InForge connecté à Anti-Gravity, cette couche de traduction disparaît. L'agent IA communique directement avec le backend d'InForge via MCP — le Modular Control Panel — qui sert de pont de communication structurée. L'agent ne génère pas du SQL pour que vous l'exécutiez. Il exécute les opérations backend directement. Créer une table. Configurer l'authentification. Mettre en place le stockage cloud. Déployer une fonction serverless. Tout se passe dans la session IDE, tout piloté par l'agent, tout vérifié en temps réel.

La configuration de la connexion ressemble à ceci :

# Install Anti-Gravity CLI (if you haven't already)
npm install -g @google/anti-gravity

# Authenticate with your Google account
anti-gravity auth login

# Create your project directory
mkdir finance-tracker && cd finance-tracker

# Initialize Anti-Gravity in the project
anti-gravity init

Puis côté InForge :

# Create an InForge account and project
inforge login
inforge project create --name "finance-tracker" --region us-east-1

# Link Anti-Gravity to InForge via MCP
anti-gravity link inforge --project finance-tracker

Une fois liés, la connexion MCP permet une communication bidirectionnelle. Les agents d'Anti-Gravity peuvent interroger l'état d'InForge (quelles tables existent, quels fournisseurs d'authentification sont configurés, quelles fonctions sont déployées), et ils peuvent modifier cet état via des commandes structurées. L'agent ne devine pas votre configuration backend — il la connaît, en temps réel.

C'est là que la philosophie "conçu pour les agents" d'InForge porte ses meilleurs fruits. Quand j'ai dit à l'agent de brainstorming que je voulais l'authentification utilisateur avec plusieurs fournisseurs OAuth, l'agent backend n'a pas simplement généré du code de configuration d'authentification pour que je le révise et le déploie manuellement. Il s'est connecté à InForge, a créé le service d'authentification, a configuré GitHub, Microsoft et Discord comme fournisseurs OAuth, a mis en place la logique de rafraîchissement des tokens et a vérifié la configuration — le tout dans le même cycle prompt-réponse.

J'ai regardé ça se produire en temps réel. La sortie de l'agent incluait les logs de déploiement InForge diffusés en parallèle des confirmations de configuration. Quand j'ai fini de lire l'explication de l'agent sur ce qu'il avait fait, le système d'authentification était déjà actif et testable.

Construction du Tracker de Finances : De /brainstorm à l'App en Production

Laissez-moi vous guider à travers la construction réelle, car les détails révèlent comment ce workflow se ressent en pratique.

La phase de brainstorm. J'ai lancé /brainstorm avec ce prompt : "Un tracker de finances personnelles minimaliste. Les utilisateurs peuvent enregistrer des dépenses, scanner des reçus pour la saisie automatique des données, définir des budgets mensuels par catégorie et voir des analytiques sur leurs habitudes de dépenses. UI propre et moderne. Mobile-first."

L'agent de brainstorming a renvoyé une spécification structurée en environ quarante secondes. Il a proposé cinq fonctionnalités principales : gestion des dépenses avec catégorisation, scan de reçus via OCR, définition et suivi des budgets par catégorie, un dashboard d'analytiques avec comparaisons mensuelles, et authentification multi-fournisseur. Il a aussi suggéré l'architecture technique — frontend React, backend InForge avec PostgreSQL, Gemini 3.0 pour le traitement OCR, et stockage cloud pour les images de reçus.

J'ai fait un ajustement. L'agent avait suggéré une interface à onglets pour le dashboard. Je préférais un layout en page unique avec des sections en cartes. Je lui ai dit, et la spécification s'est mise à jour instantanément. Cette spécification révisée est devenue le document de référence pour chaque étape suivante.

La génération du backend. C'est là que les choses sont devenues véritablement impressionnantes. J'ai donné un seul prompt : "Configure le backend basé sur la spécification du brainstorm."

L'agent backend a pris le relais. Travaillant à travers la connexion MCP d'InForge, il a créé :

• Une base de données PostgreSQL avec des tables pour les utilisateurs, dépenses, catégories, budgets et reçus
• Des relations de clés étrangères et une indexation appropriée sur les colonnes fréquemment requêtées
• Des politiques de sécurité au niveau des lignes liées au système d'authentification
• Des buckets de stockage cloud pour les images de reçus avec limites de taille et validation de format
• Trois fonctions serverless : une pour l'agrégation des dépenses, une pour les calculs de comparaison de budget et une pour le pipeline de traitement OCR
• Des variables d'environnement pour la clé API Gemini et les identifiants de stockage

Chaque étape apparaissait dans mon IDE pendant que l'agent travaillait — je pouvais voir les logs InForge confirmant la création des tables, l'initialisation du bucket de stockage, les déploiements de fonctions. Toute la génération du backend a pris environ six minutes. Pas six minutes de moi faisant des choses. Six minutes de moi observant et vérifiant.

Honnêtement, j'ai passé plus de temps juste à configurer l'authentification d'un projet Supabase manuellement. La différence de vitesse n'est pas marginale. Elle est catégorique.

La construction du frontend. Avec l'infrastructure backend en place et interrogeable via MCP, l'agent frontend avait une connaissance complète du schéma de données, des endpoints API et du flux d'authentification. J'ai demandé : "Construis le dashboard frontend basé sur la spécification. Connecte-le au backend InForge."

L'agent frontend a généré une application React avec ces composants :

• Une page de connexion avec des boutons OAuth pour GitHub, Microsoft et Discord
• Un formulaire de saisie de dépenses avec sélection de catégorie et upload de reçus
• Un panneau de gestion de budget où les utilisateurs définissent des limites mensuelles par catégorie
• Un dashboard d'analytiques montrant les tendances de dépenses, les ventilations par catégorie et les comparaisons d'un mois à l'autre
• Un visualiseur de reçus affichant les reçus scannés aux côtés des données extraites

Le code était propre. TypeScript strict mode partout — parce que mon Agent MD l'exigeait. Des error boundaries sur chaque composant de route. Un layout responsive utilisant CSS Grid avec des breakpoints mobile. L'agent a même ajouté des loading skeletons pour les cartes du dashboard, ce qui est le genre de détail UX que je dois habituellement penser à ajouter manuellement.

Le model gateway — Gemini 3.0 pour l'OCR de reçus. La fonctionnalité de scan de reçus nécessitait un modèle IA pour extraire du texte et des données structurées à partir de photos de reçus. Anti-Gravity s'intègre avec le model gateway de Google, ce qui signifie que connecter Gemini 3.0 à l'app s'est fait via une étape de configuration plutôt qu'une intégration personnalisée.

# The agent configured this through InForge's model gateway
inforge models enable gemini-3.0 --project finance-tracker
inforge models configure gemini-3.0 --capability ocr --format structured-json

Le pipeline OCR fonctionne comme suit : l'utilisateur uploade une photo de reçu, elle va dans le stockage cloud, une fonction serverless se déclenche, envoie l'image à Gemini 3.0 avec un prompt d'extraction structurée, et le modèle renvoie du JSON avec le nom du commerçant, la date, les lignes d'articles, la taxe et le total. Ce JSON est écrit dans la table des dépenses automatiquement.

Je l'ai testé avec un reçu de supermarché froissé que j'avais sur mon bureau. Il a extrait quatorze lignes d'articles, le montant de la taxe et le total — et les a identifiés correctement. Le nom du commerçant était légèrement tronqué, mais les données financières étaient précises. Pour une fonctionnalité qui n'a nécessité aucun codage manuel, la précision était remarquable.

Si vous préférez que quelqu'un construise ce genre de configuration intégrée avec l'IA de zéro, j'accepte des projets de développement full-stack et d'intégration IA. Vous pouvez voir ce que j'ai construit sur fiverr.com/s/EgxYmWD.

Le déploiement. C'est la partie qui m'a fait me caler dans ma chaise. J'ai tapé /deploy et l'agent de déploiement a pris le relais. Il a empaqueté le frontend, configuré les paramètres de build, poussé le tout vers l'infrastructure d'hébergement d'InForge, configuré les variables d'environnement et fourni une URL en production.

Les logs de déploiement étaient diffusés directement dans l'IDE. J'ai regardé le build se terminer, les health checks passer et le certificat SSL être provisionné. L'ensemble du déploiement — de la commande /deploy à l'URL en production — a pris moins de trois minutes.

Temps total du /brainstorm à l'application fonctionnelle en production : quarante-sept minutes.

Ce Que Je Changerais : L'Évaluation Honnête

Je ne fais pas confiance aux outils que je ne peux pas critiquer, et je n'écris pas sur des outils sans partager où ils pèchent. Anti-Gravity a des aspérités. Certaines sont du type qui se lissera avec les mises à jour. D'autres semblent plus structurelles.

Le routage des agents n'est pas toujours juste. Environ quinze pour cent du temps, la détection automatique de spécialiste choisit le mauvais agent ou en charge un inutile. J'ai demandé de l'aide pour une animation CSS et l'agent sécurité s'est activé aux côtés de l'agent frontend, ajoutant des considérations Content Security Policy dont je n'avais pas besoin à ce moment-là. Pas nuisible, mais ça a ajouté du bruit à la réponse. Vous pouvez le surcharger manuellement, mais tout l'intérêt du routage automatique est de ne pas avoir à le faire.

La documentation d'InForge est mince. La plateforme fonctionne bien quand les agents d'Anti-Gravity sont aux commandes. Mais quand j'ai voulu comprendre le modèle tarifaire d'InForge, les limites de débit ou les politiques de résidence des données, la documentation avait des lacunes. Pour une plateforme qui demande aux développeurs d'héberger des applications de production, c'est une préoccupation que j'aimerais voir résolue avant de la recommander pour des projets clients.

Gemini MD et Agent MD ont une courbe d'apprentissage. L'approche de double configuration est puissante une fois qu'on la comprend, mais la distinction entre ce qui appartient à Agent MD versus Gemini MD n'est pas toujours évidente. J'ai passé une heure à déplacer des règles entre les deux fichiers avant de développer une intuition sur quelles instructions fonctionnaient mieux où. Un guide plus clair ou un outil de migration depuis des fichiers CLAUDE.md existants aiderait beaucoup les développeurs venant de Claude Code.

Le vendor lock-in est une considération réelle. InForge est pratique précisément parce qu'il est étroitement intégré à Anti-Gravity. Cette intégration étroite signifie que passer à une plateforme backend différente plus tard nécessite de reconstruire la couche de communication MCP, les compétences d'agents qui référencent les API spécifiques à InForge et le pipeline de déploiement. Pour un side project ou un prototype, ce compromis est acceptable. Pour un système de production que vous maintiendrez pendant des années, réfléchissez bien si le gain de vitesse justifie le couplage.

La capacité hors ligne est limitée. Anti-Gravity nécessite une connexion active avec un compte Google pour que le système d'agents fonctionne. Contrairement à Claude Code, qui peut travailler avec des modèles locaux via Ollama, Anti-Gravity dépend fondamentalement du cloud. Si vous travaillez dans des environnements avec un accès internet restreint ou des exigences strictes de souveraineté des données, c'est un point bloquant.

Ce ne sont pas des motifs d'élimination. Ce sont le genre de choses auxquelles on s'attend d'une plateforme qui repousse les limites à cette vitesse. Mais je ne ferais pas mon travail si je prétendais que l'expérience était sans faille.

Comment Anti-Gravity Se Compare à Mon Workflow Claude Code

C'est la question que je sais que vous posez, parce que c'est la question que je me suis posée.

J'utilise Claude Code quotidiennement. C'est l'outil que je prends en premier sur chaque projet. Et après une semaine avec Anti-Gravity, ma réponse honnête est : ils sont complémentaires, pas concurrents. Du moins pour l'instant.

Claude Code excelle dans le développement profond, contextuel et itératif. Quand je débogue un problème complexe, que je refactorise une grande base de code ou que je travaille sur des décisions architecturales qui nécessitent des allers-retours, la profondeur de raisonnement et la rétention de contexte de Claude Code sont inégalées. Le système CLAUDE.md me donne une intelligence persistante du projet. La capacité de travailler avec des modèles locaux via Ollama me donne de la flexibilité.

Anti-Gravity excelle dans la génération rapide full-stack en partant de zéro. Quand je prototype une nouvelle idée, que je construis une démo pour une présentation client, ou que je crée une application complète où la vitesse compte plus qu'une architecture sur mesure, le système de compétences d'agents d'Anti-Gravity et l'intégration InForge livrent des résultats qui me prendraient significativement plus de temps avec n'importe quel autre outil.

Mon workflow à partir de maintenant ressemble à ceci : Anti-Gravity pour la phase de zéro à un — brainstorming, génération initiale, prototypage rapide, déploiement. Claude Code pour la phase de un à terminé — raffinement, débogage, optimisation, maintenance à long terme. Les outils ont des forces différentes, et je préfère utiliser les deux là où ils brillent plutôt que de forcer l'un ou l'autre dans des rôles pour lesquels ils n'ont pas été conçus.

À noter : InForge supporte l'intégration avec Claude Code via le même protocole MCP. Je n'ai pas testé cette intégration en profondeur encore, mais le fait que l'architecture d'InForge soit agnostique vis-à-vis de l'agent signifie que vous pourriez théoriquement utiliser Anti-Gravity pour structurer un projet puis passer à Claude Code pour le développement continu, le tout sur la même infrastructure backend.

Cette interopérabilité, si elle fonctionne comme annoncé, pourrait faire d'InForge le tissu connectif entre plusieurs outils de développement IA — ce qui est une position plus intéressante que d'être verrouillé sur un seul IDE.

Ce Que Cela Signifie Pour Notre Façon de Construire des Logiciels

J'écris sur les outils de développement IA depuis deux ans. Le schéma que je continue de voir est celui-ci : chaque génération d'outils éloigne le développeur des détails d'implémentation et le rapproche de la spécification d'intention.

D'abord, l'IA complétait des lignes de code. Puis elle générait des fonctions entières. Puis elle construisait des fonctionnalités à partir de descriptions. Anti-Gravity pousse cette progression plus loin — il génère des applications entières à partir de concepts, avec une expertise spécialisée à chaque couche du stack.

Le métier de développeur évolue. Il ne disparaît pas — cette opinion est paresseuse et fausse. Il évolue. Les compétences qui comptent le plus ne changent pas. Comprendre l'architecture, savoir quand une décision de conception causera des problèmes dans six mois, avoir du goût en matière d'expérience utilisateur — ces compétences deviennent plus importantes, pas moins, quand un agent IA peut générer du code à la vitesse d'Anti-Gravity.

Ce qui devient moins important, c'est la traduction mécanique de "je sais ce que je veux" en "je sais comment le taper." Le système de compétences d'agents d'Anti-Gravity est la tentative la plus sophistiquée que j'ai vue pour automatiser cette couche de traduction, et le design backend agent-first d'InForge montre à quoi ressemble l'infrastructure quand elle est construite pour ce nouveau workflow dès le premier jour.

Est-ce parfait ? Non. Les aspérités que j'ai décrites sont réelles. La question du vendor lock-in est légitime. La documentation a besoin de travail.

Mais quand j'ai construit une application de finances complète, fonctionnelle et déployée en moins d'une heure — avec authentification, base de données, stockage cloud, OCR propulsé par l'IA, analytiques et un frontend responsive — je ne pensais pas aux aspérités.

Je pensais aux cinq autres idées d'apps que je repoussais parce que la charge de configuration ne semblait pas en valoir la peine. Chacune d'entre elles est soudainement devenue constructible. Pas en un week-end. Avant le dîner.

Ce basculement — de "je pourrais construire ça un jour" à "je pourrais construire ça maintenant" — c'est le vrai produit qu'Anti-Gravity vend. Et honnêtement ? Il tient sa promesse.

À vous. Configurez Anti-Gravity, connectez InForge, installez l'Agent Skill Kit et lancez /brainstorm sur cette idée de projet que vous gardez depuis un moment. Voyez ce que quarante-sept minutes vous donnent. Je soupçonne que vous serez aussi surpris que moi.

Foire Aux Questions

Anti-Gravity IDE est-il gratuit ?

Anti-Gravity est gratuit et ne nécessite qu'un compte Google pour démarrer. InForge propose également un niveau gratuit pour les services backend. L'accès au model gateway Gemini est inclus avec votre compte Google, bien que l'utilisation à l'échelle de production puisse impliquer des coûts d'API. Pour un guide de configuration plus détaillé, consultez la section InForge ci-dessus.

Anti-Gravity peut-il fonctionner avec d'autres backends qu'InForge ?

L'IDE fonctionne indépendamment d'InForge pour le développement frontend et la génération de code. L'intégration étroite MCP et la génération de backend pilotée par les agents sont des fonctionnalités spécifiques à InForge. Utiliser un backend différent signifie gérer manuellement l'infrastructure qu'InForge automatise. InForge supporte également d'autres agents de codage IA dont Claude Code et CodeX.

Comment Anti-Gravity se compare-t-il à Claude Code ou Cursor ?

Ils servent des forces différentes. Anti-Gravity excelle dans la génération rapide full-stack du concept au déploiement en utilisant un routage spécialisé d'agents. Claude Code offre un raisonnement contextuel plus profond et un développement itératif. Cursor fournit une expérience VS Code familière avec assistance IA. Consultez la section de comparaison ci-dessus pour une analyse détaillée.

Quels langages de programmation et frameworks Anti-Gravity supporte-t-il ?

L'Agent Skill Kit inclut des agents spécialistes pour les principaux frameworks et langages web. L'agent frontend gère React, Vue et Svelte. Les agents backend supportent Node.js, Python et Go. Les plus de quarante modules de connaissances couvrent les bonnes pratiques spécifiques à chaque framework, et le système détecte votre stack automatiquement à partir du contexte du projet.

Qu'est-ce que l'Agent Skill Kit et comment l'installer ?

L'Agent Skill Kit est la collection d'Anti-Gravity de seize agents spécialisés, plus de quarante modules de connaissances et onze commandes de workflow. Installez-le dans le répertoire de votre projet après avoir initialisé Anti-Gravity. Il fournit une expertise spécifique au domaine qui s'active automatiquement en fonction de vos prompts, couvrant tout du brainstorming au déploiement.

Let's Work Together

Looking to build AI systems, automate workflows, or scale your tech infrastructure? I'd love to help.

• Fiverr (custom builds & integrations): fiverr.com/s/EgxYmWD
• Portfolio: mejba.me
• Ramlit Limited (enterprise solutions): ramlit.com
• ColorPark (design & branding): colorpark.io
• xCyberSecurity (security services): xcybersecurity.io