Google et Kaggle tirent le bilan de leur formation intensive sur les agents IA : 353 000 inscrits, plus de 6 000 projets de fin de parcours et des ressources désormais accessibles en autonomie.
Programmer des agents IA en langage naturel attire manifestement bien au-delà du cercle habituel des spécialistes du machine learning. Google et Kaggle annoncent que leur formation en ligne 5-Day AI Agents: Intensive Vibe Coding a réuni plus de 353 000 inscrits. Le chiffre est considérable, mais le bilan publié par Google donne surtout un aperçu utile de ce que les développeurs cherchent aujourd’hui : passer d’une idée formulée en langage naturel à un prototype, puis à un agent déployé dans le cloud.
La nuance compte toutefois. Un volume d’inscriptions ne mesure ni le taux de complétion ni le niveau réel acquis par les participants. Google ne communique pas ces indicateurs dans sa publication. En revanche, l’entreprise détaille les formats proposés, l’activité de la communauté et les livrables produits pendant cette session intensive.
Google et Kaggle indiquent avoir accueilli plus de 353 000 inscrits à une formation de cinq jours consacrée aux agents IA et au vibe coding. Les supports restent accessibles gratuitement en autoformation sur Kaggle Learn, ce qui en fait une porte d’entrée concrète pour tester ces pratiques sans attendre une nouvelle session.
Un cours de cinq jours centré sur le cycle de vie des agents IA
Le programme, organisé par Google et Kaggle, s’inscrit dans la série des « 5-Day Intensive » lancée en 2024. Selon Google, plus de 2 millions d’apprenants et de développeurs ont participé aux différentes formations gratuites de cette série depuis son lancement. La dernière édition ciblait spécifiquement la construction d’agents IA par le langage naturel, une approche que l’article source désigne comme le vibe coding.
Dans ce contexte, il ne s’agit pas seulement de demander du code à un modèle génératif. Google présente un parcours couvrant la conception, la sécurisation et le déploiement d’agents dits « production-grade » dans le cloud. Les contenus comprenaient des sessions animées par des experts, des codelabs, des livres blancs techniques et des notebooks.
Cette promesse doit être lue avec méthode. La source ne donne ni le détail des prérequis, ni la durée de travail quotidienne, ni une grille permettant d’évaluer le niveau de maîtrise atteint à la fin des cinq jours. Elle établit en revanche que le cursus traitait l’ensemble du chemin allant du prototype au déploiement, plutôt qu’une simple initiation au prompt.
353 000 inscrits, mais quels signaux d’engagement ?
Google avance trois chiffres distincts qu’il ne faut pas confondre :
- plus de 353 000 participants inscrits au cours ;
- plus de 392 000 participants actifs sur le Discord de Kaggle, espace où se sont organisés entraide, débogage et groupes d’étude ;
- plus de 6 000 projets de fin de parcours soumis par plus de 12 000 participants actifs sur cette partie.
Le décalage entre ces métriques appelle à la prudence. Le nombre de membres actifs sur Discord est supérieur à celui des inscrits au cours, ce qui suggère que le serveur rassemble probablement une communauté plus large que cette seule cohorte. La source ne fournit pas de méthode de comptage ni de taux de conversion entre inscription, participation effective et rendu final. Il serait donc hasardeux d’en tirer un taux de complétion.
Pour autant, plus de 6 000 soumissions constituent un signal tangible de mise en pratique. Le capstone project oblige en principe à dépasser la consultation passive de vidéos ou de notebooks. Pour un responsable technique ou un freelance, c’est aussi le point à retenir : une formation très suivie devient réellement utile lorsqu’elle impose de livrer un objet démontrable, même imparfait.
Du « vibe » au déploiement : ce que le terme recouvre vraiment
Le terme vibe coding peut donner l’impression qu’il suffit de décrire un produit pour le voir fonctionner. Le bilan de Google présente pourtant un périmètre plus exigeant. Les participants ont travaillé sur des agents IA, leur conception, leur sécurité et leur mise en ligne dans le cloud. Autrement dit, le langage naturel est décrit comme une interface de programmation, pas comme une dispense des choix d’architecture.
Pour un développeur, cette distinction est utile. Une application agentique reste confrontée à des questions opérationnelles : accès aux données, permissions, fiabilité des sorties, gestion des erreurs, coûts d’inférence, journalisation et limites d’action. La source confirme que la sécurité et le déploiement faisaient partie du parcours, mais elle ne détaille pas les outils, frameworks, modèles ou mécanismes de sécurité étudiés. Ne suppose donc pas que le contenu corresponde exactement à ta stack ou à tes contraintes de production.
Pour les créateurs, fondateurs et e-commerçants, l’intérêt du format se situe ailleurs : prototyper plus vite une tâche déléguée à un agent, puis disposer d’un cadre pour mesurer ce qui doit être fiabilisé avant toute exposition à de vrais clients. Le prototype n’est pas le produit. Cette formation semble précisément vouloir raccourcir la distance entre les deux, sans que le bilan publié permette d’évaluer le résultat en production des projets soumis.
Les projets de fin de parcours montrent des cas d’usage variés
Google met en avant deux exemples parmi les projets rendus. Palimpsest est décrit comme un pipeline de transcription de manuscrits historiques, dans le champ des humanités numériques. Project ARIES est présenté comme un système de recherche sophistiqué sur la météorologie spatiale.
Ces exemples ne suffisent pas à établir que la majorité des projets atteignait ce niveau de complexité. Ils montrent néanmoins que le capstone ne se limitait pas à un chatbot générique. Les domaines cités impliquent des corpus spécialisés, une formulation précise du problème et, potentiellement, une chaîne d’outils au-delà d’un simple échange conversationnel.
Google précise qu’une page dédiée permet d’explorer les équipes gagnantes et leurs réalisations. Si tu suis le parcours à ton rythme, utilise ces projets comme des références de cadrage : quel problème est traité, quel est le rôle exact de l’agent, quelles étapes restent déterministes et quel livrable prouve l’utilité du système ? Cette lecture est souvent plus instructive que de reproduire un notebook sans l’adapter.
Comment exploiter les ressources Kaggle sans te perdre
Les contenus de la formation restent disponibles sous la forme d’un guide Kaggle Learn en autoformation. Google renvoie également vers les compétitions Kaggle et le Discord de la plateforme pour poursuivre l’apprentissage et les échanges entre participants. C’est une bonne nouvelle pour ceux qui ont manqué la session en direct : l’accès n’est pas conditionné à la prochaine cohorte, d’après le bilan.
Pour en tirer quelque chose de concret, avance avec un projet étroit plutôt qu’avec l’ambition de « créer un agent » en général :
- choisis une tâche répétitive, bornée et vérifiable ;
- définis le résultat attendu et les cas où l’agent doit s’arrêter ou demander validation ;
- suis les modules et notebooks en les reliant à cette tâche, au lieu de les consommer isolément ;
- construis une démonstration courte, puis teste les erreurs et les comportements inattendus ;
- ne déploie auprès d’utilisateurs réels qu’après avoir traité les permissions, les données sensibles et les mécanismes de contrôle adaptés à ton contexte.
Le cours de Google et Kaggle illustre une tendance nette : l’apprentissage des agents IA devient massif, communautaire et orienté livrables. Mais le meilleur indicateur pour toi ne sera pas le nombre d’inscrits. Ce sera la capacité à transformer les ressources disponibles en un petit système fiable, documenté et réellement utile à ton activité.