J'ai testé le Vibe Coding avec différents modèles Gemini. Les résultats étaient frappants.

Test du Vibe Coding avec les modèles Gemini

Le Vibe Coding est très amusant lorsque l'on comprend bien le processus. C'est aussi simple que de discuter avec un chatbot IA pour qu'il vous code une application, mais cela nécessite du temps et de la patience pour résoudre les problèmes. J'ai créé plusieurs projets de vibe coding, mais il existe toujours de nouvelles façons de tester la qualité de ces résultats, surtout en tenant compte du modèle utilisé.

Avec tant de modèles d'IA à explorer, les résultats peuvent varier considérablement, surtout si vous n'avez pas de plan solide en tête. Je voulais voir comment les modèles plus légers se comparent aux modèles dits "pensants", comme les qualifient Google et OpenAI. Ces modèles légers portent différents noms : l'interface Gemini de Google les appelle Fast (bien que le modèle soit en réalité nommé, par exemple, Gemini 2.5 Flash), tandis qu'OpenAI les appelle Instant.

J'ai décidé de réaliser une expérience en utilisant deux modèles pour créer le même projet. Tout d'abord, j'ai créé un projet de A à Z en utilisant Gemini 3 Pro, et j'ai voulu le reproduire en utilisant l'un de ses modèles plus légers en tentant d'avoir la même conversation. À l'époque, le modèle léger le plus récent était Gemini 2.5 Flash. Les résultats étaient révélateurs : les deux modèles ont techniquement produit la même sortie, mais le chemin pour y parvenir était très différent entre les deux.

Je manquais d'inspiration pour cette expérience, alors j'ai simplement demandé à Gemini de proposer des projets de vibe coding intéressants. J'ai opté pour un projet intitulé "Trophy Display Case". J'ai demandé à Gemini d'afficher une liste de films d'horreur au lieu de trophées et de fournir plus d'informations lorsque l'on cliquait sur l'une des affiches. En dehors de ces exigences, j'ai laissé aux deux modèles Gemini le contrôle créatif.

Différences entre les modèles d'IA rapides et pensants

Si Google nous offre un choix entre les modèles Flash et Pro, ils doivent être substantiellement différents, n'est-ce pas ? Oui et non. Ce sont tous deux des modèles de langage de grande taille, mais ils fonctionnent différemment. Pour l'utilisateur lambda, "rapide" et "pensant" définissent suffisamment bien les différences entre les deux : vitesse contre profondeur.

Un modèle de raisonnement est un LLM qui a été affiné pour décomposer des problèmes complexes en étapes plus petites avant de générer la sortie finale. Cela se fait en exécutant un chemin de raisonnement interne. Les modèles Gemini 2.5 Flash et Gemini 3 Pro sont des modèles de raisonnement, mais Gemini 2.5 Flash adopte une approche hybride : il offre un équilibre entre vitesse et raisonnement.

Gemini 3 Pro est le modèle de raisonnement le plus puissant, optimisé pour explorer en profondeur afin de trouver des réponses. En conséquence, il est plus lent que des modèles plus efficaces comme 2.5 Flash. Google a depuis lancé Gemini 3 Flash, un modèle de base plus puissant qui remplace 2.5 Flash. Gemini 3 Pro reste le modèle de raisonnement le plus puissant disponible dans Gemini pour la plupart des utilisateurs.

Résultats du projet avec Gemini 3 Pro

Le projet final réalisé par Gemini 3 Pro n'était pas parfait, mais il était meilleur que mon idée originale et largement supérieur à ce que Gemini 2.5 Flash avait produit. En utilisant Gemini 3 Pro, j'ai pu créer une page d'accueil qui mettait en avant les films de ma liste, avec des images d'affiches, et lorsque l'on cliquait sur un titre, une page s'ouvrait pour révéler des informations supplémentaires, ainsi qu'un lien pour visionner la bande-annonce sur YouTube. Ce n'était pas un projet compliqué, mais j'ai rencontré de nombreux problèmes et erreurs en cours de route.

À l'origine, je voulais que les bandes-annonces soient intégrées à la page, mais cela a généré des erreurs que Gemini n'a pas pu corriger, ce qui a conduit à se contenter de fournir une image liée pour visionner la bande-annonce sur YouTube. C'était acceptable, mais moins fluide que ce que je souhaitais. Cela dit, j'ai apprécié la manière dont Gemini 3 Pro a détaillé les problèmes spécifiques qu'il rencontrait avec cette fonctionnalité, me permettant de décider de l'abandonner.

Un autre problème que Gemini 3 Pro a tenté de résoudre plusieurs fois était ce qu'il décrivait comme un problème de superposition. Lorsqu'on cliquait sur une affiche, une fenêtre contextuelle avec les détails du film s'affichait, accompagnée d'un petit bouton pour quitter cette vue, mais cela n'a jamais fonctionné. J'ai demandé à Gemini de le corriger quatre fois, et il n'a pas réussi à résoudre le problème jusqu'à cette dernière demande. Gemini a expliqué ce qu'il faisait avec le code en termes généraux, mais n'est jamais entré dans trop de détails, bien que j'imagine qu'il aurait fourni des précisions si j'avais demandé.

Le projet original était simplement un moyen d'afficher une collection de films et d'obtenir plus d'informations à leur sujet. En dehors de cela, je n'avais pas pensé à la mise en forme ou aux moyens de rendre l'application web intéressante, et Gemini 3 Pro a été utile dans ce domaine. Lorsque j'ai demandé comment je pouvais améliorer l'application, tant en design qu'en fonctionnalités, il a suggéré d'ajouter un effet de roue 3D aux films et une option de sélection aléatoire.

Ce projet a nécessité près de 20 itérations. Le produit final était à peu près aussi bon qu'il pouvait l'être, et c'était un projet amusant, mais il y avait des problèmes que Gemini n'a pas réussi à corriger plus souvent qu'à son tour. Le produit final a fait plus que ce à quoi je m'attendais, donc j'étais satisfait.