I. Vue d’ensemble du produit et objectifs

Cursor s’attache à créer une expérience de programmation avec IA à haute efficacité, décrit comme « conçu pour vous rendre extraordinairement efficace, Cursor est la meilleure façon de programmer avec l’IA ».
Il propose une version téléchargeable pour macOS ainsi que divers services d’entreprise, de tarification et de ressources, compatibles avec plusieurs langages et différents scénarios de développement, afin de soutenir le travail quotidien de millions de développeurs professionnels.

• Intégration de multiples interfaces : IDE, CLI, Slack, GitHub, etc.
• Prise en charge du complétion de code par IA, de la collaboration via agent, du complétion intelligente par Tab et du choix multi‑modèles
• Personnalisation pour les entreprises et prise en charge des workflows d’équipe
• Un outil en lequel font confiance chaque jour des millions de développeurs professionnels

II. Expérience de programmation avec IA et plateforme d’expérimentation

2.1 Expérience d’interaction et interface produit

Le produit comprend de nombreux modules de démonstration interactive : l’IDE prend en charge un assistant de code IA, la CLI fournit une aide intelligente en ligne de commande, le tout illustré par de magnifiques fonds d’écran de paysages.

2.2 Notebook et structure de répertoires d’expériences

• ML-RESEARCH-NOTEBOOK
• notebooks
• train_model.py
• evaluation.py
• experiments
• config.yaml
• run_experiment.py
• requirements.txt

Structure des fichiers d’expériences (les répertoires et scripts principaux sont conservés tels quels) :

• train_model.py
• run_experiment.py
• config.yaml

2.3 Exemple d’implémentation de code (expérience PyTorch MNIST)

import torch
import torch.nn as nn
from torch.utils.data import DataLoader
from torchvision import datasets

def get_dataloaders(batch_size=64):
  transform = transforms.Compose([transforms.ToTensor()])
  train = datasets.MNIST(root="data", train=True, download=True, transform=transform)
  test = datasets.MNIST(root="data", train=False, download=True, transform=transform)
  return DataLoader(train, batch_size=batch_size, shuffle=True), DataLoader(test, batch_size=batch_size)

class MLP(nn.Module):
  def __init__(self, hidden=128):
    super().__init__()
    self.net = nn.Sequential(
      nn.Flatten(),
      nn.Linear(28*28, hidden),
      nn.ReLU(),
      nn.Linear(hidden, 10),
    )
  def forward(self, x):
    return self.net(x)

def train_model(epochs=1, lr=1e-3, device=None):
  device = device or ("cuda" if torch.cuda.is_available() else "cpu")
  model = MLP().to(device)
  opt = torch.optim.Adam(model.parameters(), lr=lr)
  loss_fn = nn.CrossEntropyLoss()
  train_loader, _ = get_dataloaders()
  # Seed for reproducibility
  torch.manual_seed(42)
  if device == "cuda":
    torch.cuda.manual_seed_all(42)
  # AMP + Scheduler
  scaler = torch.cuda.amp.GradScaler(enabled=(device=="cuda"))
  scheduler = torch.optim.lr_scheduler.CosineAnnealingLR(opt, T_max=epochs)
  model.train()
  for epoch in range(epochs):
    total, correct = 0, 0
    for x, y in tqdm(train_loader, desc=f"epoch {epoch+1}"):
      x, y = x.to(device), y.to(device)
      opt.zero_grad(set_to_none=True)
      logits = model(x)
      loss = loss_fn(logits, y)
      loss.backward()
      opt.step()
      scaler.scale(loss).backward()
        scaler.unscale_(opt)
      torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm=1.0)
      scaler.step(opt)
      scaler.update()
      preds = logits.argmax(dim=1)
      total += y.size(0)
      correct += (preds == y).sum().item()
    acc = correct / max(1, total)
    scheduler.step()
    print(f"epoch {epoch+1}: acc={acc:.3f}")
  return model

Expérience PyTorch MNIST
Ajouter l’entraînement en précision mixte, le scheduler de taux d’apprentissage et une phase de validation complète. Créer en parallèle un système de configuration d’expériences afin de me permettre de lancer facilement différentes configurations d’hyperparamètres.

III. Expérience de collaboration avec agent et accélération du développement

Cursor Agent, basé sur GPT-5, peut générer automatiquement des commandes et compléter le code, en s’adaptant à la CLI, au Web et à l’IDE, pour réaliser une collaboration homme‑machine efficace de type agent.
Un·e développeur·se qui collabore avec l’IA atteint une efficacité d’un ordre de grandeur supérieur à celle de tout·e développeur·se travaillant seul·e.

• L’agent transforme automatiquement les idées en code
• Prise en charge du mode Agent pur, du complétion intelligente par Tab et de l’édition ciblée via Cmd+K
• Adapté à la gestion des commandes d’entreprise, à la bio‑informatique, à l’analyse de code et au développement assisté par IA pour équipes dans de multiples scénarios

IV. Retours utilisateurs et taux d’adoption élevé

« Les résultats entre les deux vagues d’essais n’avaient tout simplement rien à voir : le taux d’adoption est passé de quelques pourcents à plus de 80 %. Il s’est propagé comme un feu de forêt ; les meilleurs développeurs utilisent tous Cursor. »
—— Diana Hu, Managing Partner, Y Combinator

« L’outil d’IA le plus utile, c’est Cursor. Il est rapide, complète intelligemment au bon moment et au bon endroit, gère parfaitement les parenthèses, dispose de raccourcis clavier bien pensés et prend en charge ses propres modèles… Chaque aspect a été peaufiné dans les moindres détails. »
—— shadcn, créateur de shadcn/ui

« Les meilleures applications LLM ont toutes un “curseur d’autonomie” : c’est vous qui décidez du degré d’autonomie laissé à l’IA. Dans Cursor, vous pouvez utiliser Tab pour le complétion automatique, Cmd+K pour l’édition ciblée, ou bien tout déléguer à un mode agent entièrement autonome. »
—— Andrej Karpathy, CEO, Eureka Labs

« Chez Stripe, le nombre d’utilisateurs de Cursor est rapidement passé de quelques centaines à plus d’un millier de collaborateurs extrêmement enthousiastes. Nous investissons plus que dans n’importe quel autre domaine dans la R&D et la construction logicielle, et rendre ce processus plus efficace et plus productif génère un retour économique considérable. »
—— Patrick Collison, co‑fondateur et CEO, Stripe

« C’est décidé. Je déteste le “vibe coding”. J’adore écrire du code en utilisant le complétion par Tab de Cursor. C’est complètement fou. »
—— ThePrimeagen, @ThePrimeagen

« Le métier de développeur est réellement devenu plus amusant. Plutôt que de fouiller dans d’innombrables pages, concentrez‑vous sur le résultat que vous voulez atteindre. Nous n’en sommes encore qu’à 1 % de ce qui est possible, et dans des expériences interactives comme Cursor, des modèles comme GPT‑5 vont briller de tout leur éclat. »
—— Greg Brockman, Président, OpenAI

V. Points forts d’innovation et de R&D

• Améliorer Cursor Tab via l’apprentissage par renforcement en ligne
  Le nouveau modèle Tab réduit de 21 % le nombre total de suggestions, tout en augmentant de 28 % le taux d’acceptation.
  Research · 12 sept. 2025
• Accélérer l’entraînement MoE d’un facteur 1,5 avec un noyau MXFP8 personnalisé
  En procédant à une refonte complète pour les GPU Blackwell, les couches MoE atteignent une accélération de 3,5×.
  Research · 29 août 2025
• Série C de financement et passage à l’échelle
  900 millions de dollars levés pour faire avancer l’état de l’art en recherche sur le codage assisté par IA.
  Company · 6 juin 2025

VI. Capacités Enterprise et conformité sécurité

• Plébiscité par plus de la moitié des entreprises du Fortune 500 pour accélérer la R&D, avec une solution sûre et extensible
• Produit certifié SOC 2
• Prise en charge du développement sur mesure, de l’intégration API et des partenariats écosystémiques

VII. Versions produit et journal de mises à jour

• 1.7 (29 sept. 2025) : complétion automatique par Agent, hooks et règles d’équipe
• 1.6 (12 sept. 2025) : commandes via menu “slash”, fonctionnalité de résumé et terminal Agent amélioré
• 1.5 (21 août 2025) : intégration Linear, terminal Agent amélioré et notifications système
• 1.4 (6 août 2025) : outils Agent améliorés, meilleure guidabilité et visibilité d’usage

Le lien vers le journal des mises à jour de versions est complet, prend en charge l’accès par ancre et reste aligné avec les contraintes de version de Node.js afin d’améliorer la compatibilité et la maintenabilité.

VIII. Écosystème Enterprise et clientèle mondiale

Cursor est une équipe pragmatique axée sur la construction de l’avenir de la programmation.
Site officiel : cursor.com

IX. Téléchargement et essai

• Téléchargez dès maintenant la version pour macOS (la dernière version est disponible en page d’accueil)
• Tarification flexible pour entreprises et particuliers, avantages pour la communauté et les étudiants