
rm -rf
Un agent IA l’a lancé sur ce qu’il pensait être un dossier temporaire.
C’était un raccourci vers une base d’images en production.
10 000 fichiers, disparus.
Merci les backups, merci surtout mes quinze ans de réflexes de développeur qui les avaient mis en place.
Vous êtes plutôt du genre claude --dangerously-skip-permissions, à valider chaque action à la main, ou vous n’avez pas encore sauté le pas ?
Depuis 2 ans, je fais évoluer mon quotidien pro avec l’IA, en tant que développeur et consultant SEO.
Ni évangéliste, ni réfractaire.
Juste un artisan qui veut savoir si le nouvel outil mérite sa place sur l’établi.
Voici ce que j’en retiens, plantages inclus.
Vous cherchez plutôt les bases, celles à comprendre avant de pousser des process IA dans votre entreprise ? Elles sont réunies ici : passer la vitesse avec l’IA, 9 repères.
- Les faux départs : Chatbot | Copilot
- L’IA dans mes outils
- L’agent dans l’IDE
- 1 mois compressé en 1 jour
- Ma stack actuelle
- Human in the loop
- Ce que j’en retiens : L’expérience et la curiosité, pas le modèle | Le FOMO
1. Les faux départs
Mon premier contact, c’est ChatGPT. Comme beaucoup.
On pose une question, on est bluffé. Puis on creuse, on sort du cas d’école, et la magie s’estompe.
En développement web, copier-coller du code depuis un chat, corriger, re-coller, re-corriger… un aller-retour permanent qui coûte plus de temps qu’il n’en fait gagner.
Le chatbot reste utile pour un coup rapide, un brainstorm, une vérification.
Côté SEO, il accélère déjà la production de contenu : premiers jets, reformulation de balises title, variantes pour éviter le duplicate.
Côté service client, il absorbe les réponses qui ne nécessitent pas mon expertise.
C’est d’ailleurs ce cas d’utilisation régulier qui me conduira, plus tard, à construire mon assistant email IA pour ma seconde activité.
GitHub Copilot dans VS Code
Le Chatbot débarque dans la même interface que l’éditeur de code. L’autocomplétion est en temps réel et les suggestions parfois justes, parfois à côté.
Le gain se mesurait en secondes, pas en heures.
J’ai résilié en attendant que les solutions gagnent en maturité.
2. L’IA dans mes outils : le vrai déclic
La vraie bascule, c’est quand l’IA a accèdé à mon contexte sans être noyée : mes fichiers, mon terminal, des API.
Plutôt que d’utiliser l’IA à travers un produit (interface de chat), j’ai commencé à l’intégrer dans mes propres outils.
J’ai, en interne, un logiciel d’analyse SEO.
Il crawle les sites, suit les positions Google, extrait les données sémantiques, identifie les mots-clés ciblés, suggère des mots clés manqués. Tout ce que peut faire un SEMRush, SEObserver ou encore Sistrix, mais avec de la data accessible sans limite.
Un dashboard que j’utilise au quotidien avec sa quinzaine de points d’accès API qui, jusque-là, me servaient à demi-mesure : résultats Google, volumes de recherche, liens entrants, statistiques par site, différences entre deux crawls…
La balance maintenance vs abonnement à un service tiers n’a pas toujours été à l’équilibre depuis 10 ans. L’IA a changé la donne, mais ça mériterait un article entier.
Le jour où j’ai branché un LLM dessus, le levier est apparu.
Et c’est un levier que personne ne peut reproduire avec un prompt et un chatbot : il faut l’outil, les données, et des années de pratique SEO pour savoir quoi en faire.
Je lance un audit de stratégie de contenu. Le modèle récupère les positions actuelles, les mots-clés ciblés, les requêtes associées, les contenus crawlés des concurrents, les données sémantiques et le contexte métier.
Le LLM croise tout ça plus vite que je ne l’aurais fait. Il produit des recommandations ancrées dans les données réelles du site, pas des généralités.
Je me concentre sur ce qui compte : arbitrer.
En 2 ans, j’ai affiné les process.
Côté opérationnel, au début, je générais du contenu SEO utilitaire, correct mais fade. Aujourd’hui, il porte la voix des marques avec lesquelles je travaille.
Autre cas concrent, un client e-commerce avec des dizaines de fiches produits qui partagent les mêmes formulations. Duplicate content classique. Le problème n’est pas uniquement SEO mais également UX. L’utilisateur qui compare 2 produits tombe sur des textes similaires et manque d’élément pour choisir.
L’IA réécrit chaque fiche en s’appuyant sur les différences réelles entre produits : caractéristiques techniques, cas d’usage, public cible. Les distinctions existaient dans les données, elles ne transparaissaient pas dans le texte. Après réécriture, chaque fiche aide réellement l’utilisateur à faire son choix.
Une pincée de pages listing en plus pour structurer le parcours, et le site devient navigable (et augmente sa visibilité organique).
Des semaines de rédaction compressées en quelques jours de supervision. Le résultat dépasse ce que produisent un rédacteur/chargé de com lassé par la répétition ou un master-spin bien rodé. Chaque fiche devient réellement unique.
Ce n’est pas du contenu généré en masse. C’est du contenu qui aurait dû être unique depuis le départ, pour Google comme pour l’utilisateur qui compare 2 produits. Le gain est autant UX que SEO.
Aujourd’hui, je passe à l’échelle. Vraiment à l’échelle. Rendez-vous dans quelques semaines pour voir si l’échelle ne casse pas sous le poids.
Garbage In, Garbage Out.
l’IA ne remplace pas l’expertise, elle l’amplifie. Sans connaissance du domaine, le LLM brasse du vent. Avec des données, un contexte métier et le regard d’un expert, il devient un multiplicateur.
Données, contexte métier, regard d’expert : sans ces trois ingrédients, l’IA n’est qu’un perroquet stupide.
Et vous, jusqu’où avez-vous poussé ces 3 ingrédients ? Parlons-en sur X.
3. L’agent dans l’IDE : apprendre à superviser
L’étape suivante, c’est l’agent intégré à l’éditeur de code/texte. Un outil qui lit les fichiers, comprend des projets, exécute des commandes.
Et surtout, qui permet d’explorer, de sortir des process rodéset à grande vitesse.
J’ai commencé avec Cursor, testé Windsurf et Cline en parallèle, fait un passage par Antigravity.
Chacun a ses forces, la logique est la même : donner au modèle un accès direct au code et au terminal.
Le rm -rf que je mentionnais en introduction, c’est arrivé là en expérimentant en mode Yolo le fix d’un bug en prod.
C’est rares aventures en prod, sont le plus souvent en local avec des tests automatisés qui prennent d’autant plus d’importance pour laisser un agent en roue libre.
C’est le portique de sécurité de l’aéroport : ce n’est pas le pilote qui vérifie chaque passager, c’est le système.
Mon job, c’est de m’assurer à minima que le portique fonctionne.
Au début, je vérifiais chaque ligne, chaque commit. Puis j’ai construit la confiance en investissant dans des quality gates : tests unitaires, vérification automatique de la qualité du code, tests qui simulent le parcours d’un vrai utilisateur. Si les portiques passent au vert, le commit peut passer.
L’IA propose, les tests disposent. Elle ré-ajuste. Je garde un oeil.
On passe du micro-management à la supervision. L’énergie mentale libérée, je la réinvestis dans l’architecture, la vision produit, la stratégie. Et accessoirement, je perds du jus de cerveau à orchestrer jusqu’à dix refactorings en parallèle.
J’ai appris à laisser l’IA explorer sa propre direction. Avant, je voulais qu’elle code exactement comme moi, maintenant, j’ai l’assurance qu’elle sait faire mieux et plus vite.
Aujourd’hui, je la laisse aller, au besoin, je la recentre.
Et parfois, c’est l’inverse : je m’en sers pour monter en compétence sur une techno que je ne connais pas. L’IA devient un tuteur patient qui code avec vous, pas à votre place.
4. 1 mois compressé en 1 jour avec Claude Code
Fin 2025, j’ai lâché Cursor pour Claude Code. Les résultats étaient meilleurs. Empiler les abonnements n’avait plus de sens.
Mon setup aujourd’hui : VS Code, Claude Code, 200 € par mois.
Je ne suis pas un early adopter. Mais quand un outil fait le job, je m’y installe et j’apprends à le connaître en profondeur plutôt que de courir après chaque alternative.
Et puis il y a ce projet qui est arrivé en même temps.
Une agence de portage de voyages pour guides indépendants. Tunnel de vente avec paiement. Système d’adhésion et commissions dégressives. Espaces pro par guide. Gestion des notes de frais et honoraires. Tracking des apports d’affaires entre coopérants.
Le genre de projet où on passe plus de temps à modéliser les règles métier qu’à écrire du code.
J’ai préparé un brief. Pas un prompt de trois lignes. Un vrai document de spécification : architecture, contraintes métier, cas d’usage, stack technique.
Claude m’a produit le back-end fonctionnel en 1 journée. Modèles, logique métier, API, gestion des rôles, le gros œuvre.
1 journée. Pour ce qui m’aurait pris 1 mois.
Soyons honnête : le front, l’UX, les allers-retours avec les futurs utilisateurs, la maintenance au quotidien, ça ne se compresse pas de la même façon. L’IA accélère massivement la production de code, beaucoup moins les itérations humaines. Le projet est en cours de lancement…
Écrire des specs précises en amont, concevoir l’architecture, anticiper les cas limites : c’est un savoir-faire de développeur, pas de « prompteur ». Un freelance sans système, sans ses propres outils et sans expérience d’architecte ne reproduit pas ça en copiant un prompt.
En parallèle, j’ai poussé le CMS qui me permet de faire pivoter la plupart de mes projets vers des process IA fluides.
Je développe Pushword depuis 8 ans maintenant, un CMS open source construit sur Symfony, pensé SEO-first (par un consultant SEO, forcément). Multi-sites natif, i18n, flat file (contenu stocké dans de simples fichiers texte), génération statique, versioning des pages, scan des pages (liens morts, internes, externes, ancres, redirections, email, tel…).
C’est devenu ma stack de prédilection, et celle que je propose à mes clients lorsque j’assure la partiee web. La raison est simple : l’architecture flat file supprime la friction avec l’IA. Pas d’admin à traverser, pas d’API REST à interroger. L’agent lit et écrit directement dans les fichiers markdown. En une commande (pw:page-scan), je sais si un lien est mort, une redirection cassée ou une ancre manquante (ou plutôt l’IA sait et corrige).
Pour des process de production de contenu IA, c’est exactement le type de CMS qu’il faut : transparent pour la machine, confortable pour l’humain (éditeur visuel par blocs, type Notion, quand on préfère l’interface). C’est ce pipeline complet (savoir-faire > outil SEO & GEO > API > LLM > CMS flat file > Quality gates > en ligne) qui fait la différence pour mes clients. Pas l’IA seule.
Le premier e-commerce propulsé par Pushword vient de sortir (branché sur le CRM du client via API).
Depuis, j’outille tous mes process récurrents de la même façon : fichiers de configuration, prompts système réutilisables, scripts qui orchestrent mon API SEO avec Claude.
Chaque tâche dispose de son propre contexte et de ses garde-fous.
Ma stack actuelle (dernière mise à jour en août 2026)
Cet article sera maintenu à jour en fonction de l’évolution de mon usage. Comme l’écosystème change tous les trois mois (adieu Copilot, au revoir Cursor), voici une photo de l’établi à l’instant T.
C’est une configuration minimaliste, centrée sur le contrôle et la rapidité :
- Modèles Opus xHigh / gpt-5.6-sol xhigh. Depuis Opus 4.6, l’écart de « raisonnement » compte moins pour moi que la vitesse, et de ce côté-là ce sont plutôt les modèles chinois (GLM) qui sont au rendez-vous.
- L’interface (IDE) : Zed, qui a remplacé codium en cours d’année. Toujours pas d’extension IA intégrée : je préfère utiliser le terminal pour dialoguer avec l’agent, ce qui m’évite les distractions de l’autocomplétion intempestive (je n’édite presque plus de code à la main). Le Git Panel laissé ouvert me sert de relecture passive sur ce que l’agent modifie.
- L’agent : Claude Code (en CLI), Codex en cours de test et, de temps en temps, OpenCode
- Le Framework Web : Pushword. Mon CMS Flat-file. L’absence de base de données SQL facilite le travail de l’IA qui peut lire et modifier directement les fichiers Markdown du site. Pour le compte de client, je suis amené à travailler avec Wordpress (merci l’API) ou Drupal (bonjour Puppeteer).
- L’outillage SEO : Une suite logiciel maison qui me met à disposition en illimité l’intégralité des données collectées, triées et organisées (du suivi de positions aux monitorings des backlinks en passant par crawl).
- Mémoire et documentation : une passe mensuelle pour remonter dans des fichiers versionnés ce que l’agent a appris, puis vider sa mémoire. Le détail, les chiffres et les 7 prompts sont dans MEMORY.md : faut-il couper la mémoire de Claude Code ?
Coût mensuel opérationnel : environ 200 € (principalement l’abonnement, en équivalent API je dépasse bientôt les $4 000).
Pourquoi cet écart change le calcul, et à quel moment il faut malgré tout basculer sur l’API : c’est le repère 6 des bases de l’IA.
Skills globaux
La liste ci-dessous est le socle commun. Par-dessus, chaque projet empile ses propres skills : prompts métier, contexte client, outils spécifiques.
Dev related
- dev-browser : Automatisation navigateur (navigation, screenshots, scraping) efficace en tokens, équivalent au MCP Chrome
- code-simplifier / improve-php-codebase / code-html-enhancer : des adaptations d’un skill qui est depuis rentré dans Claude Code (
/simplify) - is-it-well-tested
- document / update-claude
- commit / tag-and-push
Contenu
- find-image / find-video : Chercher une photo/vidéo depuis un {provider}
Général
- summary : Générer un résumé standup de la session
Human in the loop
Aussi important que ce que l’IA fait bien : savoir où ne pas l’utiliser.
La publication reste humaine. Article de blog, page produit, mail client : le contenu se doit d’être relu et validé. L’IA prépare, structure, suggère, améliore.
Le dernier mot, c’est l’humain.
Ma réputation repose sur l’authenticité de ce que je publie. Un texte qui « sent » l’IA, même subtilement, c’est de la confiance perdue.
Par contre, je laisse l’IA commit sur mes projets. Tests unitaires au vert, qualité du code vérifiée automatiquement, tests de parcours utilisateur passés : le code entre.
Le code a des garde-fous objectifs et automatisables. Le contenu éditorial, non. Aucun test automatisé ne peut vérifier si un texte sonne juste, s’il est fidèle à votre voix, s’il va résonner avec votre audience.
Ce que j’en retiens
L’expérience et la curiosité, pas le modèle
L’IA amplifie ce que vous savez déjà. Elle ne compense pas ce que vous ne savez pas.
Savoir quoi demander, évaluer une réponse, repérer quand l’agent fait fausse route, architecturer un brief technique : tout ça repose sur des années de pratique ou une vraie volonté d’apprendre. L’expérience reste le vrai levier, pas le modèle.
Sans ça, vous accélérez juste la production de médiocrité. Les anglophones ont un mot pour ça : AI slop.
AI FOMO
En théorie, l’IA me fait gagner du temps de bureau pour passer plus de journées dehors.
En pratique (et peut-être comme vous), je passe le temps gagné à explorer de nouveaux process IA ou faire de la veille. C’est le rever de la médaille où parfois, j’ai l’impression de courir après le temps.
Le FOMO est réel. Note à moi-même : ça bouge trop vite pour que quiconque soit « à jour ». Ce qui m’aide, c’est garder les pieds en montagne, au propre comme au figuré.
Amélioration de mon assistant email avec Claude Code, industrialisation de mes process SEO via un framework de skills, LLM open source (souveraineté, coût, curiosité), génération d’images et vidéo… La liste ne raccourcit pas.
Dans six mois, cet article sera probablement déjà obsolète.
C’est le jeu. Amusez-vous bien ✌️
Consultation stratégique et technique
Où l'IA créera-t-elle réellement de la valeur chez vous ?
Passez de la veille aux priorités : partons de vos process, de vos données et du coût réel du problème.
Prendre rendez-vous
Si vous avez apprécié ce partage et que vous souhaitez être informés de mes prochaines publications :
Poursuivre votre lecture