Expertise
Intelligence artificielle : utile, jamais gadget
L'IA générative a changé une partie réelle du métier de delivery, mais pas celle qu'on imagine en lisant LinkedIn. Je déploie des outils IA dans les process d'agence et chez mes clients, avec des gains de productivité mesurables sur les cycles de production, sans jamais sacrifier la qualité du delivery.
Ma méthode
- Cartographie des tâches répétitives avant tout choix d'outil : l'usage précède la technologie
- Déploiement piloté sur une équipe restreinte avant généralisation
- Gouvernance claire : qui valide ce que la machine produit, avant que ça n'atteigne le client
- Formation des équipes à la relecture critique, pas à la confiance aveugle
Mini outil pour l'automatisation IA
Calculateur de ROI automatisation IA
Avant de recommander un outil IA à un client, la première question est toujours la même : est-ce que ça vaut vraiment le coût de mise en place ? Ce calculateur sort un chiffre honnête à partir des paramètres réels du poste concerné.
Vérificateur de conformité EU AI Act
L'EU AI Act est entré en application progressivement depuis août 2024. Fournisseur, déployeur, importateur : vos obligations dépendent de votre rôle et du domaine d'usage de votre système. Ce questionnaire identifie votre niveau de risque et les articles applicables en 6 étapes.
Quiz
Vous pensez maîtriser le sujet ?
41 questions sur l'IA, des idées reçues aux détails que peu maîtrisent, classées par difficulté. Les premières portent sur des idées reçues très répandues, les dernières sur des points que peu de gens maîtrisent.
Faire le quizRessource
Agenthèque
Un répertoire d'agents IA, de skills et de serveurs MCP utiles pour Claude et ChatGPT, filtrable par usage (marketing, développement, recherche...) et par nature d'outil. Inclut les outils que j'utilise réellement pour construire ce site.
Ressource
Loops
Un répertoire de workflows en boucle fermée pour agents de codage IA (Claude Code, Cursor, Codex) : déclencheur, portes de feedback, conditions de sortie. Inclut les loops que j'utilise réellement dans ma pratique, publication vérifiée, déploiement avec garde-fou de build, preview avant prod.
Questions fréquentes
Comment identifier les tâches à automatiser avec l'IA ?
En cartographiant d'abord les tâches répétitives à fort volume, faible valeur ajoutée humaine et format standardisé. La règle pratique : si une tâche peut être décrite par une procédure en moins de dix étapes, elle est probablement automatisable. Le critère décisif est le ROI sur 12 mois, pas la nouveauté de la technologie.
L'IA générative est-elle fiable pour un usage professionnel ?
Avec une gouvernance claire, oui. Les erreurs surviennent quand on confie à l'IA des tâches sans relecture humaine systématique. Le cadre que j'applique : l'IA produit, un humain valide avant tout départ client. Cela élimine les risques tout en capturant les gains de productivité réels.
Quels outils IA déployez-vous en agence ?
Cela dépend des usages cartographiés, mais les plus courants : outils de rédaction assistée et de brief (ChatGPT, Claude, Notion AI), automatisation des reportings via Make ou Zapier, et outils de synthèse de réunion. L'objectif est toujours de réduire le temps sur les tâches à faible valeur, pas de remplacer le jugement.
Sur ce sujet
5 derniers articles IA
TypeSafe et son modèle Jev : l'IA qui refuse d'écrire, et ce que ses chiffres ne disent pas
TypeSafe AI est sortie de stealth mi-septembre 2026 avec 40 millions de dollars de seed et Jev, un modèle qui ne génère aucun texte : il renvoie une décision typée assortie d'une probabilité. Je détaille à quoi ça sert concrètement, en partant du SEO (classer l'intention d'une requête, rattacher un mot-clé à la bonne page existante, repérer deux pages qui se cannibalisent, savoir quelles pages vieillissent vite), puis dans tout métier où il faut classer, détecter ou router, avec la réponse documentée à l'objection des catalogues de plus de 255 entrées. Les chiffres qui circulent méritent en revanche d'être lus de près : les réponses de référence des benchmarks sont produites par les modèles concurrents eux-mêmes, et une sortie garantie par un schéma n'est pas une sortie juste.
Ralentir l'IA : trois lectures d'un accord entre rivaux, et celle qui ne tient pas
Le 12 septembre 2026, Dario Amodei publie un plan en trois étapes pour ralentir la course aux capacités de l'IA et engage Anthropic à ouvrir ses systèmes à des évaluateurs externes permanents. En trois heures, Elon Musk et Sam Altman approuvent, alors que deux d'entre eux sortent d'un procès à 130 milliards de dollars clôturé il y a quatre mois et toujours en appel. Je montre d'abord l'asymétrie réelle des trois prises de position, un engagement ferme, une intention et une approbation, puis je rappelle le précédent oublié des engagements volontaires de 2023, dont une étude chiffre le respect moyen à 53 % et la sécurisation des poids à 17 %. J'examine ensuite les trois lectures critiques qui circulent : la captation réglementaire, que l'essai d'Amodei alimente lui-même en défendant les contrôles à l'export et la lutte contre la distillation ; l'alerte de Jacob Coxon, qui a quitté Anthropic en abandonnant ses parts et que la thèse de l'intérêt financier explique mal ; et la thèse de l'introduction en bourse, la seule vérifiable, qui ne résiste pas au calendrier ni aux chiffres. Avec le critère que j'utilise pour trancher sans sonder les intentions, et ce qu'une entreprise qui déploie de l'IA doit en faire quand ces engagements arriveront dans les appels d'offres.
Le vocabulaire de l'IA expliqué simplement : 30 termes pour comprendre ce qu'on vous raconte
Un glossaire pour débutants, classé par dépendance et pas par ordre alphabétique : chaque terme s'appuie sur le précédent. On part du machine learning et des tokens, on passe par l'inférence et le contexte, puis par tout ce qu'on ajoute autour du modèle (RAG, outils, MCP, skills), par l'autonomie (agents, loops, harnais), par le matériel (VRAM, quantification), et on finit par apprendre à lire un benchmark sans se faire avoir.
Harness IA : pourquoi il compte plus que le modèle qu'il pilote
Guide complet sur le harness IA : définition pédagogique, comparatif des architectures Claude Code (hooks applicatifs) et Codex (sandboxing système), et tutoriel étape par étape pour choisir et configurer un harness en entreprise.
10 000 agents, 88 heures, 5 millions de messages : Navier-Stokes lu comme un rapport de projet
OpenAI annonce une solution au problème de Navier-Stokes, produite par environ 10 000 agents en 88 heures. Je ne juge pas la démonstration, ce n'est pas ma compétence, et je pose d'emblée la nuance que beaucoup sautent : la preuve relève d'une variante avec force extérieure, autorisée par le règlement mais écartée par la plupart des mathématiciens, et le Clay Institute n'a rien accepté. En revanche l'annonce contient un rapport de projet, et ce que j'y lis en tant que chef de projet est plus transposable que les mathématiques : le cadrage était humain, le goulot d'étranglement s'est déplacé vers la vérification, le livrable est arrivé sans le chemin qui y mène, et le seul risque restant est celui que l'automatisation ne couvre pas, l'écart entre ce qu'on a démontré et ce qu'on voulait démontrer.