Comment l’IA peut démultiplier votre capacité par 10, à condition d’aller au-delà de ChatGPT

Cet article est un retour d’expérience concret. Ce n’est pas un billet d’analyse écrit à distance du terrain. Il part d’une pratique réelle, menée sur quelques jours, avec un objectif précis. En moins de huit jours, je suis passé d’un simple usage de ChatGPT à une forme de travail « augmenté », avec des gains de productivité que je n’aurais jamais imaginés. Et cela remet en cause, très concrètement, la définition même de mon travail. Comme d’habitude, cet article s’appuie sur mon expérience : la création de logiciels SaaS. Mais la plupart des idées présentées ici sont transposables à bien d’autres domaines.

Dépasser ChatGPT

ChatGPT est un outil extraordinaire. Il me sert au quotidien :

• pour les petites tâches répétitives, comme corriger l’orthographe, la grammaire, la mise en forme et alléger le style des documents que je produis ;
• comme moteur de recherche, capable de répondre directement à mes questions, là où Google me propose surtout des pages proches de ma requête, en me laissant faire le tri et le recoupement ;
• comme sparring partner pour challenger mes idées : il suffit de lui donner un document, un objectif, un contexte, et il va faire émerger des pistes auxquelles je n’avais pas pensé, pointer un passage flou ou proposer des arguments contraires aux miens.

Mais ChatGPT a aussi ses limites. C’est un excellent outil conversationnel. Il aide à chercher, reformuler, explorer et challenger une idée. En revanche, il reste limité dès qu’il faut travailler sur un projet dans la durée, structurer un système ou créer lui-même des outils pour exécuter des tâches complexes.

Un cas concret ?

Dans mon métier, j’ai besoin de comprendre comment évoluent les marchés de mes clients. Pour cela, l’un des leviers les plus utiles est une veille concurrentielle à jour. Pour un humain, le travail est colossal. Pour chaque concurrent, il faudrait :

• regarder toutes les vidéos YouTube : webinars, démos produit, interviews clients ;
• lire tous les billets de blog ;
• consulter régulièrement certaines pages du site web selon l’axe d’analyse choisi ;
• lire toutes les newsletters.

Et ensuite produire des analyses :

• par thématique : par exemple, comment nos concurrents abordent-ils l’IA et quelle proposition de valeur mettent-ils en avant pour leurs clients ?
• dans le temps : comment évoluent-ils ? Des tendances émergent-elles ? Observe-t-on des signaux faibles ?
• par concurrent : évolution de leur stratégie, ouverture de nouveaux marchés, nouveaux pays, nouvelles verticales, etc.

Autant dire que ce travail peut occuper une personne à plein temps.

Comment construire notre solution

Comme le montre le schéma, ce type de projet demande des workflows, des outils techniques pour convertir une vidéo YouTube en texte afin de permettre une analyse sémantique ultérieure, parcourir des blogs pour trouver les derniers articles ou traduire des sources provenant de plusieurs langues, ainsi qu’une mémoire à long terme avec, par exemple, la liste des vidéos déjà transcrites et des articles déjà traités. Il faut également une capacité à générer de nombreux documents d’analyse.

Et surtout, il faut pouvoir piloter tout cela avec quelques commandes simples :

• récupère les dernières vidéos, les derniers billets de blog publiés… ;
• mets à jour ton analyse concurrentielle ;
• reconstruis complètement un site web avec l’ensemble des données à jour.

Aussi puissant soit-il, ChatGPT trouve vite ses limites sur ce type de projet. Il aide à penser. Il n’est pas conçu, à lui seul, pour construire et faire tourner un système complet.

Claude Code

Vous connaissez peut-être Claude.ai, un concurrent de ChatGPT. Au-delà d’un LLM comparable à ChatGPT, il propose un produit bien plus avancé : Claude Code. Et c’est là qu’il faut bien faire la différence. ChatGPT est avant tout un outil conversationnel. Claude Code change d’échelle : il ne sert plus seulement à discuter d’un problème, mais à construire un système capable d’agir, de produire du code, d’orchestrer des tâches et de faire évoluer un projet dans le temps.

Cet outil permet donc de construire un vrai projet capable de répondre au besoin décrit plus haut. À l’inverse d’un développement classique, où tout doit être pensé et codé à la main, Claude Code permet de créer un système hybride : d’un côté des agents IA, chacun avec un rôle précis ; de l’autre, du code qu’il génère lui-même.

Le meilleur des deux mondes

Au final, on obtient le meilleur des deux mondes : le code pour les parties déterministes, avec notamment la rapidité de traitement et, dans notre cas, la possibilité de lister les vidéos YouTube, d’appeler une API pour récupérer leurs transcriptions, de les horodater et de les ranger dans le bon répertoire ; et des IA pour la partie réflexion et analyse, par exemple pour traduire une vidéo en français si besoin, l’analyser, puis la classer dans les bonnes catégories — IA, inbound marketing, etc.

En huit jours de test — c’était mon deuxième projet ; le premier était surtout un crash test pour comprendre comment fonctionnait Claude Code, et il a fini à la poubelle — j’ai pu produire un intranet capable de centraliser toute la matière collectée sur plusieurs concurrents sur les trois dernières années, puis d’être mis à jour et publié sur un intranet via quelques commandes simples.

Avec un tel outil, il ne vous reste plus qu’à vous concentrer sur ce qui devrait être votre vrai métier : l’analyse concurrentielle au service de votre stratégie, et non le travail fastidieux de récupération, remise en forme, traduction, catégorisation, croisement et publication dans un intranet. Imaginez qu’en quelques semaines, vous puissiez lancer trois, quatre, cinq, voire dix applications capables de prendre en charge ces tâches fastidieuses, pour enfin consacrer votre temps à celles où vous apportez une vraie valeur.

Autres cas concrets ?

Mettre à jour votre documentation support

Mettre à jour — ou au moins produire un rapport complet pour limiter les erreurs de l’IA — l’ensemble de votre documentation support à chaque évolution de votre produit.

Créer une rétrodocumentation de votre produit

L’IA peut parcourir le code source, s’il est bien préparé, afin de réécrire une documentation complète. Elle sera souvent meilleure qu’une documentation existante remplie de trous, d’incohérences et de sections jamais mises à jour.

Compiler une documentation « by the book »

Il devient possible de compiler une documentation pour évaluer votre produit face aux bonnes pratiques métier. Par exemple : quels sont les écarts fonctionnels de votre produit par rapport aux normes xxxx, yyy, zzz ?

Gérer l’ensemble de vos retours utilisateurs

L’IA peut également intervenir dans la gestion des retours utilisateurs :

• détection de tendances et de signaux faibles ;
• possibilité de prévenir automatiquement chaque client dès qu’une fonctionnalité répondant — ou proche — de son besoin passe en production.

Un usage sous supervision

Même si Claude Code est capable de produire du code de manière très autonome, et souvent très précise, il garde — comme toute IA — la capacité de commettre des erreurs, parfois évidentes et pouvant avoir des impacts importants. Par exemple, il m’a supprimé toutes les données d’un répertoire. Il faut donc savoir évaluer son travail.

Il lui manque aussi encore une vraie capacité à penser un projet dans sa globalité. Ses compétences en architecture logicielle restent limitées. On constate d’ailleurs ce problème chez beaucoup de personnes qui créent des applications avec l’IA : au départ, tout semble fluide. Mais plus on ajoute de fonctionnalités, plus l’application devient difficile à maintenir, jusqu’à devenir inexploitable et impossible à faire évoluer sans créer des régressions et des bugs à la chaîne.

L’entreprise et vos métiers demain — ou dès aujourd’hui ?

Comme vous l’avez constaté, Claude Code est un produit qui produit et exécute du code. Et il est impossible — en tout cas pour l’instant — de le laisser agir sans un minimum de supervision et de direction technique. À l’inverse de ChatGPT, un profil non technique atteindra vite ses limites avec ce type d’outil, ou n’en exploitera pas toute la puissance.

Il ne reste alors que deux options. Vous mettre au code ? Ce n’est pas si simple. Car coder, ce n’est pas seulement écrire du code. Le code lui-même ne représente souvent qu’une partie du travail. Le plus important, c’est de savoir spécifier un besoin, architecturer une plateforme, définir des standards et structurer des outils comme des données. Et cela ne s’apprend ni en deux jours, ni en deux semaines, ni même en deux mois. Je ne pense donc pas que ce soit la meilleure réponse.

L’option la plus solide consiste à travailler étroitement en binôme. Un projet IA, c’est d’abord la rencontre entre un besoin métier et une technologie, avec ses forces comme ses contraintes. La meilleure façon d’avancer sur ce type de projet est donc de casser les silos pour faire travailler ensemble une personne qui connaît le métier et une personne qui maîtrise la technique.

Les silos sont un choix d’organisation, pas une fatalité. Or, à mesure que la technologie transforme les entreprises, ce choix affaiblit leur capacité d’adaptation. De la même manière, il faut réduire les comités et les réunions de gouvernance qui freinent l’exécution : un problème, un duo de responsables — qui sait, qui fait —, une action, un résultat.

Gouvernance des données

Même si je suis très critique vis-à-vis de la gouvernance des données telle qu’elle est souvent pratiquée, elle doit exister. Mais pour jouer son vrai rôle, pas pour devenir un sable mouvant dans lequel tout le monde s’enlise.

Prenons un exemple simple : comment gérer des données clients nominatives avec une IA comme Claude Code ? C’est une vraie question, et c’est justement celle que je me pose en ce moment. En parallèle, tous vos logiciels professionnels — CRM, support, etc. — sont déjà en train d’ajouter de l’IA partout. Vos données clients sont donc déjà traitées par des IA, ou le seront bientôt si vous ne voulez pas rester à la traîne en refusant d’activer des fonctionnalités qui finiront probablement par être activées par défaut par les éditeurs.

Sans oublier votre boîte email, gérée par Microsoft ou Google : deux entreprises américaines où transitent déjà tous vos échanges avec vos clients, ainsi que des contrats, devis et pièces jointes. Le problème est réel. Mais il faut l’adresser globalement, plutôt que de se focaliser sur un seul point alors que la situation concerne déjà toute l’entreprise depuis des années.

Conclusion

Le coût d’entrée s’est effondré. Aujourd’hui, pour lancer ce type de projet, il ne faut plus une équipe entière, un budget lourd et plusieurs mois de cadrage. Il suffit souvent d’un ordinateur portable, d’un abonnement à une IA — dans mon cas Claude Code, entre 20 et 200 euros par mois — et de quelques heures pour obtenir un premier résultat tangible.

Mais il ne faut pas se raconter d’histoires : ces outils restent encore très orientés « code ». Ils produisent vite, beaucoup, parfois brillamment. Et, de temps en temps, ils se trompent. Une culture technique reste donc décisive pour cadrer, relire, structurer, tester et corriger.

Le meilleur parallèle n’est pas celui d’un outil magique. C’est plutôt celui d’une équipe très rapide, capable d’exécuter énormément, mais encore trop peu expérimentée pour construire seule un produit robuste et durable. La capacité de production est immense. L’autonomie, elle, reste relative.

Et c’est là que tout change. Car si vous pouvez produire dix fois plus vite, vos concurrents le peuvent aussi. Le niveau de qualité perçu va évoluer. Ce qui paraissait impressionnant hier deviendra bientôt normal. La transformation n’est pas à venir. Elle est déjà là. La vraie question est de savoir qui va apprendre à travailler avec elle — et à en faire un avantage réel.