Claude Code : de Google amélioré à assistant personnel

On utilise tous l'IA. On pose une question, on obtient une réponse. C'est pratique. Mais ça reste un Google amélioré.

Si le mot vibecoding ne te dit rien, commence par cet article, tu liras la suite plus tranquillement.

Le problème ? L'IA ne te connaît pas. Tu as le meilleur des stagiaires à ta disposition. Brillant, rapide, cultivé. Sauf que c'est son premier jour. Tous les jours.

Si je lui demande une recette de tarte aux pommes, elle me donne LA recette. La même que pour tout le monde. Mais si elle savait que j'habite en Guadeloupe, que j'ai pas de moule à tarte et que j'ai des goyaves plein le jardin, elle me dirait "fais plutôt un crumble à la goyave avec ce que t'as". Plus tu donnes de contraintes à l'IA, plus elle cherche dans la bonne direction.

Du coup, certains essaient de fermer ce gap. On crée des GPTs personnalisés, des sortes d'assistants spécialisés pour une tâche précise : un pour les emails, un pour le marketing, un pour la compta. On upload des documents dans des projets Claude ou ChatGPT pour que l'IA ait du contexte. Les plus techniques construisent des RAGs, des systèmes où l'IA va piocher dans une base de documentation pour répondre.

Ça marche. Au début.

Mais voilà : le monde évolue vite, nos vies changent, la technologie bouge. Ces systèmes sont statiques. Pour les maintenir, il faut re-uploader les docs, modifier le prompting, se tenir à jour. Ça crée de la friction. Et la friction, c'est l'ennemi. Au bout de quelques semaines, soit on abandonne, soit le système devient obsolète sans qu'on s'en rende compte.

Et si le problème n'était pas l'IA, mais la manière dont on essaie de lui donner du contexte ? (Sur un projet de code, ça porte un nom et des méthodes précises. Ici, on reste sur le quotidien.)

L'IA agentique : un système qui évolue avec toi

Plutôt que de configurer l'IA à travers une interface web, on peut la laisser vivre directement dans nos fichiers.

C'est ce que permet Claude Code. Et c'est pas le seul : OpenCode fait la même chose avec d'autres modèles.

Le principe : l'IA a accès à un dossier sur ton ordinateur. Pas un upload figé. Tes vrais fichiers, ceux que tu modifies au quotidien. Quand tu mets à jour un document, l'IA le voit à la prochaine session. Pas besoin de re-uploader quoi que ce soit.

Si tu connais les projets Claude ou ChatGPT, c'est le même concept, sauf que les documents évoluent avec toi.

Et les GPTs personnalisés ? Ici, ça s'appelle des skills. Ce sont des instructions spécialisées que tu crées pour des tâches précises : rédiger un email, préparer une réunion, écrire un article. La différence : ils partagent tous le même contexte. Ton assistant email connaît ton projet en cours. Ton assistant blog a accès à tes notes. Tout est connecté.

Pour la mémoire, les grandes entreprises de l'IA travaillent toutes sur le même problème : faire en sorte que l'IA se souvienne de tout ce que tu fais pour être pertinente sur la durée. Elles n'y arrivent pas encore complètement. Mais on n'a pas besoin d'attendre. On peut gérer soi-même cette mémoire, sous forme de documentation. Un fichier qui décrit ton projet, un autre qui dit où tu en es, un autre qui liste ce qui est fait et ce qui reste à faire. J'ai détaillé ce qu'on met dedans, et surtout ce qu'on n'y met pas. L'IA les lit, les met à jour, et reprend là où elle s'était arrêtée.

Concrètement, ça donne quoi ? J'utilise Fathom pour enregistrer mes réunions. Après un call, je donne le transcript à l'IA et je lui dis "mets à jour le projet avec ce qu'on a dit et dis-moi les prochaines étapes". Elle modifie les bons documents, met à jour les tâches, et me donne un plan d'action. Sans que j'aie besoin de me souvenir de tout ce qui a été dit. Le projet évolue tout seul.

Sauf qu'une fois qu'on a goûté à ça, on veut tout automatiser.

Le piège de la complexité

Quand on découvre ce que l'IA agentique peut faire, on a envie de tout automatiser. De créer des agents qui s'alimentent entre eux, des workflows qui tournent tout seuls, des systèmes qui se mettent à jour sans intervention humaine.

J'ai fait cette erreur. J'ai construit des systèmes entièrement codés pour encapsuler ma logique : mes manières de faire, mes process, mes préférences. Ça marchait. Mais c'était figé. Difficile à modifier. Difficile à faire évoluer. Exactement le problème qu'on essayait de résoudre au départ.

L'IA elle-même a cette tendance. Laisse-la faire sans supervision et elle va créer des milliers de notes, dupliquer des règles, ajouter des couches d'abstraction dont personne n'a besoin. Ça devient une usine à gaz. Non navigable pour l'humain, non maintenable par l'IA.

Et au-dessus de ça, il y a le FOMO, cette peur permanente de rater le prochain outil. J'ai raconté ailleurs comment j'ai arrêté de courir : ce qui compte ici, c'est qu'il t'empêche de capitaliser.

La solution, c'est d'une simplicité presque décevante : du markdown. Des fichiers texte.

Le markdown, c'est un format de texte universel. Pas de logiciel propriétaire, pas d'interface compliquée. Un fichier qu'on peut ouvrir avec n'importe quel éditeur de texte, lire à l'œil nu, et que l'IA comprend parfaitement.

Tes process, tes notes, ta documentation, tout ça vit dans des fichiers texte sur ton ordinateur. Tu les possèdes. Personne ne peut te les retirer. Et surtout : tu peux les passer à n'importe quel modèle d'IA.

Aujourd'hui je parle de Claude Code parce que c'est celui qui innove le plus vite et qui est le plus pertinent. Mais demain, si un autre modèle le dépasse, mes fichiers ne changent pas. OpenCode, par exemple, utilise la même architecture et permet d'utiliser d'autres modèles de la même manière. Mêmes fichiers, autre moteur. Tu n'es pas prisonnier.

Rester simple, c'est la clé. Mais encore faut-il savoir quoi documenter.

Conscientiser ses process

On croit tous faire les choses "naturellement". Mais en réalité, on a des process. Quand tu prépares une réunion, tu fais toujours les mêmes étapes. Quand tu réponds à un email client, tu as un ton, une structure, des réflexes. Quand tu planifies ta semaine, tu as une méthode, même si tu ne l'as jamais écrite nulle part.

Le vrai travail, c'est pas d'automatiser. C'est de rendre explicite ce qui est implicite.

Une fois que tes manières de faire sont documentées, dans un fichier texte, en langage clair, l'IA peut les suivre. Elle peut les améliorer. Elle peut les mettre à jour quand quelque chose change. Tu deviens l'architecte, l'IA devient l'ouvrier qui exécute selon tes plans.

Ça demande un effort. Pas technique. Intellectuel. Se poser et se demander : "comment je fais, concrètement, quand je fais X ?". Décomposer. Écrire. C'est un investissement, mais c'est celui qui a le meilleur retour. Parce qu'une fois que c'est fait, ton système évolue avec toi au lieu de s'effriter.

Et si tu pousses le concept encore plus loin, ça porte un nom : le second cerveau. Un endroit où tu stockes tout ce qui compte. Tes projets, tes idées, tes lectures, tes décisions. Quand l'IA a accès à ça, elle ne te connaît pas juste pour un projet. Elle te connaît, toi. Mais ça, c'est une autre histoire.

L'important, c'est de commencer. Ce soir, ouvre un fichier texte et écris trois lignes : qui tu es, sur quoi tu bosses, où tu en es. Demain, tu les donnes à l'IA avant de lui demander quoi que ce soit. Tu verras la différence tout de suite.