Depuis fin 2023, l’IA générative est devenue une partie intégrante de ma façon de travailler. Pas un gadget, pas un outil pour générer du contenu en masse – un assistant qui me permet de travailler plus vite et mieux sur des tâches spécifiques.

Voilà ce que j’utilise concrètement, avec les limites que j’ai identifiées.

Analyser des données et identifier des patterns

C’est le cas d’usage qui m’a le plus surpris par son efficacité. Quand je reçois un export Google Analytics ou Search Console d’un client, je passe les données brutes à Claude avec une question précise : « quelles sont les pages qui ont perdu le plus de trafic entre ces deux périodes, et quelles pourraient en être les causes ? »

Ce qui prendrait 30 à 45 minutes d’analyse manuelle se fait en 5 minutes. Le modèle identifie des patterns que j’aurais peut-être manqués, et structure l’analyse de façon lisible pour un client non-technique.

Rédiger des premiers jets de documentation

Après chaque livraison de site ou d’automatisation, je dois produire une documentation pour le client. C’est utile mais chronophage. Maintenant, je décris oralement ce que j’ai construit (enregistrement vocal retranscrit), je passe la transcription à Claude, et je demande une documentation structurée.

Je relis et corrige – l’IA fait des approximations sur les détails techniques que je dois valider. Mais le gain de temps est réel : de 90 minutes à 20 minutes par livraison.

Construire des agents pour des tâches répétitives

Via l’API Anthropic et Composio, j’ai construit plusieurs agents qui tournent en arrière-plan :

  • Un agent qui surveille les mentions de mes clients sur le web et m’envoie un résumé hebdomadaire
  • Un agent qui classe automatiquement les emails entrants de prospects selon leur niveau de qualification
  • Un agent qui génère des variantes de titres pour les articles de blog à partir d’un sujet donné

Ces agents utilisent l’API Claude (claude-sonnet-4-6 en ce moment) avec des prompts précis et des outils connectés via Make.com ou directement via webhooks. Le coût par exécution est de l’ordre de quelques centimes.

Ce que l’IA ne fait pas bien (encore)

La génération de code sur des projets complexes reste limitée. Sur des bases de code existantes avec des dépendances spécifiques, les suggestions sont souvent approximatives et nécessitent une révision sérieuse. C’est un assistant de codage, pas un développeur autonome.

La recherche factuelle récente est aussi un point faible. Les modèles ont une date de coupure de connaissance, et ils peuvent « halluciner » des faits qui ont l’air plausibles. Je ne me fie jamais à une IA pour des données récentes sans vérifier la source.

Ce que ça change pour les clients

L’IA me permet de produire plus, plus vite, sans baisser la qualité – ce qui se traduit par des heures facturées en moins pour les mêmes livrables. À 30$/h, c’est directement répercuté. C’est peut-être la conséquence la plus concrète pour les clients qui travaillent avec moi.