Les personnes qui disent « personne n'expédie jamais rien avec l'IA » sont dans un état de désarroi

Boris Cherny, l'ingénieur qui a créé Claude Code, vient de montrer comment il travaille désormais : « Je ne rédige pas le code source. Je parle à un agent, et l'agent l'écrit à ma place. Et maintenant, nous franchissons la prochaine étape… je ne parle même plus à l'agent. » La personne qui a conçu l'outil ne code plus manuellement. Il est déjà passé au-delà de l'interaction directe avec lui. 18 minutes, entièrement gratuit. Voici ce que personne ne relie à cela : ce même changement est la manière dont une seule personne construit aujourd'hui une véritable entreprise, seule. J'ai rédigé le système exact que j'ai utilisé… un produit en direct, 320 personnes sur la liste d'attente, 3 contrats B2B signés à 2 000 $/mois, une projection de 336 000 $ avec les calculs présentés. Regardez sa vidéo. Ensuite, construisez ce que cela rend possible. Article ci-dessous

Il y a deux mois, je n’avais aucune idée de comment utiliser des agents pour mon travail. J’étais désespéré d’apprendre, et dans cette désespérance, j’ai enfin découvert la meilleure façon d’implémenter un système agentic adapté à mes besoins, transformant mon travail en un jeu de flux de travail multi-agents et livrant des recherches d’excellente qualité. Pour contexte, depuis que j’utilise la combinaison Claude Code + Hermes, mon taux de réussite (opérations positives que je pouvais identifier) a augmenté à 68 %, soit deux opérations sur trois génèrent au moins un rendement triple du capital. Mais les bénéfices ne sont pas seulement monétaires : ils sont transformateurs, car cela m’a appris davantage sur l’avenir du travail intellectuel que la lecture de mille rapports de McKinsey n’aurait jamais pu le faire. Dans une série d’articles en deux parties, je révèle l’installation exacte que j’utilise et capture minutieusement chaque commande que j’ai jamais écrite pour la mettre en œuvre. J’espère que cela vous aidera à faire vos premiers pas dans la construction de votre propre deuxième cerveau + armée de machines super-intelligentes à votre disposition. La partie 2 est liée dans les commentaires ci-dessous (X n’a pas suffisamment de caractères pour permettre de publier cela en une seule fois). Bonne lecture

La question n’est plus de savoir si une intelligence non humaine existe. La question plus profonde est de savoir si la civilisation humaine a vécu à l’intérieur d’un récit technologique géré. Si c’est le cas, c’est une question de Pluton en Verseau. Pas simplement des avions cachés. Des systèmes cachés. Pas simplement des observations inexpliquées. Un savoir contrôlé. Pas simplement une divulgation. Une crise de l’autorité épistémique. Le bilan de 2026 montre que cette crise est entrée dans une nouvelle phase. Les UAP ne sont plus confinés à des auditions isolées, des revendications sensationnelles ou des spéculations marginales. Ils sont désormais intégrés dans la législation, les obligations de rapport, les systèmes de déclassification, les comptes des guides de classification, les lettres du Congrès, les documents publics d’AARO, les divulgations fédérales continues, les demandes d’immunité pour les dénonciateurs et les allégations publiques concernant de l’argent caché et une intelligence non humaine. Cela ne signifie pas que la divulgation est pleinement réalisée. Cela signifie que l’architecture de la dissimulation est désormais suffisamment visible pour être contestée. Et c’est là la véritable histoire de la divulgation. Pas une seule annonce. Pas un seul titre. Pas une seule audition. Un système sous pression. Pluton en Verseau n’expose pas simplement des secrets. Il exposer le réseau caché et puissant qui les protégeait.

Écrire des prompts n’est pas aussi efficace que concevoir des boucles : faire fonctionner un juge indépendant pour obtenir une performance six fois supérieure de Fable 5. Face à la tendance des grands modèles à développer une confiance aveugle lors de leur auto-correction, l’équipe d’Anthropic a mené des tests comparatifs dans le cadre d’un défi d’entraînement en apprentissage automatique. L’expérience a consisté à empêcher Fable 5 d’effectuer une auto-critique, et à utiliser la fonction Outcomes de CMA pour générer, dans une fenêtre de contexte indépendante, un agent d’évaluation qui agit comme juge selon un document de référence comprenant neuf indicateurs. Les résultats montrent que l’introduction d’une boucle avec un juge indépendant a permis à Fable 5 d’améliorer sa chaîne d’entraînement à hauteur de six fois plus que Opus 4.7. Fable 5 tend non seulement à expérimenter des ajustements majeurs de l’architecture, mais persiste également à corriger les régressions quantitatives, démontrant une résilience ingénieuse remarquable. En revanche, Opus 4.7, limité par ses mécanismes décisionnels, se contente d’ajuster de manière conservatrice des constantes scalaires selon des modèles prédéfinis. Dans une autre expérience portant sur l’apprentissage en ligne inter-sessions dans un système de questions-réponses sur base de données, l’équipe a utilisé un système de fichiers montés partageables pour établir une méthode en cinq étapes permettant aux grands modèles d’utiliser efficacement leur mémoire : enregistrer les échecs, diagnostiquer les causes, vérifier les faits, extraire des règles générales et interroger directement les règles. Les tests comparatifs ont révélé une forte disparité entre les modèles. Sonnet 4.6 se contente de noter superficiellement les erreurs et de faire des hypothèses aveugles, consultant presque jamais l’historique. Opus 4.7 parvient à établir des références de motifs avec des marques d’incertitude, mais son taux de couverture de vérification n’est que d’environ 17 %. Fable 5, en revanche, parvient à parcourir intégralement la chaîne de mémoire, avec un taux de couverture de vérification atteignant 73 %, et résume les diagnostics en règles générales. Ces expériences démontrent qu’il est bien plus pratique et efficace de concevoir des boucles d’auto-correction réactives et une gestion autonome de la mémoire que d’essayer de guider directement les grands modèles par des prompts. #AI #AIAgent @grok

Ils ont placé Fable 5 dans une lineup avec GPT-5.5 et GEMINI 3.1. Ce n’était pas une comparaison. C’était une exécution. Mêmes invites, quatre modèles : → Fluides 3D, animation volumétrique, simulations physiques – Fable 5 rend ce que les autres esquissent → Benchmark ingénieur senior : 91/100 contre 63 (Opus 4.8) contre 62 (GPT-5.5) Maintenant, traduisez cet écart en travail d’agence : → Recherche de KOL : 5 à 7 jours → 4 à 6 heures → Page de destination : 3 à 5 jours → 1 jour → Mêmes 12 personnes : 15 clients → 30. 120 000 $ → 250 000 $/mois. L’écart visuel est le même écart dans votre back-office. Choisissez en conséquence. Gratuit sur les plans payants de Claude jusqu’au 22 juin. Commentez « PLAYBOOK » et je vous enverrai le guide d’installation étape par étape – gratuit.

BRÈVE : Claude Fable 5 vient de remplacer l’intégralité du service administratif d’une agence de marketing !! Claude Fable 5 peut désormais : Identifier et évaluer 300 influenceurs en quelques heures – ER, faux abonnés, chevauchement du public Vérifier les captures d’écran de statistiques des créateurs grâce à la vision artificielle Surveiller les comptes publicitaires 24/7 et réallouer les budgets en cas de pics de CPA Créer des pages de destination pour les campagnes à partir d’une capture d’écran de référence – tests inclus Rédiger des rapports clients d’analyste senior à partir de tableaux de bord et de fichiers PDF Résultat : une agence est passée de 15 à 30 clients avec les mêmes 12 personnes. De 120 000 $ à 250 000 $/mois. C’est vraiment fou… Regardez cela. Commentez « PLAYBOOK » – je vous enverrai le guide d’installation étape par étape, gratuit 👇

L'IA ne remplacera même pas les développeurs. Certains ont prétendu que l'IA pouvait remplacer les enseignants 😂