ChatGPT Codex peut lire la boîte mail, identifier les emails nécessitant une réponse, rédiger des propositions et créer les brouillons directement dans Gmail sans quitter l'interface.
Permet d'atteindre l'inbox zéro en déléguant le tri et la rédaction. Si un CRM est connecté, ChatGPT récupère automatiquement les informations sur les expéditeurs pour personnaliser les réponses. On peut planifier cette tâche en routine quotidienne.
D’après la vidéo
⚙ Comment ça marche
Dans ChatGPT Codex (onglet Work), on demande de lire les emails reçus et de proposer des réponses. L'IA parcourt la boîte, analyse le contexte et rédige des réponses adaptées qu'elle peut créer en brouillon directement dans Gmail.
💬 Ce qu’en pense l’auteur
L'auteur conseille vraiment de faire le tri de mail avec un LLM aujourd'hui. Il utilise lui-même des routines planifiées, notamment pour publier automatiquement sur LinkedIn.
✅ À faire
Mettre le paramètre sur 'approuver à ma place' au lieu de 'demander l'approbation' pour éviter de valider chaque action. Créer une routine quotidienne avec un prompt du type 'Continue à faire cette action jusqu'à ce que j'atteins inbox 0'.
Démo avecChatGPTGmail
« Lis ma boîte mail, les mails reçus aujourd'hui, lesquels requierent mon attention et notamment auxquels je dois rapporter une réponse. Listles-moi et propose-moi une réponse pour chacun d'eux. »
« je peux créer un brouillon à qui vient répondre. Donc, je peux faire Gmail, draft, create a draft. Hop. et derrière euh créer ce ce que me sort l'agent IA »
Claude Cowork peut analyser automatiquement les emails, l'agenda et les transcriptions de meetings passés pour générer un brief de préparation de rendez-vous en quelques secondes.
Pour les professionnels ayant beaucoup de rendez-vous, cela automatise la préparation en croisant plusieurs sources (emails, agenda, transcriptions). Plus on connecte d'outils, plus le contexte est précis. L'IA ne prend pas les décisions à votre place, elle synthétise seulement le contexte.
D’après la vidéo
⚙ Comment ça marche
Il faut être dans l'onglet Cowork (pas Chat) et avoir connecté ses outils (Gmail, Drive, Calendar). On dicte sa demande et l'IA va chercher dans les emails, l'agenda et les transcriptions de meetings pour synthétiser les points importants.
✅ À faire
Connecter ses outils via les connecteurs dans Claude ou les plugins dans ChatGPT. Si un connecteur n'existe pas dans le répertoire, chercher si l'outil expose un MCP.
⚠ Ses réserves
Plus on a de connecteurs, plus l'IA sera précise. Sans connecteurs, l'outil reste cloisonné et on utilise seulement 20% de son potentiel.
« J'ai un rendez-vous qui démarre dans 5 minutes, j'ai pas le temps de le préparer. C'est avec mon notaire. Est-ce que tu peux aller regarder mes anciennes conversations avec lui pour voir si il y a pas des choses que je devais faire ? »
Jeev est à utiliser en remplacement d'un LLM classique quand on a un problème de rapidité ou de budget, notamment pour le traitement de données en batch où on dépasse rapidement son quota de tokens ou son abonnement.
Pour les utilisateurs qui automatisent des workflows (emails, tickets, contenus), Jeev ne remplace pas systématiquement les LLM mais devient pertinent sur les tâches de classification à gros volume qui saturent les quotas ou ralentissent le pipeline. L'auteur suggère de demander à son assistant IA d'analyser son historique pour identifier ces cas.
D’après la vidéo
✅ À faire
L'auteur recommande de poser la question à son agent IA (Claude, ChatGPT) pour qu'il analyse l'historique d'utilisation et identifie les cas où basculer vers Jeev serait bénéfique. Il fournit un prompt en description.
Démo avecJeevChatGPT
« dans le cas où vous faites des workflow comme moi de gestion de mail dans lequel vous avez besoin de workflow d'automatisation, ce qui selon moi est le cas de beaucoup de gens, je pense qu'on va pouvoir remplacer par Jev. mais uniquement quand on a soit un souci de rapidité soit de budget parce que en fait pour beaucoup on a un abonnement cloud ou chat GPT qui généralement suffit pour la plupart de nos actions. Mais souvent quand on va faire du traitement de données en batch donc dans une grande quantité et bien vite on a plus assez de token ou alors ça vient manger sur notre abonnement classique. »
En comparaison directe sur la classification d'emails un par un, GPT-4o-mini prend 6-7 secondes par email contre 200-300 millisecondes pour Jeev, et GPT-4.5 est encore plus lent car il génère une chaîne de raisonnement complète.
Pour les workflows de classification où la génération de texte n'est pas nécessaire, Jeev permet un gain de temps considérable (de l'ordre de 20-30x) par rapport aux LLM classiques, même les plus légers comme GPT-4o-mini. Cela devient déterminant sur de gros volumes où le temps de traitement devient un bloquant, ou quand le quota de tokens d'un abonnement classique est dépassé.
D’après la vidéo
⚙ Comment ça marche
L'auteur a testé les mêmes emails en parallèle avec Jeev et GPT-4o-mini pour comparer la vitesse. GPT-4o-mini doit générer une réponse textuelle complète même pour une simple classification, ce qui prend plusieurs secondes, alors que Jeev retourne directement un score de probabilité.
Démo avecJeev
« J'ai pété 5.5 par email, il prend genre 6 secondes, 7 secondes, voilà, 7 secondes par email. Donc c'est pas du tout la même chose parce que lui, il fait tout un raisonnement, une chaîne de raisonnement, ce dont on a évidemment pas besoin sur JF. »
Jeev échoue sur certains pièges logiques (compter les lettres dans un mot, déterminer un jour de la semaine) avec des probabilités autour de 53-59% ; l'auteur recommande de recouper avec une autre IA quand la probabilité est inférieure à 70-75%.
Pour éviter les erreurs dans les automatisations critiques utilisant Jeev, il faut surveiller les scores de probabilité retournés et mettre en place une vérification par un LLM classique (GPT, Claude) sur les cas incertains. Cela permet de combiner la rapidité de Jeev pour dégrossir et la fiabilité d'un modèle de raisonnement pour confirmer les cas limites.
D’après la vidéo
⚙ Comment ça marche
L'auteur a testé Jeev sur des questions pièges : compter les occurrences d'une lettre (N dans anticonstitutionnellement), compter les mots d'une phrase, déterminer un jour de la semaine. Jeev a donné des probabilités autour de 53-59% sur ces cas, voire s'est complètement planté sur la date.
⚠ Ses réserves
L'auteur identifie clairement que Jeev a des limites sur les tâches nécessitant un raisonnement logique ou du comptage précis, et qu'il faut être vigilant sur les probabilités retournées.
Démo avecJeev
« Donc, il va falloir faire attention aux différentes probabilités. Quand on est sur une probabilité selon moi en dessous de 75 ou 70, bah peut-être rechecker avec une IA, une autre IA pour s'assurer que c'est le bon choix qu'on fait. »
L'auteur a codé un outil qui découpe une vidéo image par image, extrait le texte par OCR et demande à Jeev s'il contient du contenu confidentiel (emails, IBAN, clés API) ; une vidéo de 27 minutes a été analysée en 1 minute 30.
Pour les créateurs de contenu vidéo (tutoriels, démos) qui montrent leur écran, cela automatise la détection d'informations sensibles avant publication (adresses email, numéros de téléphone, clés API, IBAN). L'auteur précise que son équipe passait beaucoup de temps à vérifier manuellement frame par frame. Le système floute automatiquement les éléments détectés et les catégorise.
D’après la vidéo
⚙ Comment ça marche
Le système découpe la vidéo image par image, applique de l'OCR pour extraire tout le texte visible, puis soumet chaque image à Jeev qui évalue la probabilité de présence de contenu confidentiel. Quand Jeev détecte quelque chose, le système floute automatiquement la zone et catégorise le type de donnée (email, IBAN, clé, carte).
💬 Ce qu’en pense l’auteur
L'auteur est très enthousiaste, qualifie l'outil de 'génial' et 'magique', et estime qu'il va lui faire gagner beaucoup de temps par rapport à la vérification manuelle qu'il faisait avec son équipe.
Démo avecJeev
« là je viens de me coder un truc qui est juste génial, c'est que d'un côté je vais découper une vidéo comme ici 60 secondes image par image et après je vais faire de l'OCR, c'est-à-dire que je vais extraire tout le texte de cette image et je vais demander à Jeff si dans ce texte il y a du contenu confidentiel »
Jeev peut traiter 64 emails simultanément en batch et les classifier (catégorie, priorité, spam, besoin de réponse) en environ 2 secondes, pour un coût de 0,002 dollars par traitement.
Pour ceux qui traitent de gros volumes d'emails (support, commercial, veille), cela permet d'automatiser la priorisation et le tri initial sans exploser son budget API ni attendre. Le traitement par batch de 64 emails à la fois est la clé de la rapidité. Utile pour pré-filtrer avant une réponse humaine ou par LLM classique.
D’après la vidéo
⚙ Comment ça marche
L'auteur envoie ses emails à Jeev par batch de 64, et pour chacun Jeev retourne la catégorie (travail, personnel...), la priorité (normale, haute), le pourcentage de spam et la probabilité qu'une réponse soit nécessaire. Chaque email est traité en 200-300 millisecondes.
💬 Ce qu’en pense l’auteur
L'auteur trouve cette vitesse de traitement impressionnante et souligne que GPT-4o mini prend beaucoup plus de temps pour la même tâche, ce qui rend Jeev imbattable pour cet usage.
Démo avecJeev
« Si j'étais sur 10 email là il me l'a répondu en 2 secondes. Il a répondu à 10 emails. Enfin il a classifié 10 email. Là, j'ai fait un autre exemple dans lequel je les prends un par un les emails. Il a traité 24 emails en 55 mise et ça a coûté en tout 0,002 dollars. »
Jeev est un modèle d'IA qui répond par des scores de probabilité sur des options données (comme un QCM) au lieu de générer du texte mot à mot, ce qui le rend 100 fois plus rapide et beaucoup moins cher pour trier de l'information.
Pour les automatisations et workflows nécessitant de classifier rapidement de grandes quantités de données (emails, tickets support, documents), Jeev permet de traiter des centaines d'items en quelques secondes pour quelques centimes, contre plusieurs secondes par item avec les LLM classiques. Cela change notamment le traitement par lots d'emails ou de contenus à modérer. À réserver aux cas où une classification suffit, pas aux tâches nécessitant génération de texte ou raisonnement complexe.
D’après la vidéo
⚙ Comment ça marche
Jeev donne un score de probabilité sur différentes options au lieu d'écrire une réponse mot à mot. Par exemple, pour savoir si une facture est vraie, il indique quelle option (vrai/faux) a la probabilité la plus haute, au lieu de rédiger une explication.
💬 Ce qu’en pense l’auteur
L'auteur trouve Jeev très utile pour ses cas d'usage de traitement de mails, de tickets support, de commentaires YouTube et pour détecter des données confidentielles dans ses montages vidéo. Il est enthousiaste et compte passer du temps à approfondir.
✅ À faire
L'auteur recommande de demander à son agent IA (Claude, ChatGPT) d'analyser son historique d'utilisation pour identifier les cas où switcher vers Jeev serait pertinent. Il propose un prompt qu'il met en description.
⚠ Ses réserves
Jeev se plante sur certains pièges logiques (compter les lettres, déterminer un jour de la semaine) et affiche des probabilités incertaines (59%, 53%) dans ces cas. L'auteur recommande de vérifier avec une autre IA quand la probabilité est inférieure à 70-75%.
Démo avecJeevChatGPT
Outil à testerJev (TypeSafe AI, « System One Model »)payant
Classifier rapidement de l'information par probabilité (emails, documents, images) pour des automatisations et workflows
Pourquoi il semble prometteur : 100 fois plus rapide et beaucoup moins cher que les LLM classiques pour le tri et la classification de données : traite par exemple 1700 emails pour 19 centimes en quelques secondes
Modèle en accès anticipé, utilisable par API (facturation à l'usage, tarif annoncé très bas côté entrée) : ce n'est pas un chatbot, il faut définir un schéma de questions typées dans son code pour l'essayer.
L’auteur l’a adopté
L'auteur est très enthousiaste, notamment pour classifier ses emails, détecter du contenu confidentiel dans ses montages vidéo et traiter des tickets support. Il estime que Jeev va lui faire gagner beaucoup de temps et qu'il est imbattable pour les usages de traitement en batch. Il recommande de l'utiliser quand on a un souci de rapidité ou de budget.
« Là où un modèle comme chat GPT, lui aurait regardé l'image, fait un petit raisonnement, se poser la question et puis à un moment donné, il aurait dit il semblerait que la personne qui est ici a un site bleu. Bon ça c'est un modèle de raisonnement. Un modèle comme Jeev, je veux lui donner, on va dire cinq options. Noir, bleu, rouge, blanc ou alors aucun. Et lui ce qu'il va me faire c'est il va me faire une probabilité pour cette option qui va être très grande là où la probabilité pour les autres va être très petite. »
L'auteur utilise Super Whisper pour dicter ses prompts à Claude Code au lieu de les écrire, et mentionne Whisper Flow comme alternative qui fait actuellement de la publicité.
L'usage de la dictée vocale permet de formuler des prompts longs et détaillés sans effort de frappe, ce qui peut accélérer le travail avec les IA. L'auteur a déjà couvert Super Whisper dans une vidéo précédente et signale Whisper Flow comme alternative visible actuellement.
Démo avecSuper WhisperWhisper Flow
« En tout cas, je j'ai je n'écris pas tout ça, je le dicte depuis un outil que je vous ai déjà présenté sur cette chaîne et qui s'appelle pour moi Super Whisper, mais il y a aussi Whisper Flow qui fait beaucoup de pub en ce moment »
Pour rendre difficile la désactivation d'une extension de blocage, on peut exiger la saisie manuelle d'une longue phrase culpabilisante sans possibilité de copier-coller, ou un arbre de questions obligatoires.
L'auteur partage une méthode pour concevoir des frictions intentionnelles dans ses outils. Au lieu d'un simple bouton de désactivation, il faut soit taper une phrase culpabilisante, soit répondre à une série de questions justifiant le besoin réel d'accès. Cette approche comportementale peut s'appliquer à tout outil de productivité nécessitant un engagement.
D’après la vidéo
⚙ Comment ça marche
L'extension affiche d'abord un rappel des objectifs. Si l'utilisateur insiste, elle pose des questions en arborescence : peut-on le faire sur téléphone, est-ce que ça vaut la peine de casser la session. En dernier recours, il faut taper manuellement une phrase longue sans copier-coller.
💬 Ce qu’en pense l’auteur
Il apprécie cette création d'environnement virtuel qui force un certain état de travail.
« j'aimerais que pour me faire désactiver le truc, il faut que tu me fasses écrire une phrase assez longue sur laquelle je peux pas copier-coller du genre Je renonce à mes objectifs et je renonce à la meilleure version de moi »
Claude Code peut générer une extension Chrome complète qui bloque l'accès à des sites pendant des plages horaires définies et affiche des objectifs personnels en page de blocage.
L'auteur montre qu'on peut construire ses propres outils internes de productivité sans compétences techniques avancées. Claude Code génère le code, les fichiers nécessaires et teste automatiquement l'extension. Cela permet de créer des outils sur-mesure adaptés à ses besoins précis plutôt que d'utiliser des solutions génériques.
D’après la vidéo
⚙ Comment ça marche
L'auteur utilise le mode plan de Claude Code pour faire d'abord le plan de l'extension avant l'exécution, puis passe en mode auto. Claude Code crée tous les fichiers, installe Playwright pour les tests et vérifie automatiquement que l'extension fonctionne avant que l'utilisateur ne l'installe.
💬 Ce qu’en pense l’auteur
Il recommande de faire d'abord le plan avant d'exécuter pour éviter que l'architecture parte dans un mauvais sens.
✅ À faire
Il conseille de paramétrer Claude dans le fichier claude.md pour qu'il teste automatiquement chaque chose qu'il crée, sans avoir à le demander à chaque fois.
Démo avecClaude Code
Outil à testerClaude Code (Anthropic)payant
Assistant de développement qui génère du code, crée des applications complètes et les teste automatiquement
Pourquoi il semble prometteur : Il peut créer des outils personnalisés de A à Z sans compétences techniques, teste automatiquement son code et permet de créer ses propres helpers pour gagner en productivité
Outil en production et activement mis a jour par Anthropic (CLI, extension IDE, version web/desktop), mais son usage necessite un abonnement Claude payant ou des credits API, avec des limites d'usage qui ont change plusieurs fois en 2025-2026.
L’auteur l’a adopté
L'auteur l'utilise régulièrement et y voit la vraie source de gains de productivité : créer ses propres outils internes sur-mesure plutôt que d'utiliser des solutions génériques. Il met l'accent sur la capacité à designer son environnement virtuel selon ses besoins.
« j'aimerais construire une extension Chrome dans laquelle j'ai la possibilité une fois l'installé et bien pendant une période donnée et bien de bloquer l'accès à un certain nombre de sites »
Pour éviter les interfaces génériques générées par l'IA, l'auteur recommande de fournir des captures d'écran de sites inspirants (Dribbble, Mobbin, Linear, Notion) lors de la phase de planification.
Permet d'éviter le style générique des interfaces IA. En fournissant des exemples visuels pendant la planification, Codex s'inspire du style, de la typographie et de la mise en page. Applicable à tout projet web ou application.
D’après la vidéo
⚙ Comment ça marche
Prendre des captures d'écran d'interfaces qui plaisent sur Dribbble, Mobbin ou d'outils comme Linear ou Notion, puis les glisser-déposer dans Codex en mode planification pour que l'outil s'en inspire.
✅ À faire
Utiliser Dribbble pour les designs créatifs ou Mobbin pour les interfaces d'outils connus (Airbnb, Revolut). Fournir plusieurs screenshots pour guider la direction esthétique.
Démo avecNotion
Outil à testerMobbinfreemium
Référence d'interfaces d'applications connues (Airbnb, Revolut) pour inspiration design
Pourquoi il semble prometteur : Liste les écrans et patterns de vraies applications utilisées par des millions de personnes, utile pour s'inspirer sans partir de zéro
Bibliotheque de centaines de milliers de captures d'ecran d'apps mobiles et web, utilisable comme banque de references a fournir a Codex ; le plan gratuit est tres limite (quelques apps et flows recents seulement) et l'acces complet passe par un abonnement Pro autour de 10 $/mois factures annuellement.
À essayer selon l’auteur
L'auteur le recommande pour ceux qui veulent une application sérieuse et éviter le style générique des IA, en complément de Dribbble pour les designs créatifs.
« on va souvent se retrouver avec des interfaces qui vont un petit peu se ressembler. Je sais pas si ça vous parle ça, mais mais grossièrement, on en voit partout parce qu'en fait les IA créent des interfaces qui se ressemblent un petit peu toutes et on l'appelle le Ela. Donc c'est un peu du vomi de Lia »
L'auteur explique que même avec une bonne planification, la première version d'un projet Codex n'est jamais parfaite et nécessite des itérations, car on sous-estime toujours la difficulté de formaliser ses attentes implicites.
Recadre les attentes : pas de résultat magique du premier coup, même avec GPT-6 Astra. L'auteur montre ses propres exemples de dashboards YouTube qui ont nécessité plusieurs versions. Vaut pour tout projet d'envergure.
D’après la vidéo
💬 Ce qu’en pense l’auteur
L'auteur insiste sur l'indulgence envers l'IA et sur la nécessité d'itérer. Il critique la tendance à surestimer les capacités de l'IA du premier coup.
✅ À faire
Utiliser plusieurs onglets dans Codex : un pour la réflexion/challenge, un autre pour la construction. Donner des feedbacks précis après la première version pour itérer.
Démo avecCodex
« la première version est toujours une version de travail sur laquelle il faut itérer »
Codex peut contrôler le navigateur et l'ordinateur (y compris Final Cut) via Computer Use et Browser Use, en prenant des screenshots et en déplaçant la souris pour exécuter des tâches répétitives.
Ouvre l'automatisation à des outils sans API (contrairement à N8N ou Make). Permet de tester des formulaires, remplir des documents, éditer dans Final Cut. Lent car basé sur screenshots, mais libère des tâches répétitives.
D’après la vidéo
⚙ Comment ça marche
Il faut activer Computer Use dans Codex, installer une extension Chrome, puis autoriser l'accès. Codex prend des screenshots de l'écran, analyse visuellement où cliquer et déplace la souris pour exécuter les actions.
✅ À faire
Une fois une automatisation réussie, l'enregistrer comme 'skill' (compétence) pour la réutiliser, puis la planifier dans l'onglet 'Planifier' pour qu'elle s'exécute de manière récurrente.
Démo avecCodexBrave BrowserFinal Cut
« c'est une manière d'automatiser son ordinateur et son navigateur avec Codex. C'est assez dingue »
Les modèles GPT-5.5 ou Codex Spark consomment moins de tokens que GPT-6 Astra ; l'auteur recommande de réserver les modèles coûteux aux phases de réflexion stratégique comme la planification.
Permet de gérer la consommation sur le forfait pro à 144 €/mois qui a des limites quotidiennes et hebdomadaires. Le mode fast consomme encore plus rapidement. Utile pour prolonger son usage sans bloquer.
D’après la vidéo
✅ À faire
Utiliser un modèle cher comme Astra uniquement pour les phases de planification et réflexion stratégique. Pour les tâches simples ou l'implémentation, passer sur des modèles moins coûteux comme 5.5 ou Codex Spark.
⚠ Ses réserves
Le mode fast accélère l'exécution mais augmente la consommation de tokens. L'auteur conseille d'expérimenter d'abord avec les plans gratuits ou moins chers avant de passer au plan pro.
Démo avecCodexCodex Spark
« Il faut se dire que quand on a des réflexions stratégiques comme ce qui a été le cas ici, je peux utiliser un modèle assez cher avec une réflexion élevée. Mais quand on est en train de faire des choses assez basiques du genre je suis sur chat GPT et je demande à faire un truc assez simple du genre donne-moi la recette de ce Banana Bread. Clairement, il y a pas besoin d'aller utiliser Astra »
Codex écrit le code sur l'ordinateur local (accessible via localhost), puis peut déployer le site sur chatgpt.site pour le rendre accessible en ligne, avec option de mise en accès public.
Distinction cruciale pour comprendre quand un site est vraiment en ligne. L'URL localhost ou 127.0.0.1 signifie que le lien ne fonctionne pas pour les autres. Codex crée automatiquement un dossier dans Documents/ChatGPT pour chaque projet.
D’après la vidéo
⚙ Comment ça marche
Codex écrit d'abord les fichiers en local dans un dossier du projet, teste sur localhost, puis peut déployer sur chatgpt.site. Il faut ensuite demander explicitement de mettre en ligne pour tout le monde pour lever le blocage de connexion.
✅ À faire
Après création, demander explicitement à Codex de mettre le site en ligne pour tout le monde. Pour un nom de domaine personnalisé, réserver un domaine sur Hostinger, OVH ou GoDaddy puis le relier.
Démo avecCodex
« quand les gens veulent faire de l'IA et des choses avec de l'IA, c'est que quand il créent un site, souvent ils vont avoir dans leur URL comme local host ou alors comme 127.0.0.1 comme comme c'était le cas tout à l'heure. Ça ça veut dire que en fait le site il est pas encore à l'extérieur sur internet, il est uniquement sur votre ordinateur »
Gain de temps mineur pour ceux qui utilisent Claude intensivement : le quota s'affiche directement dans l'OS. Montre l'intégration native d'outils IA dans Omarchy.
D’après la vidéo
⚙ Comment ça marche
Un widget dans la barre supérieure affiche en temps réel la consommation de tokens Claude, permettant de suivre son quota sans quitter l'environnement de travail.
Démo avecClaude
« j'ai un truc du genre qui dit combien de d'utilisation de de cloud et tout qui me reste. Ça, c'est cool. Ça m'évite d'aller dans Claude pour savoir ça »
L'auteur met en garde contre le risque de passer tout son temps à configurer son environnement Linux (raccourcis, plugins, thèmes) au lieu de travailler, comme cela arrive avec Neovim ou Notion.
Rappel que la personnalisation excessive peut devenir une procrastination déguisée, en particulier pour les environnements hautement configurables (Linux, Neovim, Notion). Vaut pour tout outil où la configuration est infinie.
D’après la vidéo
💬 Ce qu’en pense l’auteur
L'auteur craint que la richesse de configuration d'Omarchy conduise à passer plus de temps à personnaliser son espace qu'à produire réellement, comme il l'a observé avec d'autres outils.
⚠ Ses réserves
L'auteur souligne qu'il a lui-même passé une heure à configurer sans travailler, et que ce schéma se répète avec les outils très personnalisables.
Démo avecNotion
« je viens de passer littéralement, je sais pas, j'ai on a bien coupé cette vidéo, mais 1 heure à juste ranger mon espace et le rendre cool, pas vraiment à travailler »
Omarchy propose Try Omarchy, une application permettant de lancer le système en machine virtuelle sur Windows ou Mac pour le tester sans installation physique.
Permet à n'importe qui de découvrir Omarchy en quelques minutes sans risquer son installation actuelle. Utile pour évaluer l'ergonomie et les raccourcis avant de s'engager. L'auteur a lui-même utilisé cette méthode pour produire sa vidéo.
D’après la vidéo
⚙ Comment ça marche
On télécharge l'application Try Omarchy pour Windows ou Mac, qui lance Omarchy dans une machine virtuelle avec RAM et disque virtuels, évitant toute modification du système hôte.
✅ À faire
L'auteur recommande d'utiliser Try Omarchy pour se faire une première impression avant toute installation définitive.
« le truc cool qu'ils ont fait, c'est qu'ils ont créé ce truc qui s'appelle Try Omi qui permet de le tester que ça soit sur Windows ou sur Mac »
Le fondateur d'Omarchy explique qu'il n'a pas écrit une seule ligne de code de la version 4.0, celle-ci ayant été intégralement générée par des agents IA, ce qui a entraîné des failles de sécurité désormais corrigées.
Démontre qu'un système d'exploitation complet peut être produit par des agents IA sans code humain direct, mais révèle aussi les risques en termes de sécurité. L'auteur invite à attendre la maturité du projet avant d'y migrer sa production.
D’après la vidéo
⚙ Comment ça marche
Le fondateur a fait générer tout le code de l'OS par des agents IA, se limitant lui-même à la revue du code produit, sans écrire directement de lignes.
⚠ Ses réserves
Cette approche a laissé passer des failles de sécurité dans la version 4.0, désormais corrigées. L'auteur recommande d'attendre que le projet mûrisse avant d'y confier ses données de production.
« c'est que en fait, il a pas écrit une seule ligne de code. Il a revu les lignes de code de cette OS mais il les a pas écrites. C'estàd que c'est que des agents qui ont écrit cette operating system »
Dans ChatGPT Codex (onglet Work), on demande de lire les emails reçus et de proposer des réponses. L'IA parcourt la boîte, analyse le contexte et rédige des réponses adaptées qu'elle peut créer en brouillon directement dans Gmail.