Meta annonce Muse Wonder, disponible via API pour les développeurs à 4$/million de tokens en entrée et 20$/million en sortie, et Muse Wonder F encore réservé aux experts en cybersécurité.
Meta rejoint les leaders de l'IA générative avec des modèles tarifés au niveau d'Anthropic. Muse Wonder se positionne juste derrière Claude Opus 5 en performance. Ces modèles visent à alimenter l'agent personnel Muse de Meta plutôt que les usages professionnels.
D’après la vidéo
⚙ Comment ça marche
Wonder est disponible via l'API Meta pour les développeurs, facturé à l'usage. Wonder F reste entre les mains des experts en cybersécurité en raison de ses capacités avancées et des risques potentiels associés.
💬 Ce qu’en pense l’auteur
Meta a réussi son pari entamé il y a plus d'un an avec Alexander Wang, en réorganisant sa branche IA pour revenir dans la compétition. Le modèle se hisse déjà très haut et Meta rejoint les plus gros de l'IA.
⚠ Ses réserves
L'approche de Meta avec Alexander Wang et Scale AI, qui collecte et étiquette des données partout, est décriée. Cela s'inscrit dans la mouvance de Meta qui profite de son écosystème et des données personnelles.
Outil à testerMuse Wonder / Muse Wonder Full (Meta)payant
Modèle IA généraliste conçu pour alimenter Muse, l'agent personnel de Meta qui effectue les tâches quotidiennes de l'utilisateur
Pourquoi il semble prometteur : Se positionne au niveau des meilleurs modèles concurrents, battu uniquement par Claude Opus 5 d'Anthropic, et tarification compétitive alignée sur les leaders du marché
Modèle propriétaire lancé le 12 octobre 2026 : Muse Wonder s'utilise via l'API payante de Meta (compatible SDK OpenAI), tandis que Muse Wonder Full n'est accessible que via un abonnement Muse Code, et le rapport de sécurité détaillé reste à paraître.
À essayer selon l’auteur
Meta fait un retour réussi dans la course à l'IA avec Wonder qui se hisse sur le podium. Wonderful s'annonce comme le deuxième meilleur modèle IA existant. Ces modèles vont permettre à Muse de faire un carton pour le grand public en automatisant les tâches individuelles.
Instinct coûte aujourd'hui entre 200 et 250 dollars de tokens par mois par utilisateur, mais l'outil est gratuit en phase d'invitation pour créer l'addiction avant la monétisation.
Le modèle économique des agents personnels repose sur des coûts d'inférence élevés, rendant le service très coûteux à long terme. La gratuité actuelle est une stratégie d'acquisition et de verrouillage : une fois dépendant, l'utilisateur acceptera un prix élevé. L'auteur estime qu'il paierait jusqu'à 1000 € par mois tant l'outil lui fait gagner de temps.
D’après la vidéo
💬 Ce qu’en pense l’auteur
L'auteur reconnaît être en train de devenir dépendant d'Instinct malgré le risque de perte de contrôle sur ses données et le coût futur potentiel de 1000 € par mois.
⚠ Ses réserves
L'auteur n'a aucun contrôle sur ses données avec Instinct, contrairement aux solutions open source, et le modèle économique futur risque d'être très coûteux une fois la phase d'adoption passée.
Démo avecInstinct
Outil à testerInstinct (Spear Street Technology, Inc.)gratuit
Agent IA personnel le plus élaboré selon l'auteur, capable de gérer de bout en bout réservations, emails, tâches administratives avec proactivité
Pourquoi il semble prometteur : Proactivité avancée (check-in automatique, suggestions non sollicitées), exécution de bout en bout sans revenir vers l'utilisateur, expérience utilisateur mature
Agent personnel que l'on contacte par SMS/iMessage/WhatsApp ou par appel, en bêta sur invitation et gratuit pour l'instant, mais les conditions d'utilisation réservent explicitement le droit de facturer plus tard ; il demande un accès large à vos comptes (mail, agenda, moyens de paiement), ce qui mérite réflexion avant de l'essayer.
L’auteur l’a adopté
L'auteur considère Instinct comme l'agent personnel le plus abouti aujourd'hui, devenant addict malgré le coût futur élevé et l'absence de contrôle sur ses données. Il reconnaît que c'est le produit qui change vraiment sa manière de travailler, au point de potentiellement accepter 1000 € par mois.
Aucune page officielle n’a pu être confirmée — cherchez le nom vous-même plutôt que de suivre un lien approximatif.
« Aujourd'hui, ça leur coûte 200 250 balles de token par mois par utilisateur, mais ils sont en train d'ouvrir les vannes exprès pour pouvoir en fait donner un avant-goût de ce que ça peut représenter pour les gens »
Meta lance deux modèles d'intelligence artificielle Wonder et Wonderful qui se positionnent au niveau des modèles frontières comme Claude Opus 5 et GPT-4, avec Wonder disponible en API à 4$/million de tokens en entrée.
Meta rejoint le cercle des modèles de pointe (OpenAI, Anthropic, Google) avec un positionnement distinct : intégrer ces modèles dans son écosystème de super-intelligence personnelle plutôt que vendre des outils génériques. Seul Wonder est disponible en API pour développeurs, Wonderful reste inaccessible au public. La tarification s'aligne sur les concurrents frontières.
D’après la vidéo
💬 Ce qu’en pense l’auteur
L'auteur ne s'attendait pas à voir Meta rejoindre aussi rapidement le podium des modèles frontières et considère que cela change la donne du marché qui était jusqu'alors limité à OpenAI, Anthropic et Google.
Démo avecGemini 4 Argon
Outil à testerMuse Wonder / Muse Wonder Full (Meta Superintelligence Labs)payant
Modèle d'IA frontière conçu pour l'intégration dans des assistants personnels et capable de coder des applications complètes
Pourquoi il semble prometteur : Se positionne au niveau des meilleurs modèles mondiaux sur les benchmarks, particulièrement fort en agentique et en code, avec une fenêtre de contexte large et des capacités de mémoire active
Muse Wonder s'utilise via la Meta Model API (4 $/20 $ par million de tokens) ou Muse Code, tandis que la version Full n'est accessible que par abonnement Muse Code allant jusqu'à 200 $/mois : à ce jour les scores publiés proviennent des tests internes de Meta et attendent une validation indépendante.
À essayer selon l’auteur
L'auteur est surpris par la performance inattendue de Meta qui réussit à rejoindre le podium, mais note que le modèle reste aligné sur la stratégie de super-intelligence personnelle de Meta, connectée à l'écosystème de l'entreprise et donc aux données utilisateurs.
Anthropic lance Claude Haiku 3.5, dont le million de tokens de sortie passe de 5 dollars à 50 centimes, tout en étant beaucoup plus puissant que Haiku 3 et capable de pilotage d'interface et de code agentique.
Le nouveau modèle économique permet aux référenceurs d'automatiser massivement les tâches de traitement de texte (résumés, extraction d'informations, réponses clients) à un dixième du coût précédent. Haiku 3.5 peut désormais piloter des interfaces et générer du code agentique, des capacités auparavant réservées aux modèles plus coûteux. Attention : le tarif est quadruplé au-delà de 100 000 tokens dans la requête, ce qui limite son usage aux tâches courtes.
D’après la vidéo
⚙ Comment ça marche
Haiku 3.5 est conçu pour les tâches rapides et courtes : résumés de texte, extraction d'informations dans des bases, génération de documents, réponses clients. Il n'est pas fait pour raisonner longuement, contrôler ou vérifier, rôles dévolus à Sonnet ou Opus.
✅ À faire
Modifier tous ses workflows et automatisations pour confier les petites tâches répétitives à Haiku 3.5, tout en réservant Sonnet et Opus pour les tâches nécessitant raisonnement et vérification. Trier clairement ce qui appartient à chaque modèle de la famille Claude.
⚠ Ses réserves
Le tarif avantageux est quadruplé si la requête dépasse 100 000 tokens, ce qui limite strictement l'usage aux tâches courtes et exclut les traitements de documents volumineux.
Outil à testerClaude Haiku 5.5 (Anthropic)freemium
Modèle d'IA léger d'Anthropic pour les tâches rapides et répétitives : résumés, extraction de données, génération de documents courts, réponses clients.
Pourquoi il semble prometteur : Prix divisé par 10 par rapport à Haiku 3, capacités étendues au pilotage d'interface et au code agentique, performances équivalentes à Mistral Large 2 et supérieures à GPT-4o mini selon l'auteur.
Modèle disponible dans les applications Claude et via l'API Anthropic (facturation à l'usage) : utilisable gratuitement dans une certaine limite côté chat, mais payant à l'API, avec un tarif qui quintuple au-delà de 100 000 tokens de prompt.
« Iiku 5.5 est beaucoup moins cher, 10 fois moins cher que la version précédente d'IK 4.5. Le million de tokens de sortie est passé de 5 dollars à 50 centimes »
Les tokens en cache (contexte répété) dans Claude Opus 5 coûtent beaucoup moins cher que les tokens standards, réduisant le coût réel d'une application de 5 millions de tokens apparents à moins de 4 dollars.
Comprendre la différence entre tokens standards et tokens en cache permet d'évaluer correctement le coût réel d'une application développée avec Claude. Le chiffre brut de tokens consommés peut être trompeur : une grande partie correspond au contexte répété qui est facturé beaucoup moins cher. Important pour estimer le budget de développement.
D’après la vidéo
⚙ Comment ça marche
Tous les éléments que le modèle répète, qu'il a déjà traités ou qui font partie du contexte qu'il maintient pendant le développement passent en cache et sont facturés beaucoup moins cher. C'est particulièrement le cas en développement one-shot où le modèle analyse continuellement ce qu'il est en train de produire.
Démo avecClaude Opus 5
« 78000 tokens plus 5 millions de token. Ah, c'est horrible, ça va coûter très cher. Non, ça coûte que 3,82 € les amis. Pourquoi ? parce que ces gros tokens là, ils sont en cash en fait. »
Claude Code Opus 5 propose six niveaux d'effort (faible, moyen, élevé, extra, max, ultra) qui modifient le temps de traitement, le coût en tokens et la profondeur du raisonnement.
Le choix du niveau d'effort permet d'optimiser le rapport qualité-prix selon la complexité de la tâche. Pour des développements simples, le mode moyen suffit ; pour des applications plus élaborées nécessitant plus de finesse et de détails, le mode extra apporte un gain significatif. Le mode faible produit des résultats nettement moins satisfaisants.
D’après la vidéo
⚙ Comment ça marche
Les différents niveaux modifient le nombre d'étapes de raisonnement et de vérifications effectuées par le modèle. Le mode faible a produit 22 blocs de raisonnement en 12 minutes, le mode moyen 57 en 30 minutes, et le mode extra encore plus avec davantage de vérifications.
✅ À faire
Utiliser le mode moyen par défaut pour avoir une première version avec des idées et du raisonnement, puis passer en mode extra quand on veut un travail plus professionnel et peaufiné. Réserver max uniquement pour des productions très costaudes nécessitant du codage pur complexe.
⚠ Ses réserves
Le mode ultra n'est pas au-dessus de max contrairement à ce que certains pensent : il est au niveau d'extra mais démarre obligatoirement des sous-agents pour mener des tâches en parallèle. Pour une tâche unique, il n'apporte rien de plus qu'extra.
Démo avecClaude CodeClaude Opus 5
Outil à testerClaude Code (modèles Claude Opus 5 / Opus 5.5)payant
Application de développement assisté par IA permettant de créer des applications complètes à partir de prompts
Pourquoi il semble prometteur : Capable de générer des applications complexes en one-shot avec différents niveaux de raisonnement et de qualité selon le réglage d'effort choisi, avec gestion du contexte et recherche dans les fichiers de travail
Claude Code est l'agent de codage en ligne de commande d'Anthropic, utilisable avec un abonnement Claude payant ou des crédits API ; le réglage d'effort se pilote avec /effort, le flag --effort ou la clé modelSettings des settings, et certaines options (ultracode, slider de session) exigent une version récente du CLI.
L’auteur l’a adopté
L'auteur recommande fortement cet outil et l'utilise quotidiennement. Il privilégie le mode moyen pour les tests rapides et le mode extra pour la production, trouvant que c'est le meilleur rapport qualité-prix. Il déconseille le mode faible et trouve max trop complexe pour la plupart des usages.
« vous avez le réglage ici. Vous choisissez le modèle opus 5. J'arrête pas de vous le recommander mais vous voyez ici que vous pouvez avoir un réglage qui est par défaut en effort moyen. Ça consomme plus, ça consomme moins »
Une grille tarifaire compétitive par rapport aux concurrents directs du modèle. Pour un usage professionnel intensif, ces prix peuvent représenter une économie significative. L'auteur considère ce positionnement prix comme favorable, surtout compte tenu de l'aspect souverain du service.
D’après la vidéo
💬 Ce qu’en pense l’auteur
L'auteur juge les prix sans commune mesure avec les concurrents et considère que c'est une bonne chose, surtout combiné à l'aspect souverain du modèle.
Démo avecMistral Large 4
« 1,36 dollars par million de tokens en input, un peu plus de 4,1 par million de tokens en sortie. et ben, on est plutôt pas mal »
Mistral annonce Mistral Large 4, un modèle de 1000 milliards de paramètres dont 49 milliards sont activés par requête selon le principe mixture of experts, avec 1 million de tokens de contexte, acceptant texte et image en entrée.
Mistral rejoint le club des très grands modèles, avec une architecture mixture of experts qui optimise l'usage des ressources. Le modèle se positionne comme leader des modèles open occidentaux, bien que les modèles chinois conservent une avance d'un à deux mois. Particulièrement performant en finance, industrie et cybersécurité, domaines stratégiques pour ses clients professionnels.
D’après la vidéo
💬 Ce qu’en pense l’auteur
L'auteur souligne que ce n'est pas le modèle le plus fort du monde, mais reconnaît que c'est un exploit pour un modèle entraîné entièrement en France avec trois fois moins de GPU que les modèles chinois récents. Il est impatient de le tester en version grand public.
⚠ Ses réserves
Le modèle n'est pas au niveau des plus grandes IA américaines commerciales, et il accuse un à deux mois de retard sur les modèles chinois. Il faudra plus de puissance de calcul pour progresser au-delà.
Démo avecMistral Large 4
Outil à testerMistral Large 4 (ML4, « le Chonk »)payant
Modèle d'IA généraliste spécialisé en finance, industrie et cybersécurité, capable de traiter texte et image, de coder, raisonner et réaliser des tâches agentiques.
Pourquoi il semble prometteur : Premier modèle open occidental, souverain de bout en bout, entraîné et hébergé en France, avec des poids qui seront publiés en open weight fin de mois, permettant une installation locale en entreprise.
Accessible uniquement en preview payante via l'API Mistral Studio (tarif annoncé autour de 1,36 $/M tokens en entrée), les poids ouverts étant annoncés pour fin octobre 2026 : attendez cette sortie si vous visez l'auto-hébergement, qui exigera de toute façon une infrastructure très lourde (~1 To de poids en 8 bits).
« Un gros modèle, 1000 milliards de paramètres. Seul 49 milliards de paramètres sont activés. Pour une requête, c'est le principe du mixture of expert. 1 million de tokens de taille de contexte »
Google propose Argon à un tarif promotionnel de 10 dollars par million de tokens en sortie, qui doublera à 20 dollars quelques semaines après le lancement.
Ce tarif positionne Argon comme compétitif face aux modèles d'OpenAI et Anthropic, surtout pendant la phase promotionnelle. Après doublement, 20 dollars par million de tokens reste décrit comme bon marché pour des performances annoncées équivalentes. Cela concerne tous les utilisateurs d'API de modèles d'IA pour estimer leurs coûts d'usage.
D’après la vidéo
⚠ Ses réserves
Le tarif de 10 dollars annoncé est une offre promotionnelle de sortie qui doublera à 20 dollars quelques semaines après, sans que la date de cette augmentation soit précisée.
Démo avecArgon
« on nous annonce du 10 dollars par million de tokens en sortie, ce qui fait beaucoup moins cher que les modèles équivalents »
Le modèle Argon de Google passe d'une fenêtre de contexte de 64000 tokens à 1 million de tokens, permettant de gérer des projets complexes et de reprendre là où il s'est arrêté.
Cette augmentation permet de traiter des documents beaucoup plus longs ou des projets complexes en une seule passe, sans découpage. Le modèle peut également reprendre là où il s'est arrêté sur des dossiers compliqués. Cela concerne particulièrement les développeurs et les tâches de migration lourde, déjà utilisées en interne chez Google.
D’après la vidéo
⚙ Comment ça marche
Le modèle gère 1 million de tokens en contexte, peut prendre en charge des projets complexes sans s'arrêter, et sait reprendre là où il en était même sur des dossiers extrêmement compliqués.
Démo avecArgon
« On est passé de 64000 tokens à 1 million de tokens avec un modèle qui est capable de faire des tâches très longues, de prendre en charge des projets complexes, de pas s'arrêter »
« ils ont cherché d'abord une cuve, que ça a pas été si simple. Il y a tout un tout un tas, je trouve ça très intéressant. Ils ont cherché une cuve, ils ont pas trouvé parce qu'il y a des batteries au lithium et il fallait donc »
« on est au-dessus avec Gini 4 Argon. Tout le monde est pas d'accord puisque quand on va voir du côté de artificial analysis. son propre index. Il classe le argon avec une couleur un peu cheloue ici »
Claude Sonnet 3.5 version 2 atteint un niveau quasi équivalent à Opus 3.5 sur de nombreuses tâches, notamment en mode agentique, tout en coûtant cinq fois moins cher en tokens.
L'arrivée de cette version réduit considérablement le coût d'utilisation pour des tâches complexes nécessitant de l'autonomie et du raisonnement. Cela change l'arbitrage économique : on peut désormais traiter des tâches profondes sans passer systématiquement par le modèle le plus coûteux. Le choix ne dépend plus de la difficulté mais de la prévisibilité de la tâche.
D’après la vidéo
⚙ Comment ça marche
Sonnet 3.5 v2 a fait un bond particulièrement marqué sur les tâches agentiques (Terminal bench), devenant capable de mener des tâches profondes avec beaucoup de raisonnement, de créer ses propres programmes et de manipuler images, objets 3D et vidéo sans erreur du début à la fin.
✅ À faire
Utiliser Sonnet 3.5 v2 quand la mission est claire, que l'objectif et le chemin sont définis sans nécessité d'aller-retours, même pour des tâches profondes nécessitant beaucoup de raisonnement. Réserver Opus 3.5 aux situations où il faut tester, analyser puis corriger, ou changer de plan en cours de route.
⚠ Ses réserves
L'agilité et l'intelligence pour changer de plan en cours de route restent l'apanage d'Opus 3.5. Ce n'est plus la difficulté de la tâche qui doit guider le choix du modèle, mais la prévisibilité du parcours.
Outil à testerClaude Sonnet 5.5 (Anthropic)freemium
Modèle de langage capable d'autonomie, de raisonnement profond et de tâches agentiques (création de programmes, manipulation d'images, objets 3D, montage vidéo)
Pourquoi il semble prometteur : Atteint des performances proches d'Opus 3.5 sur de nombreuses tâches, notamment agentiques, pour un coût cinq fois inférieur, avec un bond notable sur les benchmarks Terminal
Modèle disponible depuis le 28/09/2026 sur claude.ai (y compris les offres gratuite et Pro, où il est le modèle par défaut), dans les applications Claude et via l'API ainsi que les principales plateformes cloud ; mes recherches n'ont pas fait remonter l'URL exacte de l'annonce officielle sur anthropic.com, je préfère donc ne pas en proposer une approximative.
L’auteur l’a adopté
L'auteur recommande vivement d'utiliser Sonnet 3.5 v2 pour toutes les missions clairement définies, même profondes et complexes, réservant Opus 3.5 uniquement aux situations nécessitant de l'agilité et des changements de cap en cours de route.
Aucune page officielle n’a pu être confirmée — cherchez le nom vous-même plutôt que de suivre un lien approximatif.
« Sony 5.5 quasiment au niveau équivalent à celui d'OPUS 5.5 pour plein plein de choses, mais il va consommer moins de token. Il est sur une tarification qui est nettement en dessous, cinq fois moins cher. »
Cela supprime la nécessité d'exécuter du code localement pour automatiser des tâches avec Codex. Tout s'exécute côté OpenAI, ce qui facilite le déploiement mais implique une dépendance totale à l'infrastructure d'OpenAI. À voir pour la confidentialité des données traitées.
D’après la vidéo
⚙ Comment ça marche
L'utilisateur peut demander à Codex d'effectuer des tâches et tout s'exécute dans le cloud d'OpenAI : créations, développements, programmes de traitement.
Démo avecCodex
« Codex allait fonctionner à plein dans le cloud. Vous allez pouvoir lui demander plein de choses et tout va s'exécuter dans le cloud d'open AI. Vos créations, les développements, les programmes qu'il va faire pour traiter d'autres choses. Tout va se faire sur les serveurs d'Open AI. »
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 »
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. »
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 »
Wonder est disponible via l'API Meta pour les développeurs, facturé à l'usage. Wonder F reste entre les mains des experts en cybersécurité en raison de ses capacités avancées et des risques potentiels associés.