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. »
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 »
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 »
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 »
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 »
Omarchy est une distribution Linux open source créée par DHH (fondateur de Ruby on Rails) qui propose un gestionnaire de fenêtres en mosaïque (tiling) et de nombreux raccourcis clavier, ayant atteint 2000 téléchargements en 18 jours et levé 14 millions via une fondation.
Une nouvelle distribution Linux axée sur la productivité développeur avec gestion automatique des fenêtres et navigation au clavier. Permet de tester via Try Omarchy sans installation complète. L'auteur la juge surfaite : le tiling et les raccourcis existaient déjà sur d'autres distributions, et qualifier l'OS d'« agentique » relève du marketing.
D’après la vidéo
⚙ Comment ça marche
Distribution Linux avec gestionnaire de fenêtres en mosaïque (tiling) permettant d'organiser automatiquement les applications à l'écran via raccourcis clavier, système de plugins pour personnaliser la barre supérieure, et possibilité de tester via machine virtuelle Try Omarchy sur Windows ou Mac.
💬 Ce qu’en pense l’auteur
L'auteur trouve qu'Omarchy réinvente des fonctionnalités existantes depuis longtemps sur Linux et que le qualifier d'« agentique OS » relève du marketing. Il craint qu'on passe plus de temps à configurer l'environnement qu'à travailler réellement.
✅ À faire
L'auteur recommande d'essayer Try Omarchy en machine virtuelle pour se faire une idée, mais déconseille fortement de désinstaller complètement son système actuel pour passer à Omarchy.
⚠ Ses réserves
L'auteur souligne que des failles de sécurité ont été détectées dans la version 4.0, et note l'absence d'Airdrop, les problèmes de connexion automatique des périphériques Bluetooth, et le risque de passer trop de temps en configuration plutôt qu'en production.
Démo aveci3Awesome
Outil à testerOmarchygratuit
Système d'exploitation Linux avec gestion automatique des fenêtres par mosaïque et navigation par raccourcis clavier, orienté développeurs
Pourquoi il semble prometteur : Fondé par DHH (créateur de Ruby on Rails), proposition d'un OS pensé pour la productivité avec tiling windows intégré, plugins personnalisables, et possibilité de test facile via machine virtuelle
Projet actif et gratuit (open source, MIT, dépôt github.com/omacom/omarchy), mais c'est une distribution Arch « opinionated » basée sur Hyprland : installation par ISO, environnement très clavier-centré et rythme de mises à jour rapide, à réserver aux utilisateurs à l'aise avec Arch.
« c'est DHH. C'est le fondateur de Ruben Rails. Il a littéralement créé un langage de programmation. Donc maintenant, il a créé une distribution Linux »
Coolify permet d'installer et gérer des dizaines d'outils open source (Umami, Docuseal, n8n, Excalidraw) sur un VPS via une interface type app store, sans gérer les installations une par une.
Simplifie radicalement l'installation et la gestion d'outils open source sur un VPS, en évitant de devoir gérer chaque outil individuellement. L'auteur montre comment l'installer automatiquement via Claude Code, même sur un VPS déjà occupé. Hostinger propose un installeur prêt à l'emploi.
D’après la vidéo
💬 Ce qu’en pense l’auteur
L'auteur trouve l'outil magique car il permet d'avoir une interface unifiée pour gérer tous les outils open source, au lieu de devoir les gérer un par un. Il apprécie particulièrement que Claude Code puisse automatiser l'installation complète, y compris la création du DNS.
Démo avecCoolifyUmamin8nHostinger
Outil à testerCoolifyfreemium
Installer et gérer des outils open source sur un VPS via une interface type app store
Pourquoi il semble prometteur : Évite de gérer les installations une par une, fonctionne avec tous les outils disponibles sur Docker, installable automatiquement via Claude Code
Auto-hébergement gratuit et sans limite de fonctionnalités (Apache-2.0), seule l'offre Coolify Cloud gérée est payante (à partir de 5 $/mois) ; prévoir un VPS accessible en SSH et accepter d'en assurer soi-même la maintenance et la sécurité.
Pour une app iOS de scan de justificatifs avec OCR IA, GPT-6 Astra génère en 10 $ une interface avec catégories, détection automatique et liste de dépenses, là où o1-5.1 produit en 4,37 $ une UI basique (un bouton plus) mais fonctionnelle.
Pour des applications mobiles natives, Astra produit des interfaces plus abouties mais coûte plus cher. o1-5.1 livre un POC fonctionnel rapide à moindre coût. Le choix dépend du niveau de finition visé dès le premier jet.
Démo avecGPT-6 Astra
« OK, la version Astra déjà est bien meilleure. Euh, truc de base déjà, c'est bien meilleur, je trouve. Je trouve. »
Sur la refonte de formationmake.com, GPT-6 Astra génère en 19 minutes une page que l'auteur juge « one prompt away » de la mise en ligne, avec meilleur design et copywriting que la version multi-prompts d'o1-5.1.
Pour des refontes de pages de vente, Astra livre en un seul prompt un résultat exploitable directement, là où o1-5.1 nécessite plusieurs itérations. Gain de temps notable pour les indépendants et petites équipes.
D’après la vidéo
⚙ Comment ça marche
Astra analyse la page source, modernise le design, réécrit le copywriting et nettoie les liens obsolètes en un seul prompt de 19 minutes. o1-5.1 avec multi-prompting ne produit pas un résultat aussi abouti selon l'auteur.
💬 Ce qu’en pense l’auteur
L'auteur préfère nettement la version Astra en one-shot à sa propre version multi-prompts avec o1-5.1 et va probablement l'utiliser pour mettre en ligne la nouvelle page.
Démo avecGPT-6 Astra
« Euh moi je trouve que cette page est one prompt away, donc ça veut dire à un prompt seulement d'être mise en production. »
Dans n8n, l'auto-sauvegarde est activée par défaut et crée automatiquement une nouvelle version du workflow à chaque modification, évitant ainsi les pertes de travail contrairement à Zapier ou Make.
Sécurise le travail de développement de workflows en créant automatiquement un historique des versions. Contraste avec Zapier ou Make où il faut sauvegarder manuellement et où on peut perdre son travail. Pas besoin de chercher un bouton 'save'.
D’après la vidéo
⚙ Comment ça marche
À chaque modification d'un workflow, n8n enregistre automatiquement une nouvelle version dans l'historique sans intervention de l'utilisateur.
Démo avecn8nZapierMake
« vous voyez ce petit truc là qui s'est qui s'est enclenché à chaque fois que je modifie quelque chose. Et bien sachez que le mode aut sauvegarde par défaut est activé. Là j'ai 54 versions parce que j'ai beaucoup bouché en 2 secondes »
Dans n8n, on peut demander à Claude de générer le code JavaScript nécessaire pour extraire des données dans un nœud Code en lui fournissant le JSON d'entrée et la description de ce qu'on veut extraire.
Permet à des non-développeurs d'utiliser les nœuds Code de n8n pour transformer des données complexes. L'IA gère les subtilités (regex, parsing, cas limites) qu'on ne saurait pas coder soi-même. Attention cependant aux erreurs possibles : il faut tester et parfois corriger le code généré.
D’après la vidéo
⚙ Comment ça marche
On copie le JSON reçu dans le nœud précédent, on le donne à Claude avec la description de ce qu'on veut extraire, et Claude génère le code JavaScript qu'on colle dans le nœud Code de n8n.
⚠ Ses réserves
Le code généré peut comporter des erreurs ou ne pas gérer tous les cas. Il faut tester et parfois ajuster manuellement.
Démo avecn8nClaudeJavaScript
« je vais lui dire je suis sur N8N, j'ai un nœud code JavaScript et j'ai besoin d'extraire le prix du bien ainsi que la surface dans euh le nœud code. Comment est-ce que je peux arriver à faire ça ? »
Les agents IA dans n8n servent à prendre des décisions et exécuter des prompts pour choisir quels outils utiliser, contrairement aux agents comme Claude Code qui construisent du code ; cette méthodologie était en vogue l'année dernière mais est de moins en moins utile avec l'avènement des outils d'agentic engineering.
« ces agents IA, ils sont là pour prendre des décisions, exécuter un prompt pour pouvoir savoir quoi faire avec les outils auxquels ils ont accès. En fait, c'est une méthodologie d'ingénierie qui en fait était très très en vogue l'année dernière, mais qui de plus en plus maintenant avec l'avénement de de tous ces nouveaux d'outils d'agantic engineering qui sont arrivés, les codes, les codex et cetera et ben est de moins en moins utile »
Les outils d'automatisation comme n8n ou Make facturent principalement au run (nombre d'opérations), la construction coûtant presque rien, tandis que Claude Code facture à la fois la construction (tokens, abonnement 20-100€/mois) et l'hébergement (VPS, Vercel).
Avec n8n, Make ou Zapier, on paie peu à la construction mais beaucoup si l'automatisation tourne souvent. Avec Claude Code, on paie l'abonnement pour construire (20-100€/mois) puis l'hébergement pour faire tourner, sur VPS ou Vercel. Le modèle économique est donc inversé : dans un cas on paie l'usage, dans l'autre la création puis l'infrastructure.
D’après la vidéo
⚙ Comment ça marche
Les outils no-code facturent selon le nombre d'opérations exécutées (le run), la phase de construction étant peu coûteuse. Avec Claude Code, on paie d'abord en tokens pour la construction via un abonnement mensuel, puis on doit héberger le code généré sur un serveur ou une plateforme cloud, ce qui génère des frais supplémentaires.
Démo avecn8nMakeDocploy
« Dans le monde de nos codes, et bien on va payer un abonnement soit à Make, soit à N, soit on va héberger notre N. Mais grossièrement, il y a quand même un truc, c'est que on va payer au run. C'est-à-dire que plus on va faire d'opération, plus ça va nous coûter cher. Donc grossièrement, la construction nous coûte quasiment rien. »
Claude Code est préférable aux outils d'automatisation visuelle quand on a une logique 100% custom, qu'on maîtrise le déploiement (Vercel, Docploy) et qu'on a besoin de gérer à la fois le front-end et le back-end dans un projet complet.
Pour des applications complètes avec interface utilisateur et logique métier sur mesure, Claude Code (ou Cursor, Codex) permet de tout gérer en un seul outil, là où il aurait fallu combiner n8n + Webflow + Airtable. Mais cela requiert de savoir déployer sur Vercel ou Docploy et de pouvoir débugger du code en production. Sans ces compétences, le risque est de naviguer à l'aveugle et de ne pas pouvoir réparer quand ça casse.
D’après la vidéo
⚙ Comment ça marche
Claude Code génère du code qui gère à la fois le front-end, le back-end et les données, là où les outils d'automatisation visuelle nécessitaient trois outils distincts (n8n pour le backend, Webflow pour l'interface, Airtable pour les données). Mais le code généré doit ensuite être déployé et maintenu manuellement.
✅ À faire
Il faut monter en compétence sur les bases de données, les API, les webhooks, le front-end, le back-end, les queues. Même si on arrive de Zapier ou Make, il faut acquérir ces compétences techniques. L'auteur invite à mettre les mains dans le cambouis et à tester en production pour avoir de vrais insights.
⚠ Ses réserves
Le piège de Claude Code est qu'il donne l'impression d'être accessible au niveau 1 (on lui parle et il code) alors qu'en production il faut un niveau 5-6. Beaucoup de gens se lancent dans des agences IA sans compétences techniques et vont déployer pour des clients sans savoir monitorer ni réparer.
Démo avecDocployn8nWebflowAirtable
« si vous avez une application qui a une logique 100 % custom et vous pouvez gérer le déploiement, c'est que vous savez utiliser des outils comme Docploy Versel desquels on a déjà parlé sur cette chaîne, mais qu'en plus vous avez du front end, du back end, vous avez une app compliquée, et bien faut aller sur Cloud Code »
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.