Guides, comparatifs et actualités sur les outils d'IA

"D'accord, les agents IA sont impressionnants — mais concrètement, à quoi puis-je les utiliser ?" C'est la question que tout le monde se pose après avoir appris les bases, et en 2026 la réponse n'est plus une affaire d'avenir : dans le support, les ventes, la comptabilité, le développement et les RH, les agents ont commencé à prendre réellement en charge le travail de routine, une enquête rapportant que 65 % des entreprises ont déjà automatisé un flux de travail. Cet article laisse de côté les abstractions et livre 10 cas d'usage concrets par fonction, avec des exemples réels et des chiffres. Il couvre pourquoi les cas d'usage comptent maintenant (les agents ne se contentent pas de répondre mais agissent, passant de l'expérimentation à la production ; Gartner prévoit qu'un tiers des logiciels d'entreprise intégreront des fonctionnalités agentiques d'ici 2028 et 80 % des demandes de support résolues avec une intervention humaine minimale d'ici 2029), comment repérer le travail automatisable (fortement répétitif x gros volume x implique du jugement — la partie jugement est la différence avec l'ancien RPA ; gardez les décisions majeures avec les humains via l'agent-prépare, l'humain-approuve), les 10 cas (1 support client de premier niveau et escalade riche en contexte, 2 génération de leads et e-mails personnalisés à 200/heure avec des taux de réponse 2-4x, 3 contenu SEO marketing de 2 à 10 articles par semaine et e-mailing optimal, 4 développement logiciel avec plus de 35 % de code généré par l'IA, 5 détection-diagnostic-récupération automatique des incidents IT, 6 finance avec KPI à l'échelle de l'ERP et rapports PDF commentés, 7 détection de fraude financière en temps réel, 8 présélection et intégration RH avec AMD rapportant une résolution 80 % plus rapide, 9 recherche et analyse de données en rapports, 10 tour de contrôle de la chaîne d'approvisionnement), la réalité du ROI (3.5x sur trois ans, retour sur investissement de 3-14 mois, réductions de coûts de 30-60 % selon McKinsey, mais seulement 23 % le passent à l'échelle donc faire en sorte que ça tienne est difficile), et comment démarrer sans risque (choisir une tâche, essayer en petit, l'humain approuve, mesurer et étendre) avec une sécurité de moindre privilège et d'approbation à chaque fois. Les chiffres sont cités d'enquêtes et d'annonces d'entreprises, à prendre comme tendances de référence. Réexaminez votre travail à travers la répétition, le volume et le jugement, et faites un petit pas à partir de votre tâche la plus pénible.

Le 9 juin 2026, Anthropic a publié Claude Fable 5 — libérant, pour la première fois sous une forme utilisable par les utilisateurs et développeurs ordinaires, une capacité au niveau de « Mythos », le modèle de pointe longtemps considéré en interne comme le plus puissant. Anthropic le présente comme le modèle le plus puissant qu'il propose au grand public, avec le slogan « conçu pour le travail long et complexe ». Ce décryptage, écrit pour que les débutants puissent suivre, couvre ce qu'est Fable 5 (une forme publique et sûre de la capacité de classe Mythos, optimisée pour terminer un marathon plutôt qu'une simple question-réponse ; identifiant claude-fable-5), en quoi il diffère de son jumeau Mythos 5 (identique à l'intérieur, seuls les garde-fous diffèrent ; le public utilise Fable), les benchmarks (SWE-Bench Pro 80.3% contre Opus 4.8 69.2 et GPT-5.5 58.6, une première à plus de 90% sur l'analyse de longue durée Hex, en tête sur Cognition FrontierCode et la finance Hebbia, nouvel état de l'art en vision jouant à Pokémon sans aide), sa vraie force dans l'autonomie de longue durée (concentration sur des millions de tokens, exécutions de 12 heures, Stripe achevant une migration Ruby de 50 millions de lignes en une journée contre deux mois et plus à la main, la mémoire fichier boostant une tâche de jeu 3x plus qu'Opus 4.8, GitHub rapportant un codage à long horizon en haute autonomie), les tarifs et la disponibilité (10 $ entrée / 50 $ sortie par 1M de tokens, contexte 1M et sortie 128K, gratuit dans chaque formule du 9 au 22 juin puis crédits, API claude-fable-5 et GitHub Copilot), une comparaison directe avec Opus 4.8 (standard 5 $/25 $ contre 10 $/50 $, +11.1 points sur SWE-Bench Pro, même contexte 1M, Opus 4.8 Fast Mode à 10 $/50 $ ; répartir le travail lourd vers Fable 5 et le quotidien vers Opus 4.8 standard), la nouvelle conception de la sécurité phare (classifieurs cyber, bio-chimie et distillation qui se rabattent sur Opus 4.8 uniquement quand c'est dangereux, se déclenchant dans moins de 5% des sessions de sorte que plus de 95% s'exécutent à pleine performance, avec une conservation de 30 jours du trafic de classe Mythos), le contexte d'une sortie quelques jours après avoir averti que l'IA est trop dangereuse (une troisième voie qui ferme uniquement les domaines dangereux), et quand l'utiliser. Les chiffres sont cités de l'annonce d'Anthropic et de rapports et peuvent changer.

« L'IA prend votre travail » est une rengaine familière, mais un changement plus quotidien se joue discrètement : entre collègues d'une même entreprise dans un même poste, l'écart de production se creuse lentement — parce que les gens se scindent entre ceux qui utilisent bien l'IA et ceux qui ne l'utilisent pas ou ne savent pas le faire. Cet article expose, à partir des données d'enquêtes les plus récentes, comment l'IA creuse l'écart de compétences entre employés de bureau, et ce n'est pas le simpliste « les plus intelligents gagnent ». Il montre que l'axe qui fait la différence se déplace de la puissance brute (connaissances, vitesse, expérience) vers « la façon dont on utilise l'IA (la littératie en IA) » ; que l'IA exerce deux forces opposées à la fois (au niveau de la tâche elle tire davantage vers le haut les novices et comprime l'écart avec les vétérans, tandis qu'à l'échelle du lieu de travail les déjà-avantagés — hauts revenus, postes seniors — adoptent l'IA plus tôt et plus en profondeur, creusant l'écart) ; l'état des lieux en chiffres (une enquête montre plus de 60 % des hauts revenus utilisant l'IA chaque jour contre 16 % des bas revenus, une prime salariale estimée de +56 % pour les compétences en IA à poste égal, et environ 39 % estimant que la surdépendance érode leurs capacités — tous cités et variant selon l'enquête) ; les quatre forces qui creusent l'écart (accès aux outils, temps et formation, autonomie pour expérimenter, volonté d'apprendre — les trois premières favorisent les postes seniors, seule la dernière est à vous de changer) ; trois types (prend de l'avance / stagne / reste à la traîne, l'essentiel étant d'investir le temps libéré dans le jugement, la planification et les relations humaines) ; le piège de la surdépendance qui fait devenir « sait l'utiliser mais ne réfléchit pas » (vérifier l'IA comme un brouillon, ne pas l'avaler tout cru) ; comment ne pas se laisser distancer (y toucher, l'essayer sur son travail, prendre l'habitude de vérifier, investir le temps libéré, partager, continuer d'apprendre) ; et le point de vue de l'organisation (peu d'entreprises voient un ROI, frictions entre rangs, bâtir un système où tout le monde peut apprendre). L'écart se creuse sur une différence d'action, non de talent — ce qui est aussi porteur d'espoir, puisque n'importe qui peut commencer dès aujourd'hui à apprendre à utiliser l'IA.

Sortir est difficile, parler aux gens est éprouvant, vous ne travaillez pas en ce moment — même ainsi, la possibilité de transformer « depuis chez soi, sans rencontrer personne, à son propre rythme » en revenu s'est réellement élargie avec l'IA. Ce guide expose, aussi honnêtement et doucement que possible, le premier pas pour une personne en situation de hikikomori (un reclus qui se retire du monde) ou NEET afin de gagner sa vie depuis chez elle, à partir de zéro, grâce à l'IA. Il promet d'emblée de ne pas dire « tout le monde peut facilement gagner des milliers par mois » (souvent un mensonge ou un appât commercial) et écrit ouvertement la difficulté réelle, le temps et les précautions. Il couvre pourquoi IA x travail à domicile convient (réalisable sans face-à-face, facile à démarrer de zéro, à son propre rythme — l'IA abaisse le mur comme un partenaire), les trois vérités honnêtes (vous ne gagnerez pas tout de suite, un premier objectif est vos premiers euros ; l'IA amplifie l'effort, ce n'est pas de la magie, tout multiplié par zéro fait zéro ; ce sont ceux qui continuent, pas les plus intelligents, qui obtiennent des résultats), des façons de gagner sans parler à personne (rédaction, transcription/sous-titres, éléments visuels par IA, mise en ordre de données, vérification de traductions, produits numériques — en choisir un d'abord), le premier pas aujourd'hui (toucher une IA gratuite, choisir un domaine, faire un échantillon d'entraînement — faire avant de gagner), comment empiler de petites victoires (portfolio, une mission peu payée, accumuler les évaluations, augmenter tarif/volume — collectionner des victoires, pas des montants, le premier travail vaut le plus), comment tenir et protéger son moral (ne pas se comparer, découper en petit, se reposer est permis, abandonner le perfectionnisme, ne pas porter cela seul — accompagnement vers l'emploi et services d'écoute), et des précautions sur les arnaques, le risque de tout laisser à l'IA, et les impôts/personnes à charge (éviter les offres « payez d'abord », le crowdsourcing légitime est gratuit, vérifier les informations officielles). Ce n'est pas « tout le monde, facilement », mais un pas que vous pouvez faire existe vraiment — retrouvez « moi aussi, je peux le faire », un pas à la fois.

Il suffit de demander à un agent IA de « lire cet e-mail et répondre » pour qu'il réfléchisse par lui-même, utilise des outils et réalise concrètement le travail — mais justement parce qu'il agit de lui-même, un type d'incident que les IA conversationnelles n'ont jamais connu devient possible, et en 2026 ce danger a commencé à passer de la théorie à un préjudice bien réel. Ce guide débutant classe les incidents de sécurité des agents IA en trois catégories : permissions, fuite et erreur de manœuvre. Il couvre pourquoi les incidents surviennent (un agent ne se contente pas de répondre, il agit — le mot-clé ; comparé à une recrue brillante mais naïve), pourquoi les agents sont plus risqués qu'une IA conversationnelle (la multiplication entre l'usage d'outils, l'autonomie et la lecture d'entrées extérieures ; l'OWASP a compilé en 2026 les risques propres aux agents et prône la « moindre autonomie »), l'incident 1 permissions (autonomie excessive — permission d'envoi/suppression quand lire suffit, héritage des fortes permissions d'un compte humain, dégâts qui enflent lors d'un emballement, un cas rapporté d'agent d'optimisation des coûts supprimant des sauvegardes), l'incident 2 fuite (injection indirecte de prompt qui plante des ordres dans le contenu externe — cas réels rapportés : texte invisible dans un message Reddit public fuyant un mot de passe à usage unique, ordre caché dans un ticket de support exfiltrant des données SQL via MCP, agent dans un IDE volant des secrets rien qu'en ouvrant un document), l'incident 3 erreur de manœuvre (opérations destructrices et chaînes d'erreurs même sans malveillance), le déroulement d'attaque en 4 étapes, les 5 défenses fondamentales (moindre privilège, approbation humaine, bac à sable, fixer des limites, se méfier de l'entrée extérieure), et une checklist pour débutants. La devise : ne remettez pas trop de pouvoir, faites arrêter par un humain les opérations dangereuses, et ne faites pas trop confiance au texte extérieur.

Vous tapez un peu de texte et une vidéo sonore naît en quelques secondes — ce qui relevait encore de la science-fiction il n'y a pas si longtemps est devenu réalité en 2026, et la situation évolue à un rythme effréné. Sora, d'OpenAI, qui dominait les conversations, a fermé son application et son site web en avril 2026 (l'API suivra en septembre) ; à sa place, Google Veo, Kling et Runway ont pris la tête. Ce guide à jour (juin 2026), indépendant de tout outil, couvre ce qu'est la génération de vidéo par IA (créer des images en mouvement à partir de mots ou d'une image, avec synchronisation audio, 1080p–4K et image-to-video désormais standard), le paysage 2026 (la fermeture de Sora — contexte rapporté de pression sur le calcul et les coûts et de baisse des utilisateurs — et les têtes de course actuelles Google Veo 3.1, Kling 3.0 et Runway Gen-4.5, avec une tarification à la seconde devenue la norme), son fonctionnement (des modèles de diffusion étendus à la dimension temporelle ; text-to-video et image-to-video), les 5 étapes communes (choisir un outil, prompt/image, régler durée/format/audio, générer et choisir, assembler au montage), les conseils essentiels de prompt vidéo (sujet + mouvement + caméra + style + durée + audio, avec les verbes et la caméra comme clés, un plan une action, utiliser l'image-to-video, multiplier les tirages), ce qu'elle sait et ne sait pas encore faire (les œuvres longues d'un seul coup et la cohérence totale restent difficiles, et le coût à la seconde s'accumule), ainsi que l'essentiel sur les droits, les filigranes et l'éthique (SynthID et C2PA rendent la provenance IA standard et inamovible, une sortie purement IA est faiblement protégée avec des différences selon les pays, l'usage commercial dépend des conditions, et les deepfakes de personnes réelles sont interdits). Réalisez des plans et assemblez-les au montage plutôt que de viser une œuvre longue d'un seul coup. Comme le domaine bouge vite, vérifiez toujours l'actualité de façon officielle.

« Je ne sais pas dessiner, donc ce n'est pas pour moi » — cet a priori sur la génération d'images par IA est à l'envers. Il suffit de lui donner des consignes avec des mots, et quelques secondes plus tard vous obtenez des visuels de qualité professionnelle. Ce guide transversal couvre ce qu'est la génération d'images par IA (créer des images à partir de rien, par les mots — l'art de communiquer, pas de dessiner ; la version image du prompt engineering), son fonctionnement (les modèles de diffusion sculptent une image dans un bruit aléatoire en se servant de votre prompt comme repère, en dessinant à partir de rien à chaque fois), le déroulé commun en 4 étapes valable dans tout outil (choisir un outil, écrire un prompt, générer et choisir, affiner et finaliser — l'itération est le principe), l'anatomie centrale du prompt en 6 éléments (sujet, scène, style, lumière, composition, technique) plus prompts négatifs et ratio d'aspect — sachant que GPT Image et Imagen préfèrent les phrases simples tandis que la famille Stable Diffusion aime les listes de mots et les négatifs, 7 conseils de maîtrise, les difficultés de l'IA (mains, texte, cohérence, précision) et leurs astuces, et les fondamentaux sur les droits, l'usage commercial et l'éthique (la sortie purement IA est faiblement protégée selon le U.S. Copyright Office et la décision Thaler de 2025, avec des différences par pays ; le commercial dépend des conditions de chaque outil ; deepfakes et imitation de style sont interdits ; la provenance comme les métadonnées C2PA de DALL-E se répand). Le choix de l'outil et les modes d'emploi spécifiques renvoient au comparatif, à Midjourney et à Stable Diffusion. Connaître l'anatomie, lancer le nombre, ajouter les mots petit à petit — chacun peut se rapprocher de l'image qu'il vise.

Vous posez la même question à la même IA, et pourtant une personne la trouve inutile tandis qu'une autre s'émerveille de sa puissance — et la vraie cause de cet écart n'est souvent pas la puissance de l'IA mais la façon dont le prompt est rédigé. Voici un compendium pratique de cette compétence, l'ingénierie de prompts, organisé pour qu'un débutant puisse l'utiliser tout de suite. Il couvre ce qu'est l'ingénierie de prompts (la compétence de concevoir et améliorer votre instruction à l'IA — pas du code mais l'art de la formulation), les trois principes qui changent vos résultats (soyez précis, donnez du contexte, précisez la sortie, plus « fais X » plutôt que « ne fais pas Y »), les 6 parties essentielles d'un bon prompt (rôle, contexte, instruction, exemples, format, contraintes — les éléments que les grands cadres comme COSTAR et RCOF listent en commun ; vous n'avez pas besoin des six à chaque fois), 7 techniques pratiques (donner un rôle, montrer un modèle/few-shot, raisonner étape par étape, fixer le format de sortie, structurer avec des délimiteurs, ne pas trop demander d'un coup, et itérer — la plus forte étant l'itération), un exemple avant/après, des techniques avancées (chaîne de pensée, auto-cohérence, chaînage de prompts, ReAct — bien que les modèles de raisonnement comme la série o et le mode de réflexion étendue de Claude fassent la CoT en interne, donc énoncer l'objectif fonctionne mieux), 7 erreurs courantes, et des conseils par modèle plus la sécurité de saisie. Avec des liens internes vers les conseils de prompt pour le développement d'applications et les précautions de saisie. Transformez le flou en précis, le déversement en dialogue — n'importe qui peut progresser dès aujourd'hui.

En juin 2025, Sam Altman, d'OpenAI, a écrit sur son blog : « Nous avons franchi l'horizon des événements ; le décollage a commencé » (« The Gentle Singularity »). Pourtant, d'autres chercheurs balaient catégoriquement l'idée comme quelque chose qui n'arrivera jamais. Ce guide pour débutants explique que la singularité (singularité technologique) est « le point de bascule à partir duquel l'IA dépasse l'intelligence humaine et commence à s'améliorer elle-même, de sorte que le progrès devient explosivement rapide et ne peut plus être prévu ni contrôlé » (une hypothèse, pas réalisée en 2026). Il couvre son cœur — l'explosion d'intelligence = auto-amélioration récursive, où une IA intelligente construit une IA encore plus intelligente et où celui qui améliore passe de l'humain à l'IA ; en quoi elle diffère de l'AGI et de l'ASI (AGI/ASI sont des « états » d'intelligence, la singularité est l'« événement » de devenir imprévisible ; AGI → auto-amélioration → le bond soudain vers l'ASI = la singularité) ; l'histoire du terme (l'« explosion d'intelligence » de I. J. Good en 1965 → Vinge popularise le nom en 1993 → Kurzweil la généralise avec « 2045 ») ; la large dispersion des prédictions (Kurzweil 2045, Altman « déjà commencée », Vinge, et des sceptiques comme Gary Marcus et le « frein de la complexité » du regretté Paul Allen) ; décollage dur soudain vs décollage doux graduel ; les espoirs (percées contre la maladie et en science) et les risques (perte de contrôle, problème de l'alignement) ; le scepticisme profond (frein de la complexité, limites physiques, une tout autre chose) ; et les idées reçues comme « les robots qui dominent », « immédiate une fois l'AGI arrivée » et « fixée à 2045 ». Ni la craindre à l'excès ni en rêver de trop — tirez le meilleur parti de l'IA d'aujourd'hui tout en observant calmement ce qui pourrait venir ensuite.

En 2023, un avocat a été sanctionné après qu'un mémoire rédigé avec ChatGPT a cité des affaires qui étaient toutes des inventions de l'IA — et cet épisode a répandu dans le monde entier la méfiance envers le droit et l'IA. Pourtant, en quelques années, l'adoption a explosé, avec plus de 90 % des avocats réputés utiliser une IA au quotidien. En tant que prochain volet de notre série sur l'impact de l'IA par secteur après le #068 (négoce), le #094 (marketing) et le #097 (conseil), cet article passe en revue les professions. L'état des lieux en chiffres (62 % des avocats déclarent des gains de temps hebdomadaires de 6 à 20 % ; Harvey et CoCounsel de Thomson Reuters ont traité plus de 10 millions de documents juridiques au T1 2026 ; l'usage de l'IA générative dans les cabinets de fiscalité/comptabilité/audit est passé de 8 % en 2024 à 21 % en 2025 ; une étude de Stanford montre une baisse de 13 % des emplois en début de carrière dans des domaines comme la comptabilité par rapport à 2022, +5 % pour les comptables et -5 % pour les aides-comptables), le travail que l'IA transforme par profession (avocats = recherche de jurisprudence, revue de contrats, extraction des obligations ; experts-comptables = tenue de comptes, vérification de pièces, échantillonnage, identification des risques ; conseillers fiscaux = saisie de données, projets de déclarations, recherche de textes — l'IA fait le travail de fond, les humains tranchent), le plus grand piège de l'hallucination (inventer des affaires/textes inexistants — menant à des sanctions et à la perte de confiance ; Harvey revendique 99,7 % de précision de citation vérifiée et signale le reste, CoCounsel ancre ses citations dans une base de jurisprudence et ne cite donc que des affaires réelles), la valeur essentielle inaltérable (jugement final, scepticisme professionnel, éthique, arbitrages fiscaux gris et — point décisif — signature et responsabilité légale impossibles à déléguer à l'IA), la crise des juniors (automatisation de la routine d'apprentissage) et les nouveaux métiers (responsables de la conformité IA, ingénieurs de prompt fiscal), et des conseils par rôle pour praticiens, aspirants et clients (vérifier citations et chiffres par rapport aux sources primaires ; confirmer la gestion de la confidentialité). La réglementation et la responsabilité diffèrent selon les pays ; au Japon, les fonctions d'IA des logiciels de comptabilité sont aussi répandues. La question que pose l'IA : ce que vous vendez, est-ce le travail, ou le jugement et la responsabilité ?

« Préviens-moi quand le build est terminé. » « Si la CI passe au rouge, corrige-la. » « Surveille le déploiement toutes les 5 minutes. » Confier entièrement ces corvées qui vous tiennent collé à l'écran à l'IA, voilà ce que rend possible la commande /loop, ajoutée à Claude Code en 2026. Ce guide pour débutants explique que /loop est un planificateur à portée de session qui exécute un prompt ou une commande slash de façon répétée sur un intervalle que vous définissez (ou que l'IA définit), puis couvre les quatre façons de l'utiliser (① /loop 5m X = intervalle cron fixe ② /loop X = auto-cadence où l'IA juge l'intervalle ③ /loop 15m = le prompt de maintenance intégré ④ /loop = auto-maintenance), comment écrire les intervalles (nombre + unité s/m/h/d, minimum 1 minute, langage naturel comme « every 2 hours », et vous pouvez mettre en boucle une commande slash : /loop 20m /review-pr 1234), la force de l'auto-cadence (attentes plus courtes quand c'est actif, plus longues quand c'est calme, entre 1 minute et 1 heure, et — contrairement à un simple cron — elle met fin automatiquement à la boucle dès qu'elle juge la tâche terminée), des recettes pratiques (veille CI/déploiement, maternage de PR, vérifications de longs builds, rappels, auto-maintenance de branche), comment l'arrêter et les précautions (Esc pour arrêter, à portée de session donc une nouvelle conversation l'efface, fermer le terminal l'arrête, les intervalles fixes durent jusqu'à 7 jours, max 50 tâches par session, se déclenche entre les tours avec jitter, fuseau horaire local), comment choisir parmi trois fonctions de planification (/loop pour la surveillance en session, tâches planifiées Desktop pour le travail local résident, Routines pour les opérations cloud sans surveillance), ainsi que la personnalisation via loop.md et la désactivation via CLAUDE_CODE_DISABLE_CRON=1 — le tout basé sur la documentation officielle (en date de 2026). Ce que /loop change, c'est l'axe temporel du travail que vous pouvez confier à l'IA.

Sous-titrer à la main une vidéo d'une heure dévorait autrefois une journée entière — écouter, mettre en pause, taper, caler le timecode. En 2026, cet enfer se termine en « déposant la vidéo et en attendant quelques minutes ». Centré sur le sous-titrage et la transcription de contenus vidéo et audio (les comptes rendus de réunion sont traités en #086, l'OCR d'images en #091), ce guide couvre les quatre étapes que l'IA automatise (extraction de l'audio → transcription avec diarisation → ajout des timecodes en SRT/VTT → traduction et mise en forme), la différence entre sous-titres (SRT/VTT) et transcriptions et quand utiliser chacun, un comparatif d'outils (Whisper gratuit et confidentiel, Descript pour tout monter, Sonix et Happy Scribe haute précision et multilingues, Notta adapté aux particuliers, CapCut mobile, sous-titres automatiques YouTube les plus simples — beaucoup utilisant une reconnaissance de la famille Whisper en interne), le flux en 4 étapes le plus reproductible (préparer → transcrire → relire → exporter/attacher en SRT/VTT), des recommandations par cas d'usage (YouTube, podcasts, cours, interviews, confidentiel, multilingue), six astuces de précision avec la qualité audio comptant pour 80 % du résultat (qualité, réglage de la langue, liste de noms propres, rechercher-remplacer, diarisation, longueur des lignes), le flux multilingue royal (perfectionner la langue source → traduire avec l'IA → relecture par un natif) et les pièges — excès de confiance dans la précision, faiblesse face au bruit et au jargon, droit d'auteur, téléversements confidentiels et dérive des timecodes. Sur un audio propre, la précision est de 90 à 96 % (valeurs publiées, variables selon les conditions) et le travail baisse de 80 à 90 %. Le travail à l'IA ; la finition — vérifier les noms propres et regarder la vidéo en entier — à vous.