Depuis quelques jours, on reparle beaucoup de Claude Fable 5. Sur le papier, c’est clairement un modèle très puissant. Anthropic le présente comme un modèle plus avancé qu’Opus 4.8, notamment pour des tâches complexes, longues, techniques ou très structurées. On ne va pas se mentir car ce genre d’annonce doit nous intéresser quand on utilise l’IA au jour le jour car chaque amélioration peut avoir un impact réel sur nos performances ou notre confort mais dans la pratique, je reste encore sur Opus 4.8 (voir sonnet 5 )pour mon usage quotidien. Pas parce que Fable 5 serait mauvais mais parce que le vrai sujet le vrai sujet est d’utiliser le modèle le plus fiable, le plus stable et le plus adapté à mon travail réel et là, je reste un peu dubitatif quant au choix du modèle. Le meilleur modèle n’est pas toujours le plus utile Pendant longtemps, on comparait les réponses, on essayait sans cesse les nouveaux modèles et on plébiscitait celui qui semblait être le meilleur. Aujourd’hui, les choses changent et on étudie ici Claude pour travailler réellement parfois même sur des sujets techniques où il faut rester concentré plusieurs heures. Dans ce contexte, la question devient beaucoup plus simple : quel outil m’aide réellement à avancer ? Premier point : la stabilité compte énormément Quand on travaille on n’a pas envie que le modèle change de comportement en cours de route, ni qu’il soit disponible un jour, limité le lendemain, puis rétabli avec de nouvelles règles encore mal comprises. C’est précisément le problème que je ressens aujourd’hui avec Fable 5 qui est probablement très puissant, mais son environnement d’utilisation semble encore mouvant or dans un flux de production réel, la stabilité devient presque aussi importante que la performance brute. Un modèle un peu moins puissant, mais disponible, prévisible et suffisamment bon, peut être beaucoup plus utile au quotidien qu’un modèle théoriquement supérieur, mais plus incertain dans son comportement. C’est ma logique simple, j’ai besoin d’un outil fable pas d’un sujet d’expérimentation permanent.

Vous avez probablement déjà demandé à une IA de vous créer une présentation, une maquette, une page web ou un support visuel. Le premier résultat est correct. Parfois même assez impressionnant. Mais il reste toujours des détails à modifier. · Un bloc à déplacer. · Un titre à raccourcir. · Une couleur à changer. · Une section à alléger. · Un alignement à corriger. Et là, très souvent, tout est régénéré, y compris les bons éléments avec, au passage, la facture de tokens qui suit. On itère, on recommence, on perd une partie du résultat précédent, et le travail devient frustrant. Claude Design 2.0 cherche justement à corriger cette frustration et c’est pour cela que cette mise à jour devrait nous intéresser. Claude Design, le commencement Claude Design a été lancé en avril 2026 comme un outil permettant de créer des designs, prototypes, slides, one-pagers et autres supports visuels avec Claude. L’idée était simple : on décrit ce qu’on veut, Claude génère une première version, puis on affine. Vous connaissez la chanson 🤓 C’était déjà intéressant, parce que cela permettait de transformer une idée en support visuel sans repartir de zéro mais ce n’était pas encore très confortable pour corriger finement. On obtenait facilement une première proposition. Mais dès qu’il fallait retoucher, ajuster ou garder seulement une partie du résultat, l’expérience devenait beaucoup moins fluide. Ce que Claude Design 2.0 change concrètement Avec cette nouvelle version, la logique change. Claude Design devient davantage un espace de travail visuel, avec deux zones principales : une interface de chat à gauche et un canvas à droite (voir image). L’utilisateur décrit, comme auparavant, ce qu’il veut créer. Claude génère une proposition. Mais c’est ici que le changement s’opère : on peut affiner par conversation, par commentaire ou par modification directe sur le canvas. C’est primordial, parce qu’en design, la séquence ressemble plutôt à ceci : idée → première version → correction → variante → simplification → ajustement → validation.

Connaissez-vous l'astuce chirurgicale pour forcer une IA à coder comme un ingénieur senior, sans qu'elle dérive après 3 prompts ? Par défaut, quand vous lancez un agent de code (Claude Code, Cursor, Aider, Factory…), il fait du zèle. Il balance du code générique, oublie votre stack, réécrit des fichiers entiers de 500 lignes pour modifier une seule variable, et accumule un historique massif. Résultat ? Une obésité des tokens qui fait exploser votre facture API et un agent qui finit par halluciner au bout de 10 minutes. Pour calmer le jeu, il existe un outil redoutable : le fichier de contexte local (CLAUDE.md pour Anthropic ou AGENTS.md devenu la norme universelle). Un simple fichier texte en langage naturel placé à la racine de votre projet. C'est le "mode d'emploi militaire" que l'IA lit obligatoirement avant chaque début de conversation. Les 3 commandements du CTO pour un fichier de config efficace : 1. La concision absolue : Plus le fichier est long, plus l'IA dilue son attention. S'il ignore vos ordres, taillez dans le gras. Supprimez les évidences du type "fais du code propre", gardez uniquement vos contraintes strictes. 2. Le cloisonnement (Monorepos) : Un fichier global à la racine pour les normes majeures. Et si vous gérez un projet complexe, imbriquez des sous-fichiers de config directement dans vos dossiers (ex: /backend et /frontend). L'agent ne chargera que ce dont il a besoin. 3. Le formatage au laser : Utilisez des marqueurs d'emphase ultra-clairs ([CRITIQUE], [SÉCURITÉ]). Les agents réagissent mille fois mieux aux interdictions strictes qu'aux suggestions vagues. En isolant votre contexte, vous passez d'un mode de consommation exponentiel à une gestion chirurgicale. Moins de bruit, plus de marge, exécution parfaite. 👇 Je vous pose mon template Markdown type en pièce jointe / juste en dessous. Et vous, quelle est la règle la plus stricte que vous avez gravée dans votre fichier de configuration pour empêcher vos agents de faire n'importe quoi en production ?

Pour ceux qui sont habitués à faire des réunions en visio ou call, un outil d'enregistrement est complètement obligatoire si l'on veut se concentrer sur ce qui se passe pendant la réunion sans être obligé de prendre des notes. C’est précisément ce problème que Google veut traiter avec une nouvelle fonction IA dans Google Meet : “Take notes for me”. Jusqu’ici, cette fonctionnalité était surtout réservée à certains utilisateurs Google Workspace (Au-dessus de Business Starter). Elle devient désormais accessible aux abonnés grand public Google AI Pro et Google AI Ultra. Concrètement, Gemini peut écouter la réunion, transcrire les échanges, produire un résumé structuré, identifier les décisions et faire ressortir les actions à mener. Le tout est ensuite enregistré dans un document Google Docs, stocké sur Google Drive, avec un récapitulatif envoyé par email à l’organisateur. Il ne s’agit pas de simplement “prendre des notes” mais de transformer la réunion en plan d’action. Dans la pratique, l’outil s’intègre assez discrètement à Google Meet, via une icône en forme de crayon. Une fois activé, Gemini travaille en arrière-plan pendant que les participants peuvent rester concentrés sur la discussion. À la fin, on récupère un document exploitable avec le résumé, les décisions, les points importants et les actions à suivre. Comme nous le savons le vrai problème des réunions c’est ce qui se passe après ou plutôt, ce qui ne se passe pas. 😟 Une décision non notée, une tâche non attribuée, un point important oublié. Un client qui pensait que vous alliez revenir vers lui et vous qui pensiez que c’était l’inverse… Google a aussi prévu de notifier les participants lorsque la prise de notes IA est activée. Autre limite actuelle à garder en tête : les langues supportées incluent notamment le français, l’anglais, l’allemand, l’italien, l’espagnol, le portugais, le japonais et le coréen, mais une seule langue doit être utilisée pendant la réunion. Et puis une IA résume bien une conversation mais ne restitue pas forcément les nuances : Un trait d’humour, une hésitation, un “oui” poli qui veut en réalité dire “je ne suis pas convaincu”.

Beaucoup utilisent ChatGPT comme un assistant à qui l’on pose des questions. Mais ChatGPT peut désormais exécuter certaines tâches de manière planifiée. Concrètement, il ne s’agit plus seulement de lui demander une réponse ponctuelle. Vous pouvez lui confier une mission récurrente : recevoir un résumé de l’actualité chaque matin, préparer un point de veille hebdomadaire, vous rappeler une échéance importante ou surveiller un sujet précis. Jusqu’ici, ChatGPT intervenait surtout lorsque vous ouvriez une conversation. Avec les tâches planifiées, il peut devenir un assistant proactif. Vous définissez ce qu’il doit faire, à quel rythme, et il vous prévient lorsque le résultat est disponible ou lorsqu’un changement mérite votre attention. Une sorte de pense-bête Vous pouvez lui demander : « Surveille ce sujet et préviens-moi uniquement s’il y a une évolution importante. » Dans un cadre professionnel, cela peut devenir très utile pour : - suivre l’actualité d’un secteur ; - recevoir une veille concurrentielle ; - préparer un briefing quotidien ; - ne pas oublier certaines échéances ; - surveiller des informations publiques ; - transformer une routine manuelle en automatisation simple. La vraie nouveauté c’est la capacité à déléguer une surveillance régulière sans devoir relancer soi-même la demande à chaque fois. Une logique proche d’un assistant personnel Cette fonction rapproche ChatGPT d’un assistant de travail. Avant, il fallait penser à poser la question. Maintenant, on peut lui confier une intention. La nuance est importante. Au lieu de dire chaque jour :« Peux-tu me faire un résumé des nouveautés dans mon domaine ? » On peut lui dire une seule fois :« Prépare-moi ce résumé tous les matins. » ChatGPT devient alors un outil de suivi, de rappel et de veille. Cela peut éviter d’empiler plusieurs solutions différentes comme un agenda, un outil de tâches, une alerte Google, un tableau de suivi et une automatisation externe. Le monitoring : le vrai changement