Tout le monde a un avis sur les outils d’IA. La plupart de ces avis viennent de gens qui les vendent.

Voici la réalité qui dérange : le paysage des outils d’IA est devenu un marécage de fonctionnalités qui se chevauchent, d’abonnements concurrents, et de promesses qui survivent rarement au contact du vrai travail. Construire une pile d’outils utile exige d’ignorer la plupart de ce que vous lisez sur la façon de construire une pile d’outils utile.

Le piège du collectionneur

Vous commencez avec ChatGPT. Puis quelqu’un dit que Claude écrit mieux. Vous vous inscrivez. Ensuite vous entendez que Perplexity est meilleur pour la recherche, donc vous l’ajoutez aussi. Midjourney pour les images, évidemment. Jasper pour les textes marketing parce qu’il a des modèles. Notion AI parce que vous utilisez déjà Notion. Gemini parce que ça s’intègre à vos trucs Google.

Six mois plus tard, vous avez sept abonnements et le vague sentiment que vous n’êtes pas vraiment plus productif.

C’est normal. Une étude du blog d’ingénierie de Cerbos a constaté que “teams with high AI adoption interacted with 9 % more tasks and 47 % more pull requests per day” sans pour autant produire davantage de travail vraiment utile. L’activité donne l’impression d’être productif, sans se traduire en résultats qui comptent.

Comme l’a dit crûment un utilisateur de Hacker News : “For me it’s just a glorified stack overflow.”

Ce n’est pas méprisant. C’est honnête. Et les évaluations honnêtes des outils d’IA sont rares, parce que l’honnêteté ne vend pas d’abonnements.

Outil unique ou pile d’outils ?

Il y a un débat tenace dans les communautés en ligne : faut-il maîtriser un seul outil d’IA en profondeur, ou se répartir sur plusieurs outils spécialisés ? La réponse dépend d’un point que les gens mentionnent rarement : le coût de friction du changement de contexte.

Quand vous passez de ChatGPT à Claude puis à Perplexity dans une même tâche, vous perdez du temps. Pas seulement les secondes à changer d’onglet, mais aussi l’effort mental de vous rappeler quel outil est ouvert, quel contexte vous avez déjà fourni, et en quoi chaque outil se comporte légèrement différemment des autres.

Un utilisateur de Hacker News nommé dexterlagan a décrit le déclic de façon limpide : “I’ve been writing detailed specs to direct LLMs, and that’s what changed everything for me.” Remarquez : il ne dit pas que passer à un meilleur modèle a tout changé. Il dit que changer sa façon de travailler avec les outils a tout changé.

Ça pointe vers une vérité gênante. Pour la plupart des gens, la plupart du temps, sur la plupart des tâches : la manière dont vous utilisez un outil compte plus que l’outil lui-même.

Le découpage par catégories que personne n’a demandé

Les outils d’écriture se répartissent en plusieurs bacs qui se recouvrent : des assistants généralistes comme ChatGPT et Claude, des outils de rédaction spécialisés comme Jasper et Copy.ai, et des outils d’édition comme Grammarly qui ont maintenant des fonctions d’IA greffées dessus.

La génération d’images se fragmente pareil. DALL-E vit à l’intérieur de ChatGPT. Midjourney produit des résultats esthétiques distinctifs mais oblige à passer par Discord, que certains détestent avec l’intensité de mille soleils. Stable Diffusion tourne en local si vous avez le matériel et la patience. Leonardo.ai propose une interface web avec plus de contrôle que DALL-E, mais un rendu moins distinctif que Midjourney.

Les assistants de code forment leur propre catégorie. GitHub Copilot, Cursor, Cody, Tabnine, et une douzaine d’autres promettent tous d’écrire du code plus vite, tout en introduisant des bugs d’une manière que vous n’avez jamais vue auparavant. La recherche de Cerbos a constaté que “AI-generated code introduced 322 % more privilege escalation paths and 153 % more design flaws” par rapport à du code écrit par des humains. La vitesse et la qualité tirent dans des directions opposées.

Les outils de recherche constituent encore une autre catégorie. Perplexity cherche sur le web et cite ses sources. ChatGPT a ajouté la recherche web. Claude a un mode recherche. Le Gemini de Google s’intègre à vos données réelles. Chacun traite la même tâche de fond avec des forces, des faiblesses, des limites et des angles morts différents.

Les catégories se brouillent. ChatGPT écrit des textes, génère des images, analyse des données et parcourt le web. Claude fait la plupart de ces choses. Essayer de maintenir des frontières strictes entre catégories, c’est comme organiser du brouillard.

Comment les outils fonctionnent ensemble (ou pas)

Le marketing autour des piles d’outils d’IA vend une intégration sans couture. La réalité est plus brouillonne.

ChatGPT ne voit pas ce que vous avez fait dans Midjourney. Claude ne sait pas ce que Perplexity a trouvé. Votre CRM a des fonctions d’IA qui ignorent le contexte de votre outil e-mail, qui a d’autres fonctions d’IA qui ignorent le contexte de votre CRM. Chaque outil fonctionne en vase clos, vous forçant à faire la navette à la main.

Il existe des intégrations. Zapier connecte des choses. Make.com connecte des choses. n8n connecte des choses si vous aimez le YAML. Mais les intégrations gèrent surtout des déclencheurs et des actions simples : “quand ceci arrive, fais cela”. L’aller-retour nuancé qui rend l’IA utile résiste à l’automatisation facile.

Résultat : votre “pile” devient souvent un ensemble d’outils déconnectés que vous utilisez séparément, plutôt qu’un système cohérent qui amplifie vos capacités. Vous avez plusieurs assistants d’IA qui ne se sont jamais rencontrés et ne se rencontreront jamais.

Cet isolement a un coût caché. Vous donnez du contexte à un outil, obtenez un résultat, puis vous transférez ce contexte à un autre outil et ajoutez encore du contexte par-dessus. La duplication s’additionne sur une semaine, un mois, une année à travailler comme ça.

Le paysage de l’intégration

Les intégrations natives offrent l’expérience la plus fluide. Notion AI dans Notion, Grammarly dans Google Docs, Copilot dans VS Code. L’outil vit là où vous travaillez déjà, utilise le contexte qu’il possède déjà, sans vous obliger à copier-coller quoi que ce soit.

Le compromis, c’est la capacité. Les intégrations natives sont souvent à la traîne des outils autonomes en fonctionnalités et en qualité de modèle. Notion AI est pratique mais limité. Les suggestions d’IA de Grammarly font pâle figure face aux capacités d’écriture de Claude. Commodité et puissance se font concurrence.

Les connecteurs tiers comblent certains trous. Zapier propose plus de 7 000 intégrations d’applications. Make.com offre une couverture similaire avec une tarification différente. Les deux vous permettent de créer des automatisations qui transfèrent des données entre outils.

Mais il y a une différence importante entre “se déclenche automatiquement quand” et “répond intelligemment à”. L’automatisation gère bien les parties mécaniques. Les parties qui demandent du jugement exigent encore une intervention humaine ou un prompt manuel.

Quand moins vaut vraiment plus

Constat contre-intuitif : certains des travailleurs du savoir les plus productifs utilisent moins d’outils d’IA, pas plus.

La logique est simple. Chaque outil exige d’apprendre ses bizarreries, de comprendre ses limites, de découvrir ses fonctions cachées, et de construire des habitudes autour de son interface. Cet investissement se cumule dans le temps. Une familiarité profonde avec un outil produit souvent de meilleurs résultats qu’une familiarité superficielle avec cinq.

Un commentateur de Hacker News nommé joshstrange l’a résumé : “Copilot is the sweet spot…It saves me significant time when coding.” Pas plusieurs assistants de code. Un seul outil, utilisé régulièrement, qui apporte une valeur régulière.

L’approche minimaliste réduit aussi la fatigue décisionnelle. Avec un seul outil d’écriture, vous ouvrez l’outil et vous écrivez. Avec trois outils d’écriture, vous commencez par décider lequel utiliser, puis vous vous demandez si vous avez choisi le mauvais, puis vous changez peut-être en plein milieu. Le choix lui-même consomme de l’énergie.

Il y a aussi un plancher de coût. Plus d’outils signifie plus d’abonnements, donc plus d’argent qui sort de votre compte chaque mois. À un moment, la valeur marginale d’un outil supplémentaire ne justifie plus son coût marginal. Beaucoup de gens dépassent largement ce point sans s’en rendre compte.

La vraie question de la productivité

Est-ce que l’IA vous rend vraiment plus productif ? La recherche donne une réponse contradictoire.

Des développeurs utilisant l’IA étaient en moyenne 19 % plus lents dans une étude, tout en étant convaincus d’avoir été plus rapides. La sensation de productivité diverge de la réalité de la productivité. L’IA donne l’impression d’aller vite parce qu’elle fournit un retour immédiat. Vous tapez un prompt, vous obtenez une réponse. La boucle de récompense s’active, que la réponse aide vraiment ou non.

Dans une autre enquête, seuls 16,3 % des développeurs ont dit que l’IA les rendait plus productifs “dans une large mesure”. Le plus grand groupe, 41,4 %, a dit que ça avait peu ou pas d’effet. Ces chiffres ne collent pas au marketing.

Le problème est peut-être une variante du problème des 70 % dont parlent les praticiens. L’IA peut vous amener à 70 %, mais les 30 % restants sont la partie difficile. Et ces 30 % prennent souvent autant de temps que tout faire de zéro, annulant les gains de temps des premiers 70 %.

Pour l’écriture en particulier, l’IA excelle à générer des premières versions qui nécessitent une édition lourde. Est-ce que génération de brouillon + grosse révision est plus rapide qu’écrire depuis zéro ? Parfois oui, parfois non. Ça dépend de la personne, de la tâche, du niveau d’exigence.

Construire votre pile (si vous insistez)

Commencez par un assistant généraliste. ChatGPT ou Claude. Les deux font le job. Choisissez-en un et utilisez-le pendant un mois avant d’ajouter quoi que ce soit d’autre.

Notez là où ça échoue pour vous. Pas là où c’est théoriquement limité, mais là où ça bloque votre travail réel. Ces points de friction indiquent où un deuxième outil pourrait apporter de la valeur.

Ajoutez un deuxième outil seulement quand vous avez un cas d’usage clair que le premier ne peut pas gérer. Peut-être la génération d’images. Peut-être la complétion de code. Peut-être la recherche avec citations. Un manque précis, un outil précis pour le combler.

Résistez au troisième outil. Sérieusement. Deux outils que vous utilisez constamment battent cinq outils que vous utilisez un peu parfois. Les coûts de bascule s’accumulent plus vite que les bénéfices.

Si vous devez en ajouter d’autres, révisez votre pile chaque trimestre. Auditez l’usage réel, pas l’utilité théorique. Annulez les abonnements des outils que vous n’avez pas ouverts depuis trente jours. Les prélèvements continuent, que vous utilisiez l’outil ou non.

La pile qui marche probablement

Pour la plupart des travailleurs du savoir, ça marche :

Un assistant d’IA. ChatGPT Plus ou Claude Pro. Gère l’écriture, l’analyse, le brainstorming et la génération d’images de base. Couvre 70 % des cas d’usage de l’IA.

Un outil d’image (si nécessaire). Midjourney si la qualité compte, DALL-E si la commodité compte. Ou rien du tout si les images ne sont pas centrales dans votre travail.

Un assistant de code (si vous codez). Copilot ou Cursor. Intégré à votre éditeur. Disponible sans changement de contexte.

C’est tout. Trois outils maximum. Coût total sous les 100 $ par mois. Plus de capacité que vous n’en utiliserez probablement.

La tentation d’en ajouter d’autres persistera. Vous lirez à propos d’un outil qui semble parfait pour un certain type d’activité. Vous vous inscrirez à l’essai gratuit. Vous l’utiliserez deux fois et vous oublierez son existence. C’est le cycle.

La conclusion qui dérange

Les outils d’IA s’améliorent vite. La pile que vous construisez aujourd’hui peut être obsolète dans un an. Les recommandations précises comptent moins que le principe sous-jacent : ne collectionnez pas des outils comme des cartes à échanger en espérant qu’ils auront de la valeur un jour.

Trouvez le plus petit ensemble d’outils qui couvre votre travail réel. Utilisez-les assez régulièrement pour développer une vraie compétence. Ignorez le reste.

Comme l’a observé un commentateur à propos de la complexité des outils : “Your workflow is not sacred…If your workflow isn’t changing…you have grown stagnant.” Les outils changeront. Vos besoins changeront. Construire un système élaboré autour des outils d’aujourd’hui, c’est peut-être juste plus de travail à reconstruire quand les outils de demain arriveront.

La meilleure pile d’outils d’IA est peut-être celle à laquelle vous pensez le moins.