0813 | CodeBurn, Cohesor, RightCard : dépenses IA, agents et carte de crédit honnête

Claire Martin: Bienvenue dans ProductHunt Daily, le podcast qui passe au crible les lancements qui comptent. Je suis Claire Martin, et comme toujours, je suis accompagné de Nicolas Moreau. Nicolas, au programme aujourd'hui?

Nicolas Moreau: Une sélection dense, Claire. Un nouveau traqueur de dépenses pour l'IA de codage, un plan de contrôle pour orchestrer des agents en entreprise, et une carte de crédit pensée pour l'honnêteté. Sans oublier une application de bureau pour entraîner des modèles en local, et de quoi simplifier les agents vocaux.

Claire Martin: Et ce n'est pas tout — un classeur partagé destiné aux agents IA, un outil pour documenter les captures d'écran qu'ils produisent, et un lancement présenté par le fondateur de Brainfish. Beaucoup de terrain à couvrir.

Claire Martin: Commençons par CodeBurn, un outil qui promet de répondre à une question très concrète pour tous ceux qui utilisent des assistants de codage: où part exactement mon argent. C'est un traqueur open source, sous licence MIT, gratuit, qui lit les fichiers de session que les outils écrivent déjà sur ton disque — Claude Code, Cursor, Codex, Copilot, plus de quarante outils pris en charge au total. Et il tourne entièrement sur ta machine: pas de compte, pas d'envoi de données.

Nicolas Moreau: Et c'est justement le point de départ du créateur, Resham. Il dit, dans la discussion du lancement, que les outils d'IA ne disent pas où va l'argent: tu vois un total sur le ticket, et c'est tout. Or les journaux de session existaient déjà localement, mais personne ne les lisait. CodeBurn les exploite pour détailler chaque token et chaque dollar, par tâche, par modèle, par projet et par pull request.

Claire Martin: Concrètement, ça veut dire quoi pour toi? L'onglet Optimize repère le gaspillage: le cache qui gonfle, les tokens re-facturés par les nouvelles tentatives, et les modèles coûteux utilisés pour des tâches qu'un modèle moins cher gérerait très bien. L'outil applique le correctif, mesure ce qu'il a réellement économisé, et tu peux annuler à tout moment.

Nicolas Moreau: Il y a aussi une comparaison de deux modèles sur ton usage réel — coût par modification, taux de réussite du premier coup — des budgets avec avertissements, et chaque dollar est attribué aux commits et aux pull requests réellement produits. L'ensemble est corrigé, pas seulement signalé, avec un score global qui va de A à F.

Claire Martin: À noter: l'honnêteté est dans le détail. Quand un coût est estimé plutôt qu'exact, l'outil le signale clairement. Et pour le positionnement, le créateur revendique une communauté de plus de cent cinquante mille développeurs — une affirmation du créateur, qu'on n'a pas vérifiée de manière indépendante. L'interface est disponible en ligne de commande, en application de bureau, et surtout dans un menu bar macOS en natif qui ne lit que les fichiers de session locaux — rien ne quitte ton Mac.

Claire Martin: Cette sélection ne comporte qu'un seul lancement, et c'est Cohesor, présenté comme un plan de contrôle neutre pour les agents d'IA en entreprise. L'idée: se placer entre les agents — Claude Code, Codex, Cursor, workflows agentiques — et les modèles de langage, via un endpoint unique compatible avec les protocoles Anthropic et OpenAI. Les équipes se connectent par un simple changement de ligne, zéro changement de code.

Nicolas Moreau: Et qu'est-ce que ça apporte concrètement? Le fabricant annonce une compression d'environ cinquante pour cent des tokens, un routage de chaque requête vers un modèle à la bonne taille, une gouvernance de la dépense par utilisateur, et des factures d'agents réduites de soixante à quatre-vingt-dix pour cent. Il faut le dire clairement: ce sont des chiffres annoncés par le produit, non vérifiés.

Claire Martin: Derrière, il y a cinq étapes par requête, traitées en environ quarante et une millisecondes: l'entrée sur l'endpoint unique, une étape de politique qui applique les clés de passerelle, les limites d'équipe, les quotas et les budgets en moins d'une milliseconde, puis la compression. Pour donner une échelle, l'exemple annoncé passe de quatre mille quatre-vingt-seize tokens à mille neuf cent vingt-cinq, soit moins cinquante-trois pour cent.

Nicolas Moreau: Ensuite le routage: un classifieur de complexité oriente chaque requête vers l'un des grands modèles — Claude, GPT, Gemini ou un modèle plus léger — avec latences et coûts affichés. Et toute l'observabilité suit: traces, dépense par utilisateur, usage des outils. La passerelle MCP couvre GitHub, Gmail, Google Drive et Google Calendar via un endpoint audité, avec un coffre-fort d'identifiants et une trace de chaque appel.

Claire Martin: Dans la discussion, un membre — nom masqué — explique l'inspiration: l'infrastructure entre les entreprises et les modèles reste statique, et les équipes choisissent encore les modèles à la main selon le coût, la latence ou les benchmarks. Cohesor veut rendre cette couche dynamique et gouvernée.

Claire Martin: Autre angle, celui du grand public: RightCard, lancé sur Product Hunt par un développeur solo, se présente comme le choix de carte de crédit honnête, sans connexion bancaire. L'extension Safari te dit quelle carte utiliser dans chaque magasin, et active d'un geste les offres bancaires qu'on oublie d'activer — chez Amex, Chase, Citi et Wells Fargo.

Nicolas Moreau: La différenciation tient à l'architecture, selon le créateur: les concurrents exigeraient de lier tes comptes bancaires ou de transmettre tes identifiants. RightCard, lui, lit la page d'offres déjà ouverte dans ta session connectée, sur ton téléphone — les identifiants n'entrent jamais en jeu. Les recommandations sont calculées sur l'appareil et fonctionnent hors ligne. Pas de compte, pas de publicité, pas de traqueur.

Claire Martin: L'outil suit les catégories tournantes à cinq pour cent, rappelle quand les activer, et prévient avant le renouvellement des crédits de carte et des frais annuels. Et un point intéressant: l'ajout automatique des offres multi-banques en une seule passe — ce qui est un niveau payant chez les concurrents — est ici gratuit.

Nicolas Moreau: Le créateur insiste surtout sur des chiffres honnêtes: pas de calcul inventé du genre « vous avez économisé X dollars ». Seulement les plafonds annoncés par les banques, avec leur formulation « jusqu'à X dollars ». Et l'outil prévient même quand un bonus ne sera pas versé — par exemple chez Walmart, généralement codé comme superstore et non comme épicerie, ce qui exclut les bonus épicerie.

Claire Martin: Reste un indicateur de réalité: le développeur affirme qu'une grande partie des deux derniers mois de développement vient de rapports de bugs des utilisateurs, certains corrigés le jour même.

Nicolas Moreau: Enfin, Unsloth Desktop s'adresse à ceux qui veulent exécuter et entraîner des modèles d'IA localement sans jamais toucher un terminal. C'est une application open source et gratuite, qui couvre les modèles de langage, la diffusion d'images et de vidéo, et les modèles audio, avec un fonctionnement revendiqué comme cent pour cent local et un affinage possible via des flux de travail sans code.

Claire Martin: Le fabricant la présente comme la première application de bureau à proposer cela. Concrètement, pour la vidéo, l'éditeur annonce des chiffres frappants: sur un GPU NVIDIA B200, le modèle MiniMax-H3 aurait produit une vidéo de cent vingt-quatre images en treize secondes à huit étapes, contre plus de soixante-dix auparavant.

Nicolas Moreau: Il y a aussi une commande unsloth pour connecter Claude Code, Codex ou d'autres agents au GPU local, avec une API compatible OpenAI — donc tu gardes tes agents habituels, mais la puissance tourne chez toi. La recherche web est annoncée comme illimitée, privée et gratuite, avec un mode Deep Research qui produit un rapport avec citations. Et les appels d'outils « auto-réparateurs » sont annoncés comme jusqu'à cinquante pour cent plus précis, avec exécution Bash et Python dans un bac à sable sécurisé.

Claire Martin: Côté pratique, les téléchargements couvrent Mac sur Apple Silicon et Intel, Windows 10 et au-delà, et Linux via Ubuntu et distributions compatibles. Un membre de la communauté résume bien la portée: il juge cette version la plus complète de ce que construit Unsloth, et probablement la première qu'il recommanderait à quelqu'un qui aime les modèles locaux sans vouloir en faire un projet technique.

Nicolas Moreau: Et voilà le fil conducteur de cette sélection: des outils qui redonnent du contrôle — sur la dépense en IA de codage, sur la couche entre les agents et les modèles, sur ses cartes bancaires, et sur ses modèles locaux. De quoi retenir l'attention à plusieurs niveaux.

Claire Martin: Commençons par Trigger.dev et son lancement chat.agent. Trigger.dev est déjà connu chez les développeurs comme une plateforme open source, sous licence Apache 2.0, pour construire des agents IA et des workflows TypeScript, sans limite de durée d'exécution, avec un tableau de bord où chaque exécution est tracée. Là, ils lancent chat.agent, un backend pensé pour les applications de chat IA.

Nicolas Moreau: Et James, un des cofondateurs, explique pourquoi il y avait un problème à régler. En général, un agent de chat tient sur un simple endpoint requête-réponse. Et c'est un mauvais choix, selon lui. Il faut contourner le timeout, il n'y a pas de mémoire entre les tours, tout s'écrit dans Postgres, on ajoute Redis pour que le flux survive à un rafraîchissement de page, puis on coordonne une file de tâches. Autant de plomberie avant que l'agent fasse quoi que ce soit d'intéressant.

Claire Martin: La proposition de chat.agent, c'est de donner à chaque conversation sa propre machine. Elle vit pendant toute la conversation, dort quand personne ne tape, et se réveille exactement là où elle s'était arrêtée, sans que le développeur ait à gérer l'état lui-même. Le pont d'API entre streamText côté serveur et useChat côté client disparaît.

Nicolas Moreau: Concrètement, ce que ça change, selon les chiffres du lancement. Plus de timeout d'abord: dans leurs données de production, un tour sur vingt dure plus de trente-six minutes, et c'est considéré comme acceptable. Un rafraîchissement en pleine réponse ne fait pas perdre le flux. Une conversation rouverte des jours plus tard est toujours là. La mémoire entre les tours devient de simples variables, donc un sous-agent lancé quatre questions plus tôt est toujours présent. Et chaque tour est tracé, avec ses prompts et ses appels.

Claire Martin: Ce qui frappe, c'est l'inversion de logique. Au lieu d'adapter une architecture serveur classique aux contraintes d'un agent, on donne vie à la conversation elle-même, et l'infrastructure suit. Pour une équipe qui a déjà fait l'aller-retour entre Postgres, Redis et une file de tâches, c'est exactement le genre de simplification dont on parlait au premier café du matin.

Nicolas Moreau: Autre lancement du jour: Dograh, présenté comme une alternative open source à Vapi et Retell pour les agents vocaux téléphoniques. Pritesh, l'un des créateurs, pose le problème ainsi. Ces plateformes fermées vous font louer vos propres agents sur leur cloud, à leur prix.

Claire Martin: Dograh est donc open source depuis le premier jour, sous licence BSD-2, avec une installation en une commande et un hébergement complet chez vous. Pas de plateforme à louer, pas de frais à la minute, pas de palier bloqué. Côté capacités annoncées, on peut apporter sa propre clé de modèle sur plus de trente intégrations, ou faire tourner des modèles locaux entièrement hors ligne, voire isolés du réseau.

Nicolas Moreau: Il y a aussi un visual flow builder, du speech-to-speech en temps réel avec plus de soixante-dix langues et un changement de langue en plein appel, la téléphonie avec transfert à chaud vers un humain, des enregistrements d'appels avec contrôle qualité automatique, et une API REST gratuite.

Claire Martin: Et deux points sortent du lot. Un serveur MCP permet de piloter Claude Code, Cursor ou d'autres environnements pour créer des agents vocaux en discutant. Et le site annonce un mode hybride: une voix pré-enregistrée mélangée à de la synthèse vocale dans une même voix clonée, avec des coûts réduits jusqu'à trois fois.

Nicolas Moreau: Côté données, tout reste dans le périmètre du client, avec HIPAA, GDPR, SOC 2, ISO 27001 et CCPA cités. Côté communauté, un membre de floworks dit avoir testé plusieurs plateformes avant de choisir Dograh, le self-hosting ayant scellé sa décision. Un autre utilisateur affirme l'utiliser depuis plusieurs mois et salue le support de l'équipe. Un commentateur évoque des retours positifs et des fondateurs issus de l'IITD.

Claire Martin: Ce qui est intéressant, c'est le positionnement. L'argument n'est pas une fonction de plus, c'est la propriété de l'infrastructure. Pour une équipe qui a des contraintes de localisation des données ou qui veut éviter une facture par minute qui grimpe avec le volume d'appels, c'est un arbitrage concret à peser.

Nicolas Moreau: Passons à BearDrive, un lancement sélectionné aujourd'hui. C'est un dossier partagé open source pour les agents IA d'une équipe. Le fondateur, Snow chez Runbear, décrit le problème ainsi: les fichiers que les agents produisent vraiment, rapports, decks, CSV, recherches, restent sur un ordinateur individuel, souvent sans que le reste de l'équipe les connaisse.

Claire Martin: Et les alternatives ne conviennent pas. Notion exige un copier-coller manuel. Git ne s'adresse pas aux artefacts de recherche et d'ops. Et Dropbox synchro — elle déplace des octets sans dire qui a fait quoi, quand, ni si c'est à jour. La proposition de BearDrive: synchroniser le dossier local où l'agent travaille déjà, en quelques secondes, avec un historique complet, qui a modifié quoi, quand et depuis quel appareil.

Nicolas Moreau: Chaque fichier reçoit un lien pour Slack et une vue web lisible sans installation. L'agent d'un collègue lit le même fichier au même chemin local, avec l'attribution remontée jusqu'à la session d'agent. C'est compatible avec Claude Code, Cowork, Codex, Gemini CLI et tout outil local, en open source et auto-hébergeable, avec un service managé gratuit pendant la bêta.

Claire Martin: Snow affirme que son entreprise tourne dessus, entre wiki stratégie, contenus commerciaux et recherche, à travers CEO, marketing, dev et support, et que ce lancement lui-même a été planifié dans l'outil. Il précise d'ailleurs que ce n'est ni une mémoire d'agent, ni un nouvel espace de travail à migrer.

Nicolas Moreau: Côté communauté, un ami de Snow, avec divulgation explicite, juge le cadrage, votre filesystem est la surface partagée, meilleur qu'un énième workspace, et estime que le versioning et l'attribution dépassent un simple outil de synchro. Un membre de l'équipe décrit le handoff, comment on passe d'un agent à l'autre.

Claire Martin: Le point fort, c'est peut-être que BearDrive ne demande aucun changement d'habitude. L'agent écrit là où il écrivait déjà, et c'est le partage qui devient automatique. Pour une équipe qui multiplie les agents et qui noie les livrables dans des discussions, c'est une réponse directe à un problème très banal.

Nicolas Moreau: Enfin, parlons de Ballet, lancé aujourd'hui, présenté par Daniel, CEO et cofondateur de Brainfish. C'est un produit né de douze mois et de centaines d'entretiens avec des responsables ops. Et trois constats reviennent systématiquement.

Claire Martin: D'abord, les équipes ops servent de human middleware: elles relient les systèmes, attendent l'IT, bricolent des flux n8n qui cassent dès qu'un processus exige du jugement. Ensuite, chaque équipe construit ses propres agents IA qui ne s'intègrent pas entre eux. Enfin, personne ne veut l'autonomie totale, mais plutôt un contrôle gradué, fiable en production.

Nicolas Moreau: La promesse de Ballet: l'utilisateur décrit un résultat en anglais courant, par exemple le routage de leads, l'attribution, ou un play de renouvellement, et Ballet écrit le code, l'exécute et le maintient. Parmi les fonctions annoncées, un journal d'audit complet, un rollback en un clic, un mode simulation, un niveau d'action choisi, du code visible et versionné, et des sorties déterministes là où l'exactitude compte, avec le raisonnement agentique réservé aux étapes qui en bénéficient réellement.

Claire Martin: Le positionnement est clair face aux deux familles d'outils existantes. Contre les n8n et Zapier, Ballet écrirait l'intégration contre n'importe quelle API à la demande, là où les bibliothèques de connecteurs plafonnent avec une pile propriétaire. Contre les agents IA type Claude, il promet une sortie identique à chaque exécution.

Nicolas Moreau: Les intégrations citées comprennent Salesforce, BigQuery, Stripe, Slack, Clay, ZoomInfo, Freshdesk, Framer et un système de facturation interne. Les cibles visées: les équipes RevOps, Support Ops et celles en growth piloté par le produit, dont les workflows multi-systèmes sont bloqués derrière la file d'ingénierie.

Claire Martin: À noter, l'accès ne se fait pas par simple inscription, mais par des design partners. Brainfish propose une session de trente minutes pour modéliser le premier workflow. C'est une porte d'entrée volontairement étroite pour un outil qui se vante de fiabilité en production. Pour une équipe ops qui croule sous l'attente en ingénierie, le modèle ment de dire que la demande est là, la question c'est de savoir si la promesse de code auto-maintenu tiendra dans la durée.

Claire Martin: Greg, cofondateur d'Argos, vient de présenter une fonctionnalité baptisée Media Sharing, pensée pour régler un problème bien concret: quand un agent d'intelligence artificielle termine une modification d'interface, GitHub n'a pas d'API publique pour joindre une image à un commentaire. Un humain naviguant sur le web peut glisser-déposer une capture dans une pull request, mais un agent qui code depuis un terminal, non.

Nicolas Moreau: Et c'est là que le bât blesse. Sans capture, les agents décrivent leurs changements en texte, et les reviewers doivent soit fusionner en se fiant à la description, soit vérifier la branche eux-mêmes. Media Sharing ferme exactement cette lacune: une simple commande transforme la capture ou la vidéo en lien de partage stable, accompagné du Markdown prêt à coller, puis le publie automatiquement sur la pull request.

Claire Martin: Greg insiste sur un point intéressant: pour lui, une média est une identité. Chaque envoi est une version. Après un ré-envoi, l'URL ne change jamais, l'aperçu sur la pull request se met à jour, et la version que le reviewer avait commentée continue d'exister en dessous. On garde donc la trace complète de l'évolution de cette image.

Nicolas Moreau: Il y a aussi la possibilité pour les reviewers d'épingler un commentaire sur un point précis de l'image. Ce point est enregistré en coordonnées normalisées avec la version exacte, ce qui veut dire qu'un agent qui ne voit pas les pixels peut lire ce point via la ligne de commande, corriger, puis résoudre le fil.

Claire Martin: Côté intégration, la fonction est disponible en ligne de commande, via le SDK Node.js, l'API REST, et un serveur MCP. Il existe aussi une compétence argos-upload qui apprend à l'agent quand une capture illustre mieux qu'un paragraphe, installable avec une simple commande.

Nicolas Moreau: Et niveau disponibilité, la fonction est active sur tous les plans, y compris l'offre gratuite. Une image consomme une unité de screenshot sur l'allocation existante, donc tant qu'il vous reste des captures dans votre forfait, Media Sharing est utilisable sans surcoût.

Claire Martin: On termine avec un panorama de la journée. On a vu CodeBurn pour suivre la dépense en IA de codage, le lancement unique Cohesor côté contrôle d'agents, la carte de crédit honnête RightCard, et Unsloth Desktop pour entraîner des modèles gratuitement.

Nicolas Moreau: Et aussi Trigger.dev pour orchestrer des flux d'IA, Dograh en alternative open source aux agents vocaux téléphoniques, BearDrive comme dossier partagé pour les agents, sans oublier Ballet l'outil lancé par Brainfish et le partage de médias d'Argos.

Claire Martin: Une journée bien remplie. Merci de nous avoir suivis, à demain sur Product Hunt.