0906 | Des agents dans le code, des souvenirs dans la poche

Claire Martin: Bonjour à tous, bienvenue dans le briefing quotidien des lancements Product Hunt. Je suis Claire Martin.

Nicolas Moreau: Et moi Nicolas Moreau. Aujourd'hui, Claire, on a une sélection qui raconte presque une seule et même histoire sous des angles différents : les agents IA écrivent de plus en plus de code, et tout un écosystème d'outils se construit pour les encadrer, les limiter, les rendre plus sûrs.

Claire Martin: Exact. Et après le code, on glissera vers le quotidien : des journaux qui se verrouillent, des souvenirs de famille transformés en films, des temps de trajet dans la barre de menus, et même des briques générées par IA. Mais commençons par le commencement : que se passe-t-il quand ça casse en production à deux heures du matin, et que personne ne sait pourquoi ?

Nicolas Moreau: Voilà le problème qu'attaque HyperProbe, un produit soutenu par Y Combinator. Leur constat : quand une équipe d'ingénieurs utilise des agents comme Claude Code, Codex ou Cursor, la plupart du code part en production écrit par l'IA. Et quand quelque chose casse à 2h du matin, personne ne peut expliquer pourquoi le système s'est comporté ainsi. Pire : ces pannes ne se reproduisent pas en local. Elles passent les tests, passent la revue de code, et n'explorent qu'en prod.

Claire Martin: Et là, l'agent est aveugle. Il n'a que des logs et des traces qui, par définition, n'ont jamais capturé l'état en mémoire au moment du crash. Donc la boucle classique, c'est : on ajoute un console.log, on redéploie, on attend, pendant que le problème saigne des utilisateurs. HyperProbe dit : on supprime cette boucle.

Nicolas Moreau: Concrètement, l'agent peut déposer des sondes en lecture seule dans le service qui tourne, via leur MCP. La sonde capture les valeurs exactes des variables que les logs n'avaient pas. Ensuite l'agent débugue comme s'il avait un reproduit en local, et peut fermer le bug en une seule session.

Claire Martin: Leurs chiffres : passer de trois à quatre heures à moins de dix minutes pour trouver la cause racine, zéro redéploiement par incident, et zéro ingénieur senior mobilisé. Et ils racontent un utilisateur qui aurait résolu un problème de paiements en neuf minutes et demie, là où leurs ingénieurs mettaient quatre heures. Mais bon, ça, c'est la promesse du créateur, pas un résultat vérifié indépendamment.

Nicolas Moreau: Et la communauté ne s'est pas laissée avoir. Un commentateur a pointé quelque chose de très juste : « en lecture seule, ce n'est pas la même chose que sûr. » La sonde remonte quand même des valeurs de variables en direct. Première question de n'importe quelle équipe sécurité : que se passe-t-il quand l'agent sonde la frame qui contient un numéro de carte ou un token de session ? Et où cette valeur finit-elle dans votre stockage ?

Claire Martin: Autre critique : le « zéro surcharge », il faudrait un chiffre de latence P99 à côté, parce que cette formule fait beaucoup de travail dans la phrase. Et sur le plan de la gouvernance : « en lecture seule », ça veut quand même dire que l'agent décide seul, à 2h du matin, quel service de production sonder et quoi inspecter. Y a-t-il une étape d'approbation humaine ? Un journal d'audit de chaque sonde déposée ?

Claire Martin: Ou est-ce que la frontière de confiance, c'est juste « on fait confiance au jugement de l'agent » ?

Nicolas Moreau: Ce qui est intéressant, c'est que la page produit répond en partie à ces inquiétudes. HyperProbe dit que la sonde est non bloquante, qu'elle ne pause aucun thread, que les requêtes continuent à pleine vitesse, avec moins de 1 % de surcharge à 3 000 requêtes par seconde. L'agent capture l'état mais ne peut pas écrire en mémoire ni exécuter du code. Chaque sonde est tracée dans un journal d'audit immuable, avec approbation exigée jusqu'à ce que vous fassiez confiance au système.

Claire Martin: Et côté données : ça tourne dans votre infrastructure, auto-hébergé ou dans un VPC privé, rien ne sort de votre environnement, et la PII est masquée par l'agent avant la capture. C'est votre équipe sécurité qui définit ce qui peut être observé. Donc les réponses existent sur le papier — mais des commentateurs demandaient quand même des précisions, notamment sur les certifications comme SOC 2, RGPD ou HIPAA.

Claire Martin: Et certains demandaient un support de Go, ce qui suggère que les langages couverts — JavaScript, TypeScript, Java, Python, Ruby — ne suffisent pas à tout le monde.

Nicolas Moreau: Leur scenario est d'ailleurs assez parlant : à 2h47, une alerte PagerDuty, 23 % des requêtes sur le service de commandes en erreur. Pas d'exception dans les logs. HyperProbe suit la chaîne de traces, découvre que le service de paiement renvoie des 404 pour des paiements qui existent pourtant chez le prestataire. Il pose une sonde sur le webhook, et deux minutes plus tard : le prestataire envoie un statut PENDING que le code ne gère pas. Bug trouvé sans redéploiement.

Claire Martin: Voilà un exemple concret de ce qu'ils appellent les échecs silencieux — une réponse 200 avec le mauvais contenu, la trace toute verte, et la valeur qui expliquait tout jamais journalisée. Bref, HyperProbe, c'est pour les équipes backend qui livrent vite et veulent donner à leurs agents des « yeux et des oreilles » sûrs dans le code en production.

Nicolas Moreau: Passons à un autre angle du même problème : même quand l'agent répare, il n'apprend rien. C'est le diagnostic de Reflexio. Yi, le co-fondateur — ancien tech lead chez Meta et professeur à l'Université de Washington — résume la frustration : un agent qui a échoué sur une tâche hier échouera de la même façon aujourd'hui, pour des utilisateurs différents, parce que rien ne relie ce qui s'est passé en production à son comportement futur.

Claire Martin: La boucle d'apprentissage en ligne n'existe pas. Et la fermer à la main — lire les traces, repérer les échecs, réécrire les prompts — c'est un travail interminable. Reflexio observe donc les traces de l'agent en direct, apprend des réussites, des échecs et des corrections des utilisateurs, et transforme tout ça en « leçons » que l'agent réutilise.

Claire Martin: Leurs chiffres de cas d'étude : moins 36 % de taux d'échec, moins 57 % de tokens, et une meilleure qualité de réponse dans 47 % des interactions — toujours à prendre comme des revendications du créateur.

Nicolas Moreau: Leur exemple est très parlant : un utilisateur écrit « il y a un débit de 49,99 dollars sur ma carte que je ne reconnais pas ». Sans Reflexio, l'agent rembourse juste ce montant. Dix minutes plus tard, l'utilisateur revient : « il y a aussi un débit de 9,99 ». Deux conversations. Avec Reflexio, l'agent avait appris à chercher dans toute la fenêtre de débits récents avant de résoudre, et à tout présenter en un seul message. Une conversation, l'utilisateur était déjà parti.

Claire Martin: L'architecture est intéressante : pas de réentraînement de modèle. Vous publiez ce qui s'est passé, Reflexio en extrait ce qu'il faut faire différemment, et l'exécution suivante relit ça au bon moment. L'intégration passe par un SDK léger autour de vos appels LLM existants — Python, REST, CLI — ou par un skill portable que vous donnez à Claude Code ou Codex, qui intègre la boucle dans votre dépôt lui-même.

Nicolas Moreau: Et ce qui ressort beaucoup des commentaires, c'est la partie « révisable ». Chaque leçon est visible, auditable, réversible : on peut la réécrire, l'approuver, la rejeter ou la supprimer, et une leçon rejetée cesse d'être utilisée immédiatement. Vous pouvez même configurer l'agent pour qu'il n'utilise que ce que vous avez signé.

Nicolas Moreau: Les leçons sont aussi auto-ajustées : Reflexio observe comment une leçon performe réellement, les sessions qu'elle a améliorées et celles où elle a échoué, et la réécrit à partir de ces cas réels. Et quand votre politique change — leur exemple : la fenêtre de remboursement passe de 30 jours à 14 — l'ancienne leçon est remplacée au lieu de rester figée.

Claire Martin: Mais la communauté a posé LA question difficile : et si une correction d'utilisateur était un mauvais conseil ? Si quelqu'un a mal compris la tâche et a poussé l'agent vers une réponse fausse avec assurance, et que ça devient une règle générale appliquée à tout le monde ? Y a-t-il un seuil de confiance, une signature humaine avant qu'un pattern individuel devienne le comportement par défaut ?

Nicolas Moreau: Questions connexes dans les commentaires : est-ce que Reflexio ajuste le prompt dynamiquement, le contexte few-shot, ou fine-tune les modèles en arrière-plan ? Comment gère-t-il les retours contradictoires entre utilisateurs ? Apprend-il par utilisateur, par agent, ou globalement ? Et une question méthodologique honnête : ces moins 36 et moins 57 %, mesurés comment — en A/B entre agents avec et sans, ou en avant/après sur le même trafic de production ?

Nicolas Moreau: Ce sont des questions encore ouvertes d'après ce qu'on voit. Enfin, un commentateur s'est amusé à soupçonner que sous le capot, c'est « juste une boucle avec des fichiers markdown » — c'est en tout cas comme ça qu'il fait apprendre ses agents, lui.

Claire Martin: Restons dans ce fil : l'agent écrit, casse, apprend… mais qui relit tout ça avant que ça parte ? C'est le problème de David, le créateur de GitWarren. Quinze ans de métier, et aujourd'hui il jongle quotidiennement entre cinq à sept sessions IA simultanées. Son constat : le goulot d'étranglement, c'est la revue de code — et surtout l'endroit où on la fait.

Nicolas Moreau: Parce que dans beaucoup d'environnements, hors de question de balancer d'un coup du code généré par IA sur le GitHub de l'entreprise. Au moment où c'est poussé, ça doit être à peu près prêt pour la revue par les collègues. Alors il se retrouvait à copier-coller ses commentaires entre terminaux et IDE. Ce qu'il lui fallait, disait-il, c'est « un GitHub local » : l'expérience de revue GitHub, mais avant le commit, sur sa propre machine.

Claire Martin: Donc GitWarren : une application locale de revue de code, façon pull request, qui travaille directement sur votre working tree. Vous pouvez relire les changements committés, stagés, non stagés et même les fichiers non trackés, laisser des commentaires en ligne, organiser le travail en revues — sans rien pousser nulle part. Et vous connectez l'agent que vous voulez via MCP.

Nicolas Moreau: Le point clé conceptuel : la sortie d'un agent, ce n'est pas un commit, c'est un working tree sale. Tous les autres outils de revue attendent la pull request. GitWarren dit : quand le travail est committé, poussé et ouvert en PR, vous avez déjà accepté sa forme — et le moment où la correction était bon marché est passé. L'app trouve le worktree où la branche est extraite, où qu'il vive sur le disque, et replie fichiers stagés, non stagés et non trackés dans un seul diff lisible.

Claire Martin: Et les agents participent à la revue au lieu d'en être seulement l'objet. GitWarren embarque un serveur MCP en stdio : on pointe Claude Code, Codex ou n'importe quel client MCP dessus, et l'agent reçoit les mêmes dix-sept outils que l'app — ouvrir une revue, lire la discussion, répondre dans un fil, commenter une ligne, en résoudre une. Vous pouvez demander à l'agent d'expliquer son propre diff ou de répondre à votre question sur la ligne 40, et la réponse reste dans la revue.

Nicolas Moreau: Détails qui montrent qu'ils ont réfléchi : les commentaires machine sont toujours attribués comme tels, et le nom de l'outil vient du handshake MCP, pas de ce que le modèle a décidé de s'appeler ce jour-là. Deux agents restent deux — chaque session MCP a son identifiant, donc on les distingue dans le fil même s'ils travaillent en même temps.

Nicolas Moreau: Côté vie privée : tout est local par construction, pas de compte, un seul fichier SQLite pour vos revues, et rien n'est mis en cache — chaque diff est relu depuis git au moment où il s'affiche.

Claire Martin: C'est gratuit, open source sous GPL-3.0, macOS, Windows et Linux, installable via brew. Windows n'est pas encore signé, précise le créateur. Et la communauté a posé deux questions très concrètes : comment ça gère quand deux sessions touchent les mêmes fichiers en même temps — est-ce un diff plat ou peut-il signaler deux modifications sur le point d'entrer en collision avant même la revue ? Et est-ce que ça marche avec plusieurs git worktrees du même dépôt à la fois ?

Claire Martin: Des questions encore en suspens dans ce qu'on a sous les yeux.

Nicolas Moreau: Dernier outil de ce bloc, et un pont vers la suite : dif.sh. L'origine est savoureuse — David, le créateur, avait demandé à Claude Code d'ajouter des feature flags à un projet. L'agent s'est retrouvé bloqué devant la création de compte et la clé API exigée par la plupart des outils de flags… et a abandonné en écrivant simplement une variable d'environnement à la main.

Claire Martin: D'où dif.sh : des feature flags open source où chaque flag est un fichier markdown qui vit dans le dépôt, à côté du code qu'il contrôle. Ce qu'il fait, pourquoi il existe, quelle décision a été prise — le tout relu en pull request comme n'importe quel changement. L'agent installe dif en une commande, sans compte, et lit un fichier de contexte généré à chaque build pour savoir quels flags sont actifs et ce qui a déjà été essayé.

Nicolas Moreau: Et c'est plus large que les flags : les tests A/B, les holdouts et les déploiements progressifs sont le même format de fichier. La config cible des attributs déclarés — pays, plan, visiteur récurrent — mais les valeurs arrivent à l'exécution, donc aucune liste de clients n'est jamais commitée. Le build vérifie les conflits : si deux tests actifs risquent de toucher le même utilisateur, la compilation échoue en CI plutôt qu'en production.

Nicolas Moreau: Les groupes d'exclusion garantissent qu'aucun utilisateur n'est bucketé dans deux tests à la fois.

Claire Martin: Pour l'analyse, vous pouvez envoyer les événements vers vos propres outils — Segment, Amplitude, votre warehouse — ou brancher dif.track avec une clé Dif Cloud pour que la lift soit calculée pour vous. Et la commande dif conclude archive le test, rédige un bloc décision, et ajoute une ligne au journal de la surface pour que le prochain test démarre informé. Le contexte.json, ils le décrivent comme « un CLAUDE.md pour les expériences ».

Nicolas Moreau: Le timing a été noté par la communauté : Flipt Cloud, Reflag et Hypertune ferment leurs portes, donc le lancement arrive à un moment où les équipes cherchent. Plusieurs commentateurs ont salué le « une commande, pas de compte » comme exactement ce qu'il faut pour que les agents finissent l'installation sans buter sur un mur d'inscription.

Claire Martin: Mais un commentateur a livré la critique la plus incisive — David avait explicitement demandé la version critique. Flags dans git, ça veut dire que retourner un flag demande un commit, une revue et un déploiement. Or la raison pour laquelle les équipes paient un service de flags, c'est le kill switch à 2h du matin sans aucune de ces étapes. Pour des flags orientés agent, c'est un compromis acceptable ; pour un rollout progressif ou un incident, ça ne l'est pas.

Claire Martin: Et le markdown ne résoudra pas les flags morts : rien n'est relu quand rien ne change, donc le flag que personne n'a touché depuis quatre mois branche toujours en prod.

Nicolas Moreau: Autres questions ouvertes : comment ça gère les conflits de merge quand deux personnes ou deux agents éditent le même fichier de flag — réponse implicite : c'est un conflit git normal — et est-ce que la structure de fichiers reste gérable quand le dépôt grossit. Bref, une idée séduisante avec un vrai débat sur ses limites.

Claire Martin: Et ça nous amène naturellement à la suite. Parce que dans tout ce qu'on vient de voir — Reflexio qui apprend des leçons, dif.sh qui documente ce qui a été essayé — il y a une même intuition : il faut encadrer l'agent. Et certains vont plus loin : il faut lui apprendre la retenue. C'est littéralement le créneau de Ponytail.

Nicolas Moreau: Ponytail, c'est un plugin qui donne aux agents une règle d'arrêt : écrire le moins de code qui fonctionne. Avant d'ajouter quoi que ce soit, l'agent doit vérifier si le changement est vraiment nécessaire, s'il existe déjà, ou si la bibliothèque standard ou une API native peut le faire.

Nicolas Moreau: La « échelle » en sept barreaux : est-ce que ça doit exister — pas de code spéculatif, YAGNI ; est-ce déjà dans ce codebase ; est-ce que la stdlib le fait ; est-ce qu'une fonctionnalité native de la plateforme couvre le besoin — leur exemple : input type date plutôt qu'une lib de sélecteur ; est-ce qu'une dépendance déjà installée le résout ; est-ce que ça peut tenir en une ligne ; et seulement alors, le code minimal qui marche.

Claire Martin: Leur benchmark — médianes sur douze tâches de fonctionnalités sur un dépôt FastAPI plus React : 54 % de code en moins, 22 % de tokens en moins, 20 % de coût en moins, 27 % plus rapide, sécurité préservée — validation, gestion d'erreurs, sécurité et accessibilité ne sont jamais simplifiées, disent-ils. L'exemple vedette : un agent qui écrit une classe CacheManager de cinquante lignes là où un décorateur lru_cache suffisait.

Claire Martin: Même comportement, quarante-huit lignes en moins, zéro bug dans du code qui n'existe pas.

Nicolas Moreau: La description du créateur est drôle : l'analogie du développeur senior blasé, lunettes, queue de cheval, qui dit rien, écrit une ligne, et ça marche. Et sa thèse : une bonne partie des outils de l'année dernière ont enveloppé le modèle dans plus de processus ; Ponytail fait l'inverse. Une fois que le modèle sait livrer, la partie difficile, c'est de le faire arrêter. Peut-être que le prochain superpouvoir, c'est la retenue.

Claire Martin: Ça s'installe en deux lignes pour Claude Code, et ça marche aussi avec Codex, Cursor, Windsurf, Cline, Zed et une quinzaine d'autres agents. Il y a des intensités — lite, full, ultra pour le cas où « votre codebase vous a fait du mal personnellement » — et des commandes pour auditer le dépôt à la recherche de sur-ingénierie ou collecter les raccourcis différés.

Nicolas Moreau: Mais une question de la communauté mérite d'être posée à voix haute : quand la fonction stdlib existante n'est qu'une quasi-correspondance — gestion de cas limites différente, type de retour légèrement différent — est-ce que Ponytail pousse l'agent à forcer le mauvais outil juste pour éviter d'écrire quelques lignes, ou sait-il quand « réutiliser » introduirait un bug plus subtil que du code frais ? C'est LA limite potentielle d'une règle d'arrêt aussi ferme.

Nicolas Moreau: Un autre utilisateur demandait si ça accélère réellement les tâches — l'hypothèse étant que trouver du code réutilisable coûte moins de temps que générer du neuf.

Claire Martin: Et l'autre réponse à l'excès des agents, c'est la facture. Experiential Labs prend le problème par là : une passerelle IA open source, écrite en Rust, sans marge sur les tokens. Une seule clé pour plus de 1 000 modèles — via leur marketplace, vos propres clés de providers, ou des modèles auto-hébergés et locaux derrière le même endpoint. Vous payez le prix du provider, zéro markup. Un utilisateur le résume bien : « c'est OpenRouter sans les 5 % de marge ».

Nicolas Moreau: Kion et Silen, les deux fondateurs, sont chercheurs en IA. Leur constat de départ : à chaque nouveau modèle, un compte de plus, une clé de plus, un endroit de plus pour suivre les dépenses. Mais Experiential veut être plus qu'une passerelle : chaque requête partage un format de trace unique, ce qui permet de repérer les ratés de cache, recommander de meilleurs modèles, identifier ce qui devrait tourner de façon asynchrone ou par lots — et entraîner un modèle spécialisé que vous possédez.

Claire Martin: Sur les modèles spécialisés, ils citent deux études de cas — toujours leurs chiffres, à prendre comme tels : un agent d'usage d'ordinateur, un modèle 9B distillé puis scoré en simulation en boucle fermée, avec moins 97 % de coût et sept fois plus rapide que leur référence, en complétant 50 % de tâches de plus que le modèle 9B non entraîné. Et un modèle de recherche de claims, 4B, entraîné par GRPO, avec plus 10,9 % de précision, 9,4 fois plus rapide, 90 % moins cher.

Claire Martin: Le point important : le fine-tuning ne se met jamais en route tout seul, c'est vous qui l'activez.

Nicolas Moreau: Côté gestion : une console avec attribution des dépenses par agent, personne, modèle ou jour, des clés avec plafonds — journaliers, hebdomadaires, mensuels — des rôles, des allowlists de modèles, des scopes « local seulement ». Un admin fixe les caps une fois, et ils sont appliqués à chaque requête.

Nicolas Moreau: L'intégration se fait en changeant l'URL de base, le streaming passe token par token, et le dernier onglet de leur doc est un prompt à donner à Claude Code, Cursor ou Codex pour que l'agent fasse l'installation lui-même.

Claire Martin: Traction revendiquée : depuis un lancement sur Hacker News une semaine plus tôt, plus de 1 000 développeurs et 50 entreprises auraient traité plus de 10 milliards de tokens par jour, avec plus de 880 étoiles GitHub. Et pour le lancement, plusieurs modèles étaient offerts gratuitement jusqu'à la fin de la semaine — ce qui a d'ailleurs intrigué un commentateur, qui demandait comment ils pouvaient offrir GPT Astra et autres sans coût, et quelle était la limite de tokens.

Nicolas Moreau: Et là encore, la question sensible est restée en suspens dans les commentaires : comment Experiential gère-t-il les prompts et les données de trafic sensibles quand il apprend de l'usage ? Quelqu'un demandait aussi si la localité du cache fait partie du calcul de routage — à partir de quand un cache chaud l'emporte sur les gains de routage. Et une remarque, un peu sceptique, d'un utilisateur sur la sécurité d'entrer ses informations bancaires pour la plupart des modèles.

Nicolas Moreau: Bref : beaucoup de potentiel, des questions de confidentialité et de routage pas encore tranchées publiquement.

Claire Martin: On peut d'ailleurs faire le lien : dif.sh écrit ce que l'agent a essayé dans des fichiers markdown, Reflexio transforme les échecs en leçons réutilisables, Ponytail lui apprend à ne pas trop écrire, Experiential optimise ce qui transite. Si on relie les points, on devine presque un « GitHub local pour agents » qui émergerait de cette convergence — GitWarren le dit d'ailleurs à moitié lui-même, son créateur se demandant si son app pourrait devenir un lieu de rencontre local avec d'autres usages.

Nicolas Moreau: Passons à autre chose, mais restons dans le thème de la franchise et de la friction réduite — cette fois dans la vie personnelle. Premier produit : at8pm, un journal intime pour iPhone avec une règle simple et radicale. Chaque entrée que vous écrivez aujourd'hui se verrouille à l'heure que vous avez configurée — 20h par défaut. Une fois verrouillée, c'est fini : pas d'édition, pas de réécriture de l'histoire, pas de polissage discret de ce que vous avez ressenti sur le moment.

Claire Martin: Le créateur explique sa motivation : il voulait capturer ce qu'il ressentait vraiment à l'instant, pas ce dont il se souvient avoir ressenti plus tard. La plupart des applis de journaling permettent d'éditer, réécrire, supprimer — c'est utile, mais ça rend trop facile la réécriture involontaire de sa propre histoire.

Nicolas Moreau: Concrètement, on écrit en texte riche — gras, italique, souligné, barré — ou on enregistre une note vocale, ou un « squope », leur terme pour une vidéo carrée rapide, filmée directement dans l'entrée, avec possibilité de retourner la caméra avant de commencer. On peut ajouter photo et localisation. Il y a un anneau de verrouillage qui montre le temps restant avant la fermeture du jour, un compteur de série, et des humeurs par entrée.

Claire Martin: Côté vie privée, c'est soigné : les entrées se synchronisent entre vos appareils via votre iCloud privé, jamais via un serveur tiers, et on peut verrouiller l'app derrière Face ID. Le développeur déclare ne collecter aucune donnée. Et il y a une petite tension amusante à connaître : l'app est gratuite jusqu'à deux entrées par jour, et le verrouillage est censé être définitif… mais on peut dépenser des « crédits de déblocage » payants pour rouvrir une entrée verrouillée pendant 24 heures.

Claire Martin: Entièrement optionnel, précise-t-il — mais ça relativise un peu la philosophie du produit.

Nicolas Moreau: Un commentateur a d'ailleurs noté exactement ça : le fait de verrouiller par défaut au lieu de vous tenter d'éditer plus tard, c'est tout le produit — la plupart des applis de journaling vont dans l'autre sens. Sa question : si vous voyagez entre plusieurs fuseaux horaires, l'heure de verrouillage suit-elle l'heure locale du téléphone ou reste-t-elle ancrée au fuseau de configuration ? Question encore sans réponse dans ce qu'on a.

Nicolas Moreau: Un autre demandait une version Android — l'app est pour l'instant uniquement iPhone, et requiert iOS 26.2 ou plus récent.

Claire Martin: Enchaînons sur un produit plus émotionnel : Retold. Son créateur, Karl, l'a construit à partir d'un deuil — sa grand-mère est décédée il y a quelques années, et il lui restait un message vocal qu'elle avait laissé à sa sœur, et des clips rigolos où elle essayait d'utiliser Alexa. Entendre sa vraie voix comptait, mais des fichiers audio dans un dossier du téléphone, ce n'est pas quelque chose qu'une famille retourne naturellement revoir.

Nicolas Moreau: Donc Retold : on enregistre une histoire, ou on importe une ancienne note vocale. L'app garde la vraie voix, et dessine en même temps — des bonshommes bâtons un peu bancales, le chien, l'éclaboussure — une petite pellicule synchronisée sur la voix. Chaque histoire rejoint ensuite « l'étagère familiale ». L'exemple sur leur site : « Le jour où mamie est tombée dans le canal », raconté par papi, contesté par mamie.

Nicolas Moreau: Le grand-parent raconte au téléphone, un gros bouton rouge, pas de formulaire, pas de frappe — et les petits-enfants l'écoutent au coucher, dans une voix qu'ils reconnaîtraient entre mille.

Claire Martin: L'app est en bêta sur iPhone, avec des tests fermés Android en cours. Côté prix : cinq histoires gratuites, puis 5,99 livres par mois ou 39,99 par an — environ 77 pence par semaine — et les histoires restent à vous même si vous arrêtez de payer. « Fabriqué avec un crayon bancale en Grande-Bretagne », précise le pied de page.

Nicolas Moreau: Mais un commentateur a soulevé la question éthique qui pèse sur toute cette catégorie : la source, c'est souvent l'enregistrement de quelqu'un qui ne peut pas consentir à son utilisation après coup — surtout les vieux messages vocaux de personnes décédées. Quelle est la vraie politique de données : l'audio est-il traité puis supprimé, conservé indéfiniment sur un serveur, jamais utilisé au-delà du film de cette famille-là ?

Nicolas Moreau: Une question importante et, pour l'instant, sans réponse claire dans les sources.

Claire Martin: Troisième appli du trio, plus utilitaire : CommuteBar. L'idée est née d'une mésaventure du créateur : un matin, les routes avaient l'air dégagées, il est parti en pensant rentrer tôt… et quinze minutes plus tard, le trafic est arrivé, une fois qu'il était déjà dehors. Ce qui lui manquait, c'est un indicateur rapide dans son champ de vision, à côté de l'horloge — l'endroit où il regarde tout le temps. Pas une appli de plus à ouvrir.

Nicolas Moreau: Donc CommuteBar affiche les temps de trajet en direct dans la barre de menus du Mac. On sauvegarde plusieurs destinations — bureau, école, salle de sport —, on programme la bascule automatique pour les trajets récurrents, et on a des indicateurs « partez bientôt » / « partez maintenant » avec notifications optionnelles. Il y a aussi la comparaison d'itinéraires, les alertes de trafic retardé, et plusieurs modes de transport.

Claire Martin: Points pratiques : la localisation reste sur le Mac, pas de compte ni de connexion, macOS 14 minimum, et une licence à vie sans abonnement — détail salué, notamment par un utilisateur qui, jusque-là, laissait Wazer tourner sur son téléphone tout en restant devant son ordinateur.

Claire Martin: Un commentateur a posé la question du quotidien réel : un jour où vous avez un arrêt intermédiaire — déposer un enfant avant le bureau — la bascule automatique montre-t-elle la destination suivante dans la séquence, ou faut-il basculer à la main ? Encore une question ouverte.

Nicolas Moreau: Et pour finir ce trio, Queuebrick. Le créateur, Zachary, le présente comme un petit projet passion : une alternative à Letterboxd, sans les pubs, avec une vraie attention portée à l'expérience utilisateur. On cherche un film, on le note, on le met en file d'attente, on classe quoi regarder ensuite. Et dès le départ, il y a les séries TV — détail réclamé à cor et à cri, si on en croit les commentaires.

Claire Martin: Le point de différenciation le plus intéressant, c'est le passage de la watchlist interminable qu'on n'utilise jamais à une file priorisée. Un commentateur dit exactement ça : classer ce qu'on regarde ensuite, plutôt qu'empiler, semble beaucoup plus pratique. Et il y a une fonction d'import « fourre-tout » pour ramener films et séries depuis presque n'importe où.

Nicolas Moreau: Une question technique importante de la communauté : Letterboxd utilise une échelle de cinq étoiles par demi-étoile, IMDb une échelle sur 10, certains trackers des pouces haut ou bas. Quand on importe des années de notes, Queuebrick convertit-il l'échelle proportionnellement pour préserver les classements relatifs, ou mappe-t-il grossièrement, vous obligeant à re-noter pour corriger ? Réponse non tranchée dans nos sources.

Nicolas Moreau: Autre suggestion sympa : une file partagée pour les couples ou les amis, où chacun ajoute des films et vote sur ce qu'on regarde ensuite — « au lieu de passer trente minutes à se disputer sur quoi choisir », rigole le commentateur.

Claire Martin: Et on termine avec deux outils qui raccourcissent le chemin entre une idée et le monde réel. Le premier : BrickForgerAI. Vous tapez un prompt — un vaisseau spatial, une maison, un dragon — et vous obtenez un modèle de briques réellement constructible. Pas une jolie image de « générateur LEGO par IA » qu'on ne peut ni acheter ni assembler.

Nicolas Moreau: Et le créateur insiste là-dessus : la génération d'image et de maillage 3D, c'est la porte d'entrée, la partie facile, achetée toute faite.

Nicolas Moreau: Le vrai travail, c'est le moteur de placement des briques : voxeliser la forme, la tuiler avec de vraies pièces compatibles LEGO, décaler les joints pour la solidité — pour que ça ne craque pas comme une pile mal empilée — puis lancer une analyse structurelle : graphe de connectivité, charge gravitaire, pour repérer les points faibles, et réparer automatiquement avant de vous livrer le modèle.

Claire Martin: Le tout à partir d'une bibliothèque de 55 pièces réelles et achetables, avec une gamme d'angles de pente et de courbes pour des surfaces plus lisses, qui s'enrichit continuellement. Ils travaillent aussi sur des techniques comme le SNOT — construire sur le côté. Et selon eux, la plupart des modèles générés sortent avec 100 % de connectivité et peu de problèmes signalés par le vérificateur de stabilité de BrickLink Studio. Livrable : un fichier .

Claire Martin: ldr, la liste des pièces, et un PDF d'instructions pas à pas. Plans gratuit avec 3 crédits par mois, on paie seulement pour télécharger le fichier.

Nicolas Moreau: Un utilisateur a résumé l'intérêt : obtenir le fichier, la liste des pièces et le PDF ensemble, ça transforme le résultat de quelque chose qu'on regarde en quelque chose qu'on s'assoit et qu'on construit. Et deux suggestions de la communauté qui sentent bon la suite du produit : une estimation du coût des pièces, et surtout — pouvoir dire « construis ça avec les briques que j'ai déjà dans ma collection ».

Nicolas Moreau: Une précision légale à noter : pas affilié au groupe LEGO, qui est une marque de son propriétaire ; la géométrie des pièces vient de la bibliothèque LDraw sous licence CCAL 2.0.

Claire Martin: Et le deuxième outil de fin d'épisode : PostBox, pour les designers qui créent dans Figma mais détestent l'étape d'après. Jason, le fondateur, le dit lui-même : il adore fixer chaque détail au pixel près, mais pas reformater et mettre en scène ses designs pour qu'ils soient engageants sur chaque plateforme sociale.

Nicolas Moreau: Sa solution : transformer l'encoche du MacBook en zone de glisser-déposer. On fait glisser un export — ou plusieurs — dans l'encoche, on écrit la légende une seule fois, et on publie vers X, Bluesky, LinkedIn, Dribbble, Behance et Cosmos d'un coup. Threads, Instagram et Pinterest sont en cours de construction — si on s'y connecte maintenant, ils commencent à poster dès que chacun arrive.

Claire Martin: Il y a aussi une petite fonction « Present » : disposer le visuel — appareil, mise en page, fond, marges — dans un canevas intégré au brouillon, sans rouvrir Figma, et sans étape d'export puisque la composition devient la pièce jointe. Côté sécurité, on se connecte sur la page de chaque plateforme, PostBox garde la session, jamais le mot de passe.

Claire Martin: Prix : gratuit à vie avec 5 posts tous les 30 jours et deux Mac par licence, ou Pro à 9,99 dollars par mois pour des posts et comptes illimités, avec 14 jours d'essai.

Nicolas Moreau: Les retours sont positifs sur l'interaction — « utiliser l'encoche comme espace de dépôt, c'est une utilisation vraiment maligne de l'espace mort » — mais un commentateur pose la vraie question : X, Instagram, Pinterest et LinkedIn veulent des ratios d'aspect différents et ont des limites de caractères différentes.

Nicolas Moreau: Est-ce que PostBox adapte automatiquement le recadrage et raccourcit la légende par plateforme, ou est-ce le même export et le même texte partout, en acceptant un recadrage un peu maladroit sur certaines ? Pas de réponse explicite dans nos sources. On note aussi des demandes de publication programmée et de posts combinant vidéo et texte.

Claire Martin: Alors, pour refermer l'épisode : qu'est-ce qui relie tout ça ? On a commencé avec des agents qui écrivent du code et des outils pour les sonder, les faire apprendre, les relire et les limiter. Et on a fini avec des applis qui font exactement la même chose pour nous, humains : verrouiller nos écrits avant qu'on les politise, ramener les souvenirs de dossiers cachés vers l'étagère familiale, supprimer la friction entre une envie et sa réalisation.

Nicolas Moreau: La logique de fond de ces douze produits, c'est la même partout : supprimer les étapes intermédiaires — le log manquant, le copier-coller entre terminaux, l'onglet en trop, le soir perdu à publier. Mais on a aussi vu que chaque suppression de friction soulève sa vraie question : quelle donnée est capturée, qui approuve, qui peut réviser. Les meilleures questions des commentaires portaient presque toujours là-dessus.

Claire Martin: On sera demain avec une nouvelle sélection. En attendant, vous savez quoi faire : relisez vos notes de la journée avant 20h. Merci de nous avoir suivis, à très vite !

Nicolas Moreau: Salut à tous !