0907 | Outils IA : de l'agent au domaine, les lancements qui comptent

Claire Martin: Bonjour et bienvenue, je suis Claire Martin.

Nicolas Moreau: Et moi Nicolas Moreau. Ce qu'on vous propose aujourd'hui, ce sont quatre lancements qui, chacun à leur façon, disent la même chose : arrêtez de perdre du temps et du travail. Que ce soit générer de la vidéo plus vite, piloter des agents de code, déléguer à une IA dans Slack ou surveiller un nom de domaine, tout tourne autour de cette idée.

Claire Martin: Et on va prendre le temps de décortiquer chacun, avec les vrais chiffres, les vraies limites, et les questions que la communauté se pose. On commence par la vidéo.

Nicolas Moreau: Alors première histoire, c'est H3 Max de fal. Il faut comprendre le contexte : c'est une version post-entraînée de MiniMax H3, le même modèle open-weight de départ, mais re-entraîné avec de nouvelles données axées sur la compréhension des prompts et la qualité visuelle. Et côté infra, l'équipe inference de fal a reconstruit le stack de service autour du modèle, sur des systèmes NVIDIA GB200 NVL72.

Claire Martin: Le résultat revendiqué, et j'insiste sur le mot revendiqué parce que ce sont leurs évaluations, c'est la première place en qualité globale, compréhension des prompts et esthétique, face à douze modèles vidéo. Dont le H3 officiel, Gemini Omni Flash, Wan 3.0, Seedance 2.5, Kling 3 et Veo 3.1. Et pendant ce temps, un clip de cinq secondes se génère en environ trois secondes.

Nicolas Moreau: Trois secondes pour cinq secondes de vidéo, c'est trente-cinq fois le débit du endpoint officiel H3, et quinze fois plus rapide en moyenne que tout ce qui a une qualité comparable, toujours selon leurs mesures. La méthodologie, elle, est décrite assez honnêtement : ce sont des préférences humaines en tête-à-tête, agrégées en Elo bayésien avec des intervalles de confiance à 95 %.

Nicolas Moreau: Ils évaluaient trois dimensions séparément, qualité globale, prompt understanding, esthétique, plutôt qu'un score agrégé unique.

Claire Martin: Et ce qui donne un peu plus de crédit, c'est que deux benchmarks indépendants, Artificial Analysis et Design Arena, confirment aussi la première place. Design Arena parle même de plus de cinquante fois la vitesse du H3, en établissant une nouvelle frontière vitesse-préférence. Donc ce n'est pas uniquement un auto-évaluation.

Nicolas Moreau: Ce que je trouve intéressant dans leur récit, c'est qu'ils disent avoir travaillé les deux côtés du problème en même temps. La recherche sur le modèle donne le contrôle sur la qualité, le travail systèmes donne le contrôle sur l'efficacité, et en co-concevant les deux, les gains ne se payent pas l'un par l'autre. Concrètement, ils disent qu'une optimisation n'a survécu que si le modèle gardait sa position dans leurs évaluations internes de qualité.

Nicolas Moreau: Donc pas de réduction de précision sauvage, pas de suppression de steps si ça dégrade la sortie.

Claire Martin: Maintenant, qui est concerné ? Les gens qui construisent des choses qui ont besoin de génération vidéo rapide et de qualité à l'échelle, pas juste une démo. Les endpoints sont text-to-video et image-to-video, utilisables via le Playground, l'agent fal ou l'API.

Nicolas Moreau: Et les limites ? Un commentateur sur Product Hunt pose exactement la question qu'il faut poser : trois secondes pour un clip de cinq secondes, c'est fou, mais est-ce que la qualité tient à cette vitesse ?

Nicolas Moreau: Il dit que la plupart des modèles rapides qu'il a essayés perdent en cohérence du mouvement au-delà de deux ou trois fois le temps réel, et il va tester le endpoint image-to-video sur quelque chose avec un vrai mouvement de caméra, parce que c'est là que les astuces de vitesse s'effondrent en général. C'est un excellent test à retenir : la cohérence du mouvement en conditions réelles, ça reste à confirmer.

Claire Martin: Et l'autre chose à garder en tête : les benchmarks indépendants confirment la première place, mais ce sont quand même des benchmarks. La vraie question, c'est est-ce que ça marche sur votre contenu, à vous. Bon, ça c'était la génération. Passons à l'autre côté, la compréhension.

Nicolas Moreau: Google a lancé le mode « agentic » de compréhension vidéo dans Gemini. Disponible sur les modèles Gemini 3.7 Flash, 3.6 Flash et 3.5 Flash-Lite. L'idée : au lieu de balayer la vidéo à un frame rate fixe, le modèle décide activement quoi regarder, à quelle vitesse, et par quelle modalité. Frames, audio, transcript. Il récupère seulement les segments dont il a besoin via une boucle agentique interne.

Claire Martin: Les chiffres annoncés : jusqu'à 88 % de tokens en moins, jusqu'à 66 % de coût en moins, et jusqu'à 7 % de précision en plus. Et le point intéressant, c'est que ce n'est pas un produit séparé, c'est un mode à activer dans les modèles que vous utilisez déjà. Prix standard, pas de frais supplémentaires. Disponible via l'API Gemini dans AI Studio et dans la plateforme d'agents Gemini Enterprise.

Nicolas Moreau: Les cas d'usage mis en avant : recherche de moments précis à la seconde près pour du montage automatique, recherche d'aiguille dans une botte de foin sur des heures de vidéo, détection d'anomalies via un resampling à frame rate variable, comptage précis d'actions ou d'objets répétés. C'est destiné aux développeurs qui construisent des outils de recherche, de montage, de modération ou d'analyse vidéo sur du contenu long.

Claire Martin: Et là, tu remarques le point commun avec H3 Max ? Les deux repoussent la frontière qualité-vitesse, mais pas de la même façon. fal a post-entraîné le modèle et co-conçu l'infrastructure d'inférence. Google a changé la façon dont le modèle consomme la vidéo, en le rendant sélectif. Dans les deux cas, la logique est la même : ne pas traiter tout uniformément, mais faire un travail intelligent sur ce qui compte.

Nicolas Moreau: Exactement. Et sur les limites, là aussi c'est un lancement annoncé, pas une vérité vérifiée. Les pourcentages sont des « jusqu'à », donc les meilleurs cas. Et pour les heures de vidéo, la question de l'usage réel reste ouverte : est-ce que la boucle agentique reste efficace et précise sur du très long format, en conditions réelles ? Le communiqué le suggère, mais il faudra le voir à l'usage.

Claire Martin: Bon. On passe à autre chose, mais restons dans l'idée de faire plus avec moins d'efforts. Cette fois côté développeurs, et pas pour générer des images, pour coder et écrire de la doc. Et là, deux produits qui posent la même question : comment laisser les agents travailler sans perdre le contrôle ?

Nicolas Moreau: Le premier, c'est Kit de Speakeasy. C'est un runtime d'agent de code qui tient dans un binaire statique. Pas de permissions framework, pas de sandbox, pas de web UI. Dedans, il y a un client terminal, un serveur ACP, un endpoint A2A, et un orchestrateur de sous-agents. Et l'idée centrale, c'est que la plupart des harness exposent beaucoup d'outils, ce qui demande un aller-retour du modèle pour chaque appel. Kit n'expose qu'un seul outil : compose.

Claire Martin: Et compose, c'est un petit programme en langage Runlet. En un seul aller-retour, le programme peut lire des fichiers, lancer des tests, appliquer des edits, retenter des commandes échouées, déléguer à des sous-agents, et renvoyer des données structurées. Les appels indépendants tournent en parallèle, on contrôle l'ordre avec des dépendances de données ou des blocs after, et il y a un mécanisme de retry avec boundary retry et fail pour la gestion d'erreurs dans le programme.

Nicolas Moreau: Le bénéfice revendiqué, c'est moins d'aller-retours, donc moins de contexte répété, et plus de travail fait par requête. Sur des tâches de production calibrées en taille, Kit aurait utilisé environ la moitié des tokens d'entrée et du temps actif par ligne écrite à la main, par rapport à Codex CLI ou Claude Code. Là encore, c'est leur comparaison, à prendre comme une affirmation, pas comme un résultat indépendant.

Claire Martin: Autre chose d'intéressant : les sous-agents sont des valeurs réutilisables. On peut continuer, fork, inspecter, fermer un sous-agent, et exiger du JSON qui respecte un schéma. Et surtout, on peut utiliser Claude Code, Codex, Cursor ou Kit lui-même comme harness du sous-agent, via ACP. Ça, c'est le point que la communauté relève : la séparation client-runtime par ACP évite d'être enfermé dans un éditeur.

Nicolas Moreau: Côté sessions longues, Kit synchronise chaque item du transcript JSONL sur disque avant de l'accepter, compacte le contexte automatiquement à 80 % de la fenêtre, reprend les sessions depuis le tui, un prompt ou n'importe quel client ACP. Et il y a des locks crash-safe, avec retry des échecs éligibles aux abonnements OpenAI jusqu'à 24 heures.

Nicolas Moreau: Les modèles, on les change en cours de session avec /model, et il y a du support natif OAuth pour les abonnements ChatGPT, plus OpenRouter et le Speakeasy AI Control Plane.

Claire Martin: Maintenant les limites. Un commentateur pose une question qui reste ouverte : quand la sortie d'un sous-agent est fusionnée dans la session principale, est-ce qu'il y a une étape de validation, ou est-ce que ça passe tel quel comme si l'agent de haut niveau l'avait écrit lui-même ? C'est une vraie question, et la réponse n'est pas dans ce qu'on a sous les yeux. Et l'autre chose à savoir, c'est ce que la doc dit explicitement : Kit est un runtime, pas une frontière de sécurité.

Claire Martin: Il faut le faire tourner dans une frontière de sécurité qu'on contrôle soi-même. Pas de sandbox, c'est assumé.

Nicolas Moreau: Et l'argument qui revient dans les commentaires, c'est le binaire statique, le fait que tout ce que fait Speakeasy tourne sans configuration. Un utilisateur dit qu'il va en faire son daily driver, pas juste le tester. Bon, c'est de l'expérience attribuée, pas un verdict.

Claire Martin: Deuxième produit de cette partie, DocsAlot Visual Editor. C'est un éditeur visuel de documentation, avec un angle très clair : presque tout le logiciel est en train d'être reconstruit pour les agents, et DocsAlot le fait aussi, avec un CLI et du MCP pour que les agents accèdent aux docs. Mais le fondateur, Faizan, dit avoir pris conscience d'une vérité importante : un humain doit toujours trancher avant que la documentation ne devienne publique.

Nicolas Moreau: Donc l'éditeur, c'est une interface visuelle qui préserve le Markdown sous-jacent. Une page peut passer du mode visuel au mode source tout en conservant le frontmatter, les tableaux, le code, les liens, la structure. Et le workflow sépare l'édition de la publication : les changements restent dans un brouillon, un humain sauve volontairement une version, peut revenir en arrière, et choisit quand cette version devient publique.

Nicolas Moreau: La navigation, elle aussi, est traitée comme de vraies données de site, donc déplacer des pages et des groupes met à jour la structure utilisée par la doc publiée.

Claire Martin: Le côté technique intéressant, c'est que le difficile n'était pas de mettre une zone de texte dans un navigateur, c'était de faire une expérience d'édition visuelle sans casser le Markdown. Et dans l'interface, il y a des blocs techniques natifs : groupes de code multi-langages, callouts, étapes, tableaux, tabs, cartes. Parce qu'un éditeur rich-text générique devient inutile dès qu'il faut du code qui marche, des callouts structurés, du contexte API.

Nicolas Moreau: Et l'assistant IA travaille dans l'espace de documentation, pas dans une boîte de chat à part. Tu demandes d'améliorer une explication, de mettre à jour des pages liées, et tu inspectes les pages touchées. Toi, tu décides ce qui est publié. C'est exactement le fil rouge avec Kit : l'agent fait plus de travail, mais le contrôle humain reste un point d'entrée obligatoire.

Claire Martin: Et les questions ouvertes là aussi sont bonnes. Un commentateur demande : si un agent propose une mise à jour via le CLI ou MCP et qu'un humain rejette ou modifie la plupart, est-ce que l'agent voit ce qui a changé et pourquoi, ou est-ce qu'il repart de zéro sans mémoire de la correction ? Autre commentaire, plus provocateur : la porte humaine attrape le formatage, mais pas le vrai coût, c'est un extrait de code qui a l'air parfait et ne tourne pas.

Claire Martin: Personne ne rejette un diff qui a l'air correct. Son idée : une revue mécanique, compiler les snippets, vérifier chaque endpoint mentionné contre la spec OpenAPI, puis ne montrer à l'humain que les pages qui ont échoué. C'est une critique très pertinente.

Nicolas Moreau: Et un utilisateur qui a essayé de construire quelque chose de similaire souligne que le point fragile, c'est justement la préservation du Markdown, le mode visuel qui finit toujours par corrompre le frontmatter ou les blocs de code. Il demande depuis combien de temps ils dogfoodent ça sur leurs propres docs. Donc encore, des questions ouvertes, pas des réponses.

Claire Martin: Ce qui ressort de ces deux-là, c'est que les agents font de plus en plus le travail, mais l'architecture du contrôle reste à construire. Et ça nous amène naturellement à la troisième partie : et si l'IA ne se contentait pas de coder, mais travaillait comme un collègue ? Dans vos outils, tous les jours.

Nicolas Moreau: Alors Tadata. C'est un « employé IA » qui vit dans Slack, présenté par Tori Seidenstein, co-fondatrice. Le pitch : on devrait pouvoir déléguer à l'IA comme à un collègue. Lui dire ce dont on a besoin, donner du feedback, et le laisser se débrouiller. Pas choisir des fournisseurs de données, pas câbler des outils, pas construire un agent de recherche soi-même.

Claire Martin: L'exemple qu'elle donne, c'est la recherche de leads en vente. Tu décris précisément qui tu cherches, Tadata cherche à travers vos outils internes et des sources plus difficiles d'accès comme LinkedIn ou Google Maps. Si les résultats ne sont pas bons, tu réponds avec ce qu'il faut changer. Et en travaillant avec, Tadata apprend comment votre entreprise fonctionne et construit du contexte partagé qui améliore le travail futur.

Nicolas Moreau: L'équipe vient de l'infrastructure : ils ont créé FastAPI-MCP, qui a atteint 12 000 étoiles GitHub et plus de 70 millions de téléchargements. Donc ils savaient donner des outils aux agents, mais ils disent eux-mêmes qu'avoir accès à des outils, ce n'est pas la même chose qu'avoir un collègue IA fiable. C'est pour ça qu'ils ont construit Tadata.

Claire Martin: Concrètement, dans une journée : le matin, un brief dans Slack avec les appels du jour, ce qui a changé depuis le dernier échange, les actualités qui comptent. Pendant la journée, Tadata remarque ce qui se répète et propose de l'automatiser, en demandant avant. Après un appel, le travail fini attend votre approbation : e-mail de suivi rédigé, champs CRM remplis, prochaine étape écrite. Rien ne part tant que vous n'avez pas dit oui.

Nicolas Moreau: Côté intégrations : HubSpot, Attio, Notion, Linear, GitHub, Google Sheets, Granola, Monday, Gmail, Hunter.io, Google Calendar, plus n'importe quel MCP ou API. Et côté contexte externe : sites d'entreprises, pages carrières, LinkedIn, Google Maps, job boards, filings et reviews, plateformes sociales, listings locaux.

Nicolas Moreau: Il y a aussi des agents pré-construits : personnalisation d'outreach, warm intro finder, préparation d'appels, listener LinkedIn, détection de nouvelles recrues, préparation de conférences. Ou tu décris ce dont tu as besoin et Tadata le construit.

Claire Martin: Un point fort qu'ils mettent en avant : c'est model-agnostique. Tadata se situe entre votre travail et les modèles frontier, sans incitation à vous enfermer chez un fournisseur. Et surtout, portable by design : vos automatisations, préférences, exceptions et recettes institutionnelles vivent dans Tadata, mais vous pouvez les exporter, les versionner, les emmener si vous changez de modèle. Pas de reconstruction.

Claire Martin: Et niveau sécurité, accès scoping, isolation des credentials, vos données restent les vôtres.

Nicolas Moreau: Maintenant les critiques et questions de la communauté, et elles sont bien posées. Un commentateur demande le failure mode : si Tadata fait une recherche de lead et se trompe avec assurance, donnée obsolète, mauvaise entreprise, détail halluciné, est-ce qu'il signale sa propre incertitude, ou est-ce que ça arrive comme un message Slack normal et devient une vérité aux yeux de celui qui a demandé ? C'est LA question sur ce type de produit.

Claire Martin: Autre question : comment être sûr que l'information partagée est en sécurité ? Et une autre, très concrète pour quelqu'un qui vit dans Slack : est-ce qu'il faut le taguer, ou est-ce qu'il écoute en arrière-plan et décide quand intervenir ? Et comment fonctionne l'apprentissage de « votre entreprise » après une semaine versus après un mois ? Ces questions n'ont pas de réponse dans ce qu'on a sous les yeux.

Claire Martin: Mais l'intérêt des utilisateurs est réel, avec des retours comme « je cherche chaque semaine un endroit dans Slack pour déléguer mes changements de contexte infinis ». Et quelqu'un qui compare note que par rapport à Claude Tags, ça a l'avantage d'être model-agnostique, et potentiellement capable de tourner sur des modèles locaux.

Nicolas Moreau: Bon. De l'autre côté, dans le navigateur cette fois, AI Toolbox 3.0. Une extension local-first qui se pose sur ChatGPT, Claude, Gemini et Grok avec une seule installation.

Nicolas Moreau: Ça ajoute dossiers et sous-dossiers dans la sidebar, recherche full-text à travers toutes les conversations, même sur les quatre plateformes en une seule requête, bibliothèque de prompts avec insertion par // et chaînes multi-étapes, export en masse en Markdown, PDF, JSON ou ZIP d'un dossier entier, bookmarks, un Artifact Vault sur Claude, et un compteur de contexte en temps réel.

Claire Martin: Le fondateur, Adi, raconte l'origine : il a commencé il y a deux ans avec 32 dollars, une VM pas chère et les frais de développeur Chrome. Il vivait dans ChatGPT toute la journée et perdait son travail en permanence, des conversations introuvables, des prompts retapés cent fois, aucun moyen d'exporter. Les plateformes ne livraient pas les bases. Donc ils ont construit la couche manquante, et les utilisateurs ont demandé de l'étendre aux autres plateformes.

Claire Martin: C'est leur troisième lancement sur Product Hunt.

Nicolas Moreau: Et les chiffres qu'ils donnent, à prendre comme des déclarations du fondateur : plus de 40 000 utilisateurs dans plus de 150 pays, 4,5 étoiles sur le Chrome Web Store, un MRR à cinq chiffres, deux personnes, 45 dollars par mois d'infrastructure. Presque chaque feature vient d'une demande utilisateur, et la boîte de support est leur roadmap.

Nicolas Moreau: Et le point privacy, c'est du local-first : la recherche et l'export tournent entièrement dans votre navigateur, les conversations ne sont jamais envoyées à leurs serveurs.

Claire Martin: Une fonctionnalité qu'un utilisateur décrit et qui est sympa : la recherche à travers ses trois IA, Claude, Gemini et ChatGPT, et surtout la continuité entre plateformes. Tu commences une conversation dans Claude, tu veux la continuer dans ChatGPT, tu appuies sur un bouton, ça résume la conversation et ça la porte dans un nouveau chat ChatGPT.

Nicolas Moreau: Mais les retours critiques sont là aussi bien réels. Un utilisateur d'un an dit qu'il ne pourrait plus s'en passer, mais un autre, qui l'utilise avec Claude depuis un mois, note deux problèmes : la recherche est parfois capricieuse, elle ne trouve pas des valeurs connues dans les chats, et le compteur de contexte est au mieux une estimation. Il recommande quand même globalement. Donc des limitations à connaître.

Claire Martin: Et deux questions techniques très pointues soulevées. La première : la fragilité face aux mises à jour d'interface. ChatGPT, Claude, Gemini changent leur structure DOM souvent, est-ce que l'extension se casse silencieusement pour une plateforme jusqu'au patch, ou est-ce que le scraping est résilient by design ? La deuxième, encore plus intéressante : la recherche local-first signifie que l'index vit dans IndexedDB, et Chrome peut l'évincer sous pression de stockage sans prévenir.

Claire Martin: Deux ans d'historique plus un arbre de dossiers, c'est exactement ce qui disparaît silencieusement et ressemble à un bug. Le commentateur demande s'ils appellent navigator.storage.persist() et si la quota est affichée quelque part, et suggère de mettre ça en avant avant même les dossiers, parce que perdre l'organisation fait plus mal que perdre un chat.

Nicolas Moreau: Ce qu'on retient de ces deux-là, c'est le même besoin de fond : ne plus perdre son travail avec l'IA, que ce soit des conversations éparpillées ou des tâches répétitives qu'on ne délègue pas. Et il y a une logique commune qui va nous servir de transition : la surveillance automatisée avec des alertes actionnables. Parce qu'après tout, surveiller une conversation, des leads ou un workflow, c'est pareil que surveiller... un nom de domaine.

Claire Martin: Alors Notify.domains. Le fondateur, Michael Cyger, a passé quinze ans dans l'industrie des domaines. Il a fondé DomainSherpa, créé DNAcademy, et après l'acquisition, dirigé la formation comme Directeur de l'éducation chez GoDaddy. Il dit avoir vu des gens perdre des noms qu'ils voulaient parce qu'ils n'avaient pas la bonne information au bon moment.

Nicolas Moreau: Le problème, c'est que si tu veux un nom de domaine précis, tu n'as aucun moyen de savoir quand une vraie opportunité d'acquisition apparaît. Notify.domains surveille WHOIS, RDAP, enchères, marketplaces, signaux web, et vérifie chaque domaine plus de vingt fois par jour sur tous les TLD IANA. Quand quelque chose change, tu reçois une notification en langage clair avec les étapes exactes, pas des données brutes.

Claire Martin: Et le point le plus important, c'est ce qu'il explique sur le fonctionnement réel du marché : les domaines expirés ne tombent pas simplement dans le domaine public, c'est un mythe. Les registrars envoient discrètement leurs noms expirés à des partenaires d'enchères avant que le public ne le voie. Chaque registrar a ses propres deals et timings. Certains vont chez GoDaddy Auctions, d'autres chez NameJet, d'autres dans des réseaux plus petits difficiles à suivre.

Claire Martin: Pas de liste maîtresse, pas de calendrier unique. Si tu rates le bon endroit ou le bon moment, le nom peut s'échapper pour toujours.

Nicolas Moreau: Les alertes sont de ce genre : « ton domaine a changé, voici ce qu'on a vu », « domaine en enchère, enchéris maintenant », « pending delete commencé, voici ta checklist de backorder », « listing marketplace en baisse de 35 % ». Et en plus, chaque domaine suivi donne accès à une ligne directe avec le fondateur dans l'app.

Claire Martin: Côté features, il y a la surveillance du domaine lui-même, dates d'expiration, statuts, changements de registrar, les signaux web comme downtime, certificats morts, ou redirects qui indiquent qu'un propriétaire en a fini avec le nom, les enchères avec une seule surveillance sur toutes les grandes plateformes, les aftermarkets avec listings et baisses de prix, et la coordination de backorder avec le service à choisir selon l'extension et le moment du cutoff.

Claire Martin: Le tout à 24 dollars par an, avec un essai gratuit de 7 jours sans carte bancaire.

Nicolas Moreau: Et l'expérience attribuée d'un utilisateur est parlante : il suit un nom qu'il convoite depuis plus de dix ans, qui n'est plus utilisé, pas à vendre, et dont le propriétaire ne répond pas. Il dit que savoir que Notify.domains travaille 24/7 en son nom lui donne espoir d'avoir un jour sa chance. Et un autre témoigne d'un .

Nicolas Moreau: com perdu exactement de cette façon il y a quelques années, en regardant le domaine expirer sans savoir que des drop-catchers l'avaient déjà dans le viseur avant même que la page ne tombe.

Claire Martin: Maintenant les limites, et elles sont bien formulées par la communauté. Le premier problème, c'est la course, pas la détection. Si un domaine est assez désirable pour que tu le surveilles, d'autres domainers et services de sniping surveillent probablement les mêmes signaux. Une fois l'alerte déclenchée, reste-t-il une vraie fenêtre pour agir, ou est-ce que ça se résume à qui a l'API de registrar la plus rapide ? C'est une vraie question ouverte.

Claire Martin: Et l'autre : est-ce qu'on peut surveiller ses propres domaines contre une expiration silencieuse ou un changement DNS sous son nez, ou est-ce que c'est uniquement pour des noms qu'on veut acquérir ? Parce qu'un gérant d'une douzaine de petits domaines d'envoi s'inquiète exactement de ça.

Nicolas Moreau: Il y a aussi une question de Bob Hawkes, qui demande si deux personnes ou plus peuvent suivre le même nom et recevront chacun la même information selon leurs préférences de notification. Michael y répond en évoquant le fait que le partenaire d'enchères du registrar peut lister le nom en premier, ce qui rejoint le point sur les enchères.

Claire Martin: Et on peut aussi noter une demande d'utilisateur : pouvoir chercher par mot-clé ou industrie plutôt que par domaine spécifique. Ça montre la limite actuelle du produit : c'est un outil pour des noms précis que tu as déjà identifiés, pas un moteur de découverte.

Nicolas Moreau: Bon. Si on regarde l'ensemble de l'épisode, il y a un modèle qui se dégage. Que ce soit pour un nom de domaine, une conversation IA, une vidéo ou un workflow de vente, la même logique émerge : la surveillance automatisée et les alertes actionnables. Le modèle décide quoi regarder dans une vidéo, Kit compose les actions du développeur, Tadata repère ce qui se répète dans Slack, Notify.domains scrute vingt fois par jour un domaine, AI Toolbox cherche à travers quatre plateformes.

Claire Martin: Et dans tous les cas, la même tension : l'automatisation fait plus, mais la question du contrôle reste ouverte. Qui valide la sortie du sous-agent ? Est-ce que le compteur de contexte est fiable ? Est-ce que l'alerte arrive assez tôt face aux drop-catchers ? Ce sont les vraies questions à poser à chaque outil de ce genre.

Nicolas Moreau: Merci d'avoir été avec nous, on se retrouve très bientôt pour un nouveau tour des lancements.

Claire Martin: D'ici là, gardez un œil sur ce qui compte, et laissez la surveillance automatisée faire le reste. À très vite.