On peut faire tourner Claude Code en local pour zéro coût de tokens, en le branchant sur Ollama et un modèle de code open-source (type qwen2.5-coder) au lieu de l'API cloud. Une porte d'entrée idéale pour expérimenter sans facture.

L'État français expérimente un serveur MCP officiel : un protocole qui laisse un chatbot interroger directement des jeux de données publics (lecture seule, cadre expérimental). Le signal d'un changement d'interface — on parle à la donnée au lieu de la télécharger.

Le vrai reality check : 84 % de l'humanité n'a jamais utilisé d'IA, et à peine 0,04 % se sert d'outils comme Cursor ou Claude Code. Ce qu'on prend pour « mainstream » se joue dans une bulle quasi invisible — utile pour calibrer son discours.

Un fichier CLAUDE.md bien construit (inspiré des pratiques internes d'Anthropic) installe une vraie discipline : mode plan avant d'agir, délégation aux sous-agents, boucle d'auto-correction qui écrit une règle après chaque erreur, et vérification par défaut avant de livrer.

Sans le dossier .claude, on n'exploite qu'une fraction de Claude Code. Les fichiers canoniques (CLAUDE.md pour les règles, hooks déterministes qui se déclenchent à chaque action) transforment l'assistant en coéquipier fiable plutôt qu'en chatbot.

Le RAG « maison » (chunking, embeddings, base vectorielle, infra coûteuse) était un projet d'ingénierie lourd. Des solutions intégrées (type Gemini File Search) absorbent cette complexité — il faut repenser quand construire soi-même et quand s'appuyer sur la brique fournie.

Créer « seulement » des automatisations n8n ne suffit plus : les entreprises veulent une infrastructure IA complète et évolutive. n8n automatise, Bolt/Lovable accélèrent le front/back, mais c'est l'assemblage en système qui crée la valeur.

Un an de vibe coding plus tard, le revers apparaît : productivité record, mais perte du « combat » contre le bug qui donnait du sens. Lucide rappel que la vitesse a un coût psychologique qu'il faut nommer pour le gérer.

Preuve par l'exemple : un site premium avec chatbot RAG entraîné sur des données réelles, livré en 24 h en solo. La barre de ce qu'un individu outillé peut produire a été déplacée — la contrainte devient la qualité du cahier des charges, pas la main-d'œuvre.

Tout le monde sait faire un POC RAG ; très peu savent le mettre en production. Le vrai travail est en aval : préparation de la requête, enrichissement du contexte, filtrage, reranking et évaluation de ce qui est réellement envoyé au modèle.

Quand un nouvel entrant casse les prix d'un marché établi (ici la téléphonie commerciale), la riposte par mises en demeure trahit surtout l'absence d'avantage produit. Leçon de positionnement : on garde ses clients par la qualité, pas par les avocats.

Le « cold call inversé » : déposer un message vocal de 30 s sur le répondeur sans faire sonner, puis relancer par SMS — et laisser le prospect rappeler. 2 569 vocaux → 28 % de taux de rappel → 719 appels entrants pour 3 commerciaux. La voix humaine + le bon timing, sans IA.

Au-delà du texte, Claude produit de vrais outils interactifs (Artifacts) : calculateurs de ROI, dashboards. Pour un commercial, c'est l'écart entre envoyer un argumentaire et livrer un mini-produit qui démontre la valeur.

Le vrai problème des commerces de service n'est pas le manque de demande mais le temps englouti dans la gestion des RDV. Automatiser la prise de rendez-vous libère le gérant pour son vrai métier — un angle d'acquisition très concret.

Avec les nouveaux écrans d'appel (iOS 26 affiche l'intro avant le décroché), le démarchage téléphonique devient un sport extrême : on ne décroche que si on a vraiment envie de parler. Il faut donner une raison de répondre avant même la sonnerie.

Le paysage CRM varie fortement selon les pays, mais Salesforce et HubSpot dominent partout (≈21 % et ≈17 % en France). Utile pour choisir un outil que vos clients et recrues connaissent déjà, plutôt qu'une solution de niche.

Salesforce intègre des agents IA (Agentforce) jusque dans ChatGPT : interroger le CRM, voir les leads non contactés, mettre à jour des opportunités depuis une seule conversation. L'objectif assumé est de réduire la « toggle tax » — le temps perdu à jongler entre outils.

Une PME qui code son CRM maison brûle des mois et des dizaines de milliers d'euros pour un outil qui bugue. La règle des opérateurs qui réussissent : assembler l'existant (Notion, Stripe, un CRM du marché) et garder son énergie pour le produit.

Les deals complexes ne ralentissent pas par manque d'urgence mais par manque de continuité : l'info critique est éparpillée sur des dizaines de calls. Rendre cette base interrogeable (objections, réponses qui marchent) a fait gagner ≈40 % du travail de structuration commerciale.

Quelques vérités CRM contre-intuitives : Notion n'est pas un CRM, le module nurturing est le plus ROIste, ~8 % de la base se périme chaque année, et les sales veulent surtout des listes qualifiées. Le scoring sans IA est, lui, surcoté.

Mistral AI Studio propose un cockpit pour construire des applis IA adaptées au marché francophone : monter un RAG propre sans code en uploadant ses PDF et process, avec des réponses sourcées. Une alternative européenne crédible à surveiller.

Les nouvelles générations de modèles (ici Gemini 3) génèrent des sites web propres et cohérents, niveau designer senior, en quelques instants — pas du « design IA » recyclé. La méthode compte autant que le modèle pour obtenir ce résultat.

Contrepoint salutaire : pour prédire des chiffres (CA, prix d'un bien, risque médical), les modèles de machine learning « classiques » battent encore les LLMs. Tout problème n'est pas un problème de LLM — savoir choisir l'approche est une compétence.

On peut faire tourner localement un modèle open-source proche de GPT-4o (type Qwen), gratuitement et hors ligne, sur un ordinateur standard. Décisif pour les usages où la confidentialité des données interdit l'envoi vers un cloud.

Le « vibe design » arrive : décrire son app en langage naturel et obtenir l'UI (Stitch, alimenté par Gemini). Le marché du design est secoué (l'action Figma a chuté) — signal qu'aucune couche créative n'est à l'abri de l'automatisation assistée.

Brancher une clé LLM (OpenAI/Gemini) dans Screaming Frog transforme le crawl SEO : génération de meta titles et descriptions, réécriture des H1 selon l'intention, extraction de FAQ, suggestions de schema, repérage des signaux E-E-A-T — des heures de travail réduites à quelques secondes.

Google Ads (PMax) ajoute les exclusions de données : on peut enfin exclure listes de visiteurs et Customer Match du remarketing. Petit réglage, gros effet sur le ciblage et le gaspillage budgétaire.

Un crawler SEO SaaS open-source et auto-hébergeable répond à une frustration récurrente du métier : la dépendance aux outils propriétaires et la friction pour sortir ses propres données. L'open-source gagne du terrain là où le lock-in régnait.

Sur Google Ads Demand Gen, Google Maps devient un canal à part entière : on peut créer des campagnes 100 % Maps, avec conversions Store Visits et Store Sales. Une opportunité forte pour reprendre la main sur la diffusion locale.

Le negative SEO revient, dopé par les LLMs. Avertissement net : ne pas jouer aux apprentis sorciers sur ses business principaux — un faux pas et la pénalité Google tombe.

L'IA n'est pas qu'offensive : un modèle de détection a identifié des centaines de vulnérabilités de façon autonome dans un grand navigateur, dont certaines dormaient depuis ~20 ans. Argument fort pour intégrer ces modèles directement dans les cycles de tests (CI/CD).

Erreur classique du build rapide : une clé API qui finit en clair dans le bundle JavaScript (variable d'environnement mal nommée côté client). Un bot la trouve, et c'est une facture cloud salée. Toujours vérifier ce qui fuit côté navigateur.

Le phishing moderne se cache dans un détail : un domaine « rnicrosoft » où « r » + « n » imitent un « m », indétectable à l'œil sur mobile. Le vrai risque n'est pas la naïveté mais la certitude d'être trop malin pour se faire avoir.

Les agents IA autonomes locaux (OpenClaw et consorts) sont séduisants mais exposent des failles structurelles documentées : exposition réseau, prompt injection, abus de permissions, fuites de données. Même leurs créateurs déconseillent un usage grand public.

Pour isoler ces agents, certains vont jusqu'à dédier une machine entière (Mac Mini). Le bon réflexe avant d'adopter un outil « qui fait tout » : poser la question de la surface d'attaque qu'il ouvre sur vos données.

Démonstration spectaculaire : un site 3D interactif piloté à la main via la webcam (Three.js + suivi des gestes), généré sans coder à partir d'un prompt précis. La limite n'est plus la technique mais la clarté de la spécification.

Premier réflexe quand on démarre avec Claude : la plupart des gens n'en exploitent que la moitié. Prendre le temps de configurer le contexte et les bons usages dès le départ change radicalement les résultats.

L'alternative gratuite gagne du terrain : un outil de coding en CLI offert avec des limites très larges (des centaines de requêtes/jour, contexte d'un million de tokens). De quoi apprendre et construire un projet entier sans débourser un centime.

Avec les bons outils, on peut abandonner WordPress pour un CMS sur mesure codé en quelques minutes : scores PageSpeed quasi inatteignables autrement, gestion multisite, templates à l'infini, génération d'images intégrée. Le sur-mesure redevient accessible.

Garde-fou nécessaire : non, deux prompts ne remplacent pas une agence de motion design. Beaucoup de démos virales sont en réalité produites par de vrais pros. L'IA accélère le travail fastidieux, elle ne fabrique pas le goût.

L'événement le plus commenté du corpus : l'État connecte ses données publiques (SIRENE, dirigeants, immobilier, marchés publics…) à l'IA via une simple URL à coller dans Claude. On interroge 25 millions d'entreprises en langage naturel, sans scraping ni API. Un game changer pour la prospection et l'étude de marché.

Même sujet, autre angle : le serveur MCP de data.gouv.fr rend 25 millions d'entreprises accessibles gratuitement via Claude, ChatGPT ou Mistral. Fin des bases B2B à 500 €/mois et des données périmées — la donnée officielle, en direct.

L'industrie du logiciel métier est « assise sur une bombe » : on paie 100 % du prix pour 10 % des fonctionnalités, prisonnier d'éditeurs. Un client cité dépense 1 M€/an de licences. L'IA rend crédible le passage à des outils internes sur mesure.

Avertissement aux profils marketing : sans bases de prog web (HTML/CSS/JS) et sans savoir « vibe coder » en 2026, le fossé se creuse face aux nouveaux entrants. L'expérience seule ne protège plus — il faut remettre les mains dans la tech.

Ne pas avoir de profil IA en interne n'est plus un choix mais un risque : l'IA touche le cœur des opérations et évolue tous les mois. Le modèle gagnant — une équipe interne qui porte le sujet, et des experts externes ponctuels au cas par cas.