Du Copier-Coller à Claude Code : Mon Évolution avec l'IA
Ce que j'ai appris en construisant un système d'assistant IA personnel, et pourquoi l'ingénierie de contexte compte plus que le modèle.
J'ai commencé à utiliser l'IA pour écrire du code dès que ça a été possible.
Fin 2022, quand GPT-3.5 est sorti, je faisais des allers-retours entre ChatGPT et mon éditeur. Copier le prompt, coller la réponse, débugger, répéter. Chaque changement de fenêtre perdait du contexte. Chaque nouveau chat signifiait réexpliquer la structure de mon projet, mon style de code, mes contraintes. Les petits scripts marchaient bien. Tout ce qui était plus gros, c'était comme essayer de rassembler des chats.
J'ai tout essayé : Claude, Bard, des modèles fine-tunés, puis des éditeurs natifs IA comme Cursor, Windsurf, le mode chat de Copilot. Ce qui a cliqué, c'est Claude Code dans le terminal. Les workflows CLI correspondent à ma façon de penser. Je vis déjà dans le terminal pour git et les scripts. Ajouter Claude là-bas signifiait rester dans le flow.
Ce que j'ai mis trop longtemps à comprendre : l'outil compte moins que la préparation.
L'IA la plus avancée produit encore des résultats médiocres sans un setup approprié. La différence entre « l'IA qui hallucine » et « l'IA qui livre du code de qualité », c'est l'ingénierie de contexte : des instructions claires, une documentation maintenue, des workflows affinés par ce qui fonctionne vraiment.
Au fil du temps, j'ai construit un écosystème autour de Claude. Il lit ma documentation, se connecte à mes bases de données, automatise mon navigateur. Des agents spécialisés gèrent la recherche, la vérification des faits, la code review. Le système connaît mes contraintes avant que je les mentionne.
Cette infrastructure transforme un jouet en outil. Et quand ça a fonctionné, le résultat m'a surpris.
Contributions GitHub : 385 en 2024, 1 623 en 2025. Une augmentation de 4x. Plus d'un million de lignes ajoutées sur 91 repositories. Des apps iOS natives avec SwiftUI. Des applications full-stack avec Next.js. Des pipelines de recherche qui croisent les sources et génèrent des rapports. Du travail qui aurait nécessité une équipe.
Je dois être clair : je ne suis pas développeur de métier. Mon travail quotidien, c'est le product marketing, quatorze ans à traduire la complexité technique en stratégie de marché. J'ai toujours été suffisamment technique pour être dangereux, construisant des dashboards et des outils internes pour des équipes bien avant que l'IA n'entre en scène.
Ce qui a changé, c'est l'envergure. Maintenant je lance des produits, pas seulement des prototypes.
L'IA a fait s'effondrer la courbe d'apprentissage. React est passé d'intimidant à familier en quelques semaines. SwiftUI a cliqué parce que je pouvais apprendre en construisant, pas en lisant des docs que j'oublierais. Python est devenu mon outil pour tout parce que je pouvais me concentrer sur les problèmes, pas sur la syntaxe.
Cette vélocité se compose. Des idées qui auraient péri dans mon carnet deviennent maintenant des prototypes fonctionnels. Des outils que je souhaitais voir exister, je les construis. Des discussions techniques que j'observais seulement, j'y contribue maintenant.
C'est ça que le coding avec l'IA offre vraiment. Pas le remplacement, mais l'amplification.
S'il y a une leçon ici, c'est que le setup compte plus que le modèle. L'ingénierie de contexte est une vraie compétence, et tu l'apprends en faisant, pas en étudiant.
Si tu es sur un chemin similaire, que tu sois un marketer qui apprend à coder, un designer qui devient technique, ou un expert métier qui construit des outils, sache que personne d'entre nous n'a tout compris. C'est exactement le point.