Le contexte

Jaikin est un cabinet de conseil en IA et automatisation pour PME et ETI. Nous livrons aussi des sites et logiciels — et depuis un an, une grande partie de cette production passe par Claude Code, encadré par un harnais interne. Pas « l'IA nous aide à coder » : des sites entiers conçus, développés, testés et déployés par des agents, avec des humains aux points de contrôle.

Trois résultats concrets pour situer le niveau de ce qui sort de ce pipeline : plusieurs sites en production avec un score Lighthouse de 100 sur les quatre axes (performance, accessibilité, bonnes pratiques, SEO), et un lot récent de 17 pages livré en un seul batch, validé 9,5/10 par notre agent évaluateur avant mise en ligne.

Leçon 1 : une Skill est une procédure d'atelier, pas un prompt

L'erreur de départ : traiter les Skills comme des « super prompts ». En réalité, une Skill bien écrite est une procédure d'atelier — la même chose qu'une gamme de fabrication dans l'industrie. La nôtre pour les sites encode la ligne éditoriale, les contraintes de performance, la structure des pages, et surtout les pièges déjà rencontrés.

C'est le point décisif : chaque erreur coûteuse n'est payée qu'une fois. Le piège du registre npm mal configuré qui a fait perdre une heure ? Consigné. Il ne se reproduira plus, quel que soit l'agent qui travaille. Une équipe humaine oublie ; une Skill n'oublie pas.

Leçon 2 : ne laissez jamais l'agent se noter lui-même

Notre harnais sépare trois rôles : un agent planifie, un agent développe, un agent évalue. Le point non négociable : l'évaluateur n'est jamais celui qui a produit, et il ne se contente pas de relire le code — il l'exécute. Il lance les tests, appelle les endpoints, ouvre les pages dans un navigateur, mesure Lighthouse. Verdict : PASS ou ITERATE, avec le détail.

Un agent qui relit son propre travail conclut qu'il est bon. C'est vrai des humains aussi, mais c'est pire avec les LLM : ils sont entraînés à produire des réponses convaincantes, pas à se méfier d'eux-mêmes. La note de 9,5/10 citée plus haut a de la valeur précisément parce que celui qui l'a donnée n'avait rien à défendre.

Leçon 3 : chaque correction humaine devient une règle

Quand un humain corrige la production — une tournure commerciale interdite, un choix technique bricolé — la correction ne s'arrête pas là : elle est consignée dans un fichier de leçons que les agents relisent en début de session. Le taux d'erreur baisse de batch en batch, mécaniquement. C'est la boucle qui transforme un outil en actif : sans elle, on repaye les mêmes erreurs à chaque projet.

Leçon 4 : le modèle est une commodité, le harnais est l'actif

Les modèles se remplacent — les prix s'effondrent, les alternatives se multiplient. Ce qui ne se remplace pas, c'est le harnais : les Skills qui encodent votre expertise, la boucle d'évaluation, les leçons accumulées. Si votre « stratégie IA » se résume au choix d'un modèle, vous n'avez pas d'actif, vous avez un abonnement.

Quand ne PAS déléguer à l'agent

Ce pipeline excelle sur le travail structuré et vérifiable : pages, composants, intégrations, tests. Nous ne lui confions pas les décisions d'architecture initiales ni les arbitrages client — là, l'agent propose, l'humain tranche. Et tout ce qui touche aux données sensibles d'un client passe par une revue humaine systématique, sans exception.

Le bilan

Des sites en production à Lighthouse 100×4, des lots de pages validés à 9,5/10 par un juge indépendant, et un cabinet qui capitalise chaque leçon au lieu de la repayer. L'IA ne remplace pas l'équipe : le harnais fait que chaque projet rend l'équipe — humaine et logicielle — meilleure.

Victor Glesskrumhorn — fondateur de Jaikin, cabinet de conseil en IA, data et automatisation pour PME et ETI (Strasbourg). Publié à l'origine sur jaikin.eu.