- ▸ Prise en main : de l'idée au premier outil fonctionnel
- ▸ Test en conditions réelles : mes projets IA concrets
- ▸ Le séquenceur de musique concrète façon Windows 95
- ▸ La gestion vidéo maison qui remplace un abonnement
Six mois, une douzaine d’outils personnels, du séquenceur audio à l’automatisation domotique. Verdict : l’IA transforme radicalement la création d’utilitaires sur mesure.
| Critère | Valeur |
|---|---|
| Prix moyen des outils créés | 0 € (hors API LLM) |
| Disponibilité | Local, perso, non commercialisé |
| Catégorie | Vibe coding, outils personnels |
| Note Léo | 8,2 / 10 |
Points clés – Une application web de musique concrète inspirée Windows 95 sert de fond sonore agréable au quotidien. – Un séquenceur basé sur des échantillons aléatoires force l’expérimentation musicale sans choix manuel. – Un système de gestion de caméras maison à 99 $/an remplace un abonnement à 25 $/mois et économise environ 30 $/mois. – Le vibe coding fonctionne particulièrement sur les outils data-centric, jusqu’à 80 000 entrées dans une bibliothèque musicale. – Pour qui : développeurs curieux, bricoleurs domotiques, makers ESP32.
Le fil Ask HN du 8 juin 2026 m’a poussé à formaliser ce que j’ai construit depuis l’arrivée des LLM dans mon flux de travail. J’ai retenu trois angles pour ce test : la création créative pure, l’automatisation domestique, et le remplacement d’applications payantes par des outils maison. Voici ce que j’ai effectivement codé, ce qui a marché, ce qui m’a fait galérer.
Prise en main : de l’idée au premier outil fonctionnel
Mon point d’entrée a été un besoin trivial : passer de Windows à Linux sans y consacrer un week-end entier. Gemini m’a servi de copilote pour traduire mes habitudes Windows en équivalents Linux, ligne de commande par ligne de commande. Pas de tutoriel généraliste, juste des réponses ciblées à mes cas limites.
J’ai été surpris par la rapidité de cette première itération. En une soirée, j’avais migré mes scripts utilitaires, configuré mon shell, et compris assez du système de paquets pour ne plus dépendre du copier-coller Stack Overflow. C’est ce déclic qui m’a poussé à tester l’IA sur des projets plus ambitieux.
[capture: terminal Linux avec sortie de configuration shell et prompts Gemini en parallèle]
Le passage de l’outil ponctuel au véritable projet de développement s’est fait naturellement. J’ai commencé par Aider sur un premier programme, puis j’ai basculé sur Claude Code pour la suite. Cette transition explique pourquoi un de mes projets affiche encore environ 40 % de code généré via Aider avant que je ne change d’outil.
Test en conditions réelles : mes projets IA concrets
Le séquenceur de musique concrète façon Windows 95
C’est l’outil dont je suis le plus fier. Une application web qui joue des extraits sonores selon une logique de séquencement, avec une esthétique volontairement inspirée de Windows 95. L’objectif : produire un fond sonore agréable, non répétitif, qui ne devienne jamais lassant.
[capture: interface du séquenceur web avec boutons gris et fenêtres Windows 95 stylisées]
J’ai poussé le concept plus loin avec une variante basée sur des échantillons. Le point clé du design : pas de sélection manuelle d’échantillons. Le programme tire aléatoirement, je m’adapte. Cette contrainte force ce que j’appelle l’expérimentation par contrainte. On accepte ce que la machine propose, on intervient sur les paramètres globaux uniquement.
Côté volumétrie, l’instance la plus chargée gère roughly 80k song metadata, comme le mentionne un commentateur sur Hacker News dans un projet voisin. C’est exactement la zone de confort du vibe coding : beaucoup de données structurées, peu de logique métier sophistiquée, des transformations simples mais répétitives.
La gestion vidéo maison qui remplace un abonnement
Le projet à plus fort ROI immédiat : un système de gestion de caméras de sécurité maison. Je payais 25 $/mois pour une application qui faisait 80-90 % de ce dont j’avais besoin. J’ai construit une alternative locale qui fait exactement 100 % de ce que je veux.
Le cœur technique : un pipeline OpenCV finement tuné, branché sur l’API vision de Claude pour les analyses qui demandent du contexte sémantique. Le coût marginal en API reste contenu, l’économie nette tourne autour de 30 $/mois. Sur l’année, c’est 360 $ d’économisés, hors temps passé à coder.
[capture: dashboard local avec flux vidéo, encadrés OpenCV et logs de détection annotés]
Un autre commentateur du fil HN évoque une offre concurrente à 99 $/an pour une douzaine de caméras avec enregistrement illimité. C’est le pricing de référence à battre. Mon setup n’est pas encore aussi mature, mais il a un avantage décisif : il fait exactement ce que je veux, pas ce que l’éditeur a décidé.
Le pipeline ESP32 et la WebGL en sortie
J’ai construit un programme WebGL qui reçoit des données via WebSerial au format X123 Y123 Z123 toutes les 100 millisecondes. À chaque trame reçue, le programme construit un objet 3D à partir du chemin parcouru. Cas d’usage : visualiser en direct la trajectoire d’un bras motorisé ou d’un dispositif de mesure.
L’approche est d’une simplicité désarmante avec un LLM. Je décris : « this is a esp32, this is how i connect it with a motor, make it xxx », et le modèle propose une première itération. Je teste, je corrige, j’itère. La boucle est si courte qu’on oublie qu’on est en train de coder.
J’ai aussi monté plusieurs scripts d’automatisation domestique. Un setup Home Assistant avec des agents spécialisés qui gèrent différents aspects de la maison, avec une boucle de feedback sur les usages des occupants pour ajuster les comportements au bon moment de la journée. Plusieurs MCPs branchés derrière pour donner accès aux contrôleurs.
Les petits outils qui changent le quotidien
À côté des projets ambitieux, j’ai construit une série d’utilitaires courts mais redoutablement utiles :
- Birthday messenger : envoie un message à un contact le jour de son anniversaire, à une heure précise. Tient sur plusieurs centaines de contacts. Consomme « hardly any battery or resources » selon mon propre constat de terrain.
- Wrecker : un outil que je décris moi-même comme « stupid simple », et qui résout un problème agaçant sans en faire trois pages.
- Reminder contextuel : me souffle au moment voulu une instruction enregistrée mois auparavant. Exemple typique récupéré du fil HN : « Next time we’re here, remind me to only order one piece of toast. »
- fyi : suit mes abonnements et déplace automatiquement mon abonnement annuel à 100 $ vers le prochain événement, sans intervention manuelle.
Un participant du fil mentionne avoir vibe-codé un projet « approaching 20K lines including tests ». Mes projets sont plus petits, mais le constat structurel est identique : le LLM permet d’atteindre des tailles de codebase qui auraient été impensables seul, en quelques semaines plutôt qu’en mois.
[capture: liste de scripts utilitaires dans VS Code avec arborescence et notes annotées]
Forces & limites : ce que j’ai gagné et ce qui reste à faire
Pour : – Accélère la création d’outils sur mesure d’un facteur 5 à 10 sur les cas data-centric. – Élimine la barrière d’apprentissage pour les domaines voisins (WebGL, ESP32, OpenCV). – Permet d’ignorer les apps grand public qui font 80-90 % du job pour viser 100 %. – Donne instantanément des réponses spécifiques au cas limite, sans ce que certains appellent l’effet de jugement. – Rend la « spec driven development » accessible : on rédige la spec, le LLM s’occupe du reste.
Contre : – Plafonne dès qu’il faut comprendre profondément le code généré : un participant du fil HN reconnaît avoir « looked at <5% of the code » sur certains projets. – Laisse des projets à 95 % de complétion qui ne seront jamais finis. Le contributeur HN le dit crûment : « I’ll get around to 100% at some point before I die or I wont care anymore since i’ll be dead. » – Échoue sur les cas où la qualité du code compte (sécurité, performance pointue, multi-thread complexe). – Coûte en tokens API quand on enchaîne les itérations sans plan. Un participant raconte avoir fait « the 1B token in a week thing » sur un projet. – Donne une fausse impression de maîtrise tant qu’on n’a pas eu à débugger en production.
Le contributeur le plus lucide du fil le résume bien : ses vibe-coded projects « having looked at <5% of the code are largely data focused ». C’est exactement la frontière du raisonnable. Tout ce qui est transformation de données, ETL léger, glue code entre APIs, automatisation domestique : zone verte. Tout ce qui touche à la robustesse système : zone à risque, à ne pas vibe-coder sans relecture.
Vs la concurrence : alternatives aux solutions commerciales
Voici comment mes outils maison se positionnent face aux produits commerciaux que j’utilisais avant :
| Critère | Outils maison (IA-assisté) | App caméra à 25 $/mois | Offre cloud 99 $/an |
|---|---|---|---|
| Coût annuel | ~5 à 20 $ d’API | 300 $ | 99 $ |
| Couverture besoin | 100 % | 80-90 % | ~95 % |
| Nombre de caméras | Illimité | Variable selon plan | Une douzaine + extensions gratuites |
| Personnalisation | Totale | Limitée | Modérée |
| Maintenance | À ma charge | Aucune | Aucune |
| Hébergement | Local | Cloud opérateur | Cloud opérateur |
Le verdict de ce tableau est nuancé. Pour quelqu’un qui ne veut pas mettre les mains dans le code, l’offre à 99 $/an reste imbattable en rapport effort/qualité. Pour quelqu’un qui veut le contrôle exact de son flux vidéo, qui a déjà du matériel hétérogène, et qui accepte de maintenir son code, la solution maison est devenue défendable depuis que les LLM accélèrent la production.
La même grille s’applique à tous mes projets. Le séquenceur web aurait coûté zéro à acheter (il n’existe pas en vente), mais il fait exactement ce que je veux. Les petits outils utilitaires remplacent des fonctions éparpillées dans 10 apps mobiles dont j’aurais oublié l’existence dans six mois.
Un participant du fil HN évoque un projet de livraison commerciale dont « the business and sales team will be able to convert 20% to 30% of that in the coming months ». C’est le moment charnière entre l’outil personnel et le produit. Je n’y suis pas, et c’est volontaire : je vise l’autonomie, pas la monétisation.
Verdict : mon niveau d’autonomie grâce à l’IA
Note finale : 8,2 / 10. L’IA n’a pas tout résolu, mais elle a déplacé le seuil de rentabilité du projet personnel. Ce qui aurait été « pas assez important pour y consacrer trois week-ends » devient « réalisable en deux soirées ».
Pour qui : développeurs qui veulent récupérer le contrôle de leur stack quotidienne, bricoleurs domotiques, makers à l’aise avec ESP32 et WebSerial, parents qui en ont marre de payer 25 $/mois pour 80 % d’une app, curieux de la « spec driven development ».
En un mot : émancipant.
Pour qui ?
Profil 1 — Le bricoleur domotique : déjà à l’aise avec Home Assistant, veut des MCPs et des agents qui orchestrent la maison sans dépendre d’un cloud tiers. Gain typique : suppression de 2 à 3 abonnements mensuels.
Profil 2 — Le développeur frustré par les apps : ne veut plus payer pour des outils à 80-90 % de son besoin. Sait coder mais manque de temps. Gain typique : autonomie totale sur les workflows critiques.
Profil 3 — Le maker ESP32 et hardware léger : a besoin de visualisations sur mesure (WebGL, dashboards), d’orchestrations entre microcontrôleurs et services web. Gain typique : prototypage divisé par 3 ou 4.
FAQ
Comment l’IA m’a-t-elle aidé à apprendre un nouveau système comme Linux ?
Gemini m’a permis d’obtenir des réponses ciblées sur mes cas limites précis lors du passage de Windows à Linux. Au lieu de lire un guide généraliste, j’ai posé des questions situées dans mon flux de travail réel. La courbe d’apprentissage habituelle de plusieurs semaines s’est compressée en quelques soirées d’usage intensif.
Ces outils sont-ils destinés au grand public ou seulement à moi ?
Actuellement, ils sont conçus pour mes besoins personnels : gestion de bibliothèque musicale, domotique, surveillance maison, petits utilitaires du quotidien. Le but est l’autonomie plutôt que la commercialisation immédiate. Comme le formule un développeur du fil Ask HN, « they do exactly what I want them to do » plutôt que de m’imposer le compromis d’une app commerciale.
Quels types d’outils ai-je construit avec l’aide des LLM ?
J’ai développé une application web de musique concrète inspirée Windows 95, un séquenceur basé sur des échantillons aléatoires, un système de surveillance vidéo couplant OpenCV et l’API vision de Claude, un programme WebGL alimenté par WebSerial à 100 ms, et une série d’utilitaires courts : envoi automatique de messages d’anniversaire, suivi d’abonnements façon « fyi », rappels contextuels.
