Demander à un agent de bloquer du temps de concentration, de résumer les chiffres d’hier ou de trouver un créneau de réunion, ça marche, mais on paie à chaque fois, et la réponse change. J’ai mesuré 14 exécutions de Claude Code sur trois tâches du quotidien. Écrire le script une fois coûte à peu près autant que poser la question une fois. Avec un calculateur interactif, une checklist, et mes propres projets comme exemples.
Un tri Gmail qui coûte quelques centimes. Des règles déterministes s’occupent du courrier de routine, Claude Haiku ne regarde que ce qui reste, Claude Sonnet uniquement ce dont Haiku n’est pas sûr, et le code valide chaque réponse. Les demandes deviennent des Google Tasks avec une échéance. Avec un vrai passage sur ma boîte de réception, une installation à partir de zéro avec Homebrew, et quelques réflexions sur l’idée de laisser une IA répondre à vos mails.
Laya a publié huit versions et rien n’a bougé pour le routage. Son auteur a aussi publié VegaML, un modèle de décision qui répond en laissant une particule se poser au fond d’une vallée. En zero-shot, il n’est pas prêt pour mon routeur, mais il peut apprendre à partir de 40 étiquettes en une minute, ce qu’aucun des autres modèles ne sait faire.
Un coach auto-hébergé pour l’argent du foyer. Synchronisation bancaire DSP2 via Enable Banking, une base de données locale chiffrée, un lien de connexion à usage unique ou une passkey, et un modèle de langage qui ne reçoit que des chiffres caviardés, pseudonymisés et déjà calculés. Avec des exemples réels de ce qui reste sur votre machine et de ce qui est envoyé.
Une vidéo qui est une page web : des images dessinées en JavaScript, une voix de synthèse gratuite, un agent qui fait le gros du travail. La méthode, toutes les options de TTS gratuites à connaître (et celles que vous avez vraiment le droit de publier), et un exemple pas à pas à regarder directement ici.
Trois jours après l’annonce de Cloudflare, Clef-flash est passé par le même benchmark de 80 prompts que Jev, Laya, Von et Kev. 90 % de précision sur le sujet, une température de confiance qui le met au niveau de Jev sur la calibration, et un problème qu’aucune température ne règle sur un portable.
Laya dit « fine-tunez-moi », alors je l’ai fait, sur un MacBook de 16 Go. Voici la recette, le temps que ça prend, ce que ça change sur le benchmark de 80 prompts, et pourquoi ma maison tourne toujours sur Jev.
Un chat avec le coach dans le tableau de bord, une carte GPS sur chaque séance, un modèle de calories qui vérifie les chiffres de Garmin, un vrai casier à matériel avec inspections sur photos, la dynamique de course, une nouvelle contribution externe, et « Le Sentier », une série de vidéos dessinée en JavaScript à regarder directement ici.
Un tableau de bord, une pile de nouvelles métriques, des garde-fous capables de dire non, et un coach qui tourne sur une machine Linux à la maison et me répond depuis le téléphone. Voici ce qui a bougé dans ai-running-coach depuis l’ultra, et pourquoi la synchro automatique passe par cron plutôt que par une routine Claude.
Le vrai correctif à « Jev n’a pas de mémoire », ce n’était pas un autre modèle. C’était de donner une mémoire à Jev. Voici le script d’historique, la boucle de retour, et ce que le tableau de bord en direct raconte déjà.
Mes automatisations sont douées pour les seuils et nulles pour le contexte. Jev répond à des questions typées avec une probabilité calibrée, pour environ deux millièmes de centime la question. Voici comment je l’ai branché sur Home Assistant en gardant les anciennes règles comme filet de sécurité, et ce que ça coûte vraiment.
Mon premier routeur de modèles laissait un LLM lire un fichier de prompt pour choisir un agent. Celui-ci pose quatre questions typées à un modèle de décision « System One », calcule le score des modèles avec de la simple arithmétique, et publie un benchmark pour prouver que ça marche (et montrer où ça ne marche pas).
Le chiffrement de bout en bout fait que Proton ne peut pas indexer mes photos. J’ai donc construit un moteur de recherche en deux conteneurs qui le fait localement, sur mon matériel, sans jamais rien réécrire vers Proton.
Une prise Zigbee à compteur d’énergie, neuf automatisations et une pompe invisible qui protège la maison de l’inondation - le motif de l’« appareil invisible », surveillé avec Home Assistant.
Deux cumulus sur un tarif Heures Creuses, 12 panneaux et pas de batterie - la v2 de mon orchestration de chauffe-eau, avec le YAML réel et les vrais chiffres.
