Ces derniers temps, j’ai vraiment été un peu fatigué par l’IA. Il y a quelques jours, je voulais créer un workflow « organisation automatique des données + génération automatique de contenu ». Maintenant, sur Internet, tout le monde parle quotidiennement d’agents IA, d’automatisation, de l’avenir du low-code, et au début je pensais que ça devrait pouvoir fonctionner facilement en le configurant rapidement.

Mais une fois que j’ai commencé à m’y mettre sérieusement, je suis directement entré dans un mode de débogage sans fin.
Ce prompt n’est pas bon, je le réécris autrement. Claude sortait trop vague, je suis passé à GPT. La logique de GPT était correcte, mais le format ne convenait pas. Ensuite, j’ai changé d’outil, ajouté des règles, modifié le workflow. Parfois, je ne peux même plus distinguer si je suis en train de « créer du contenu » ou de « former l’IA ».
Et ce genre de processus est vraiment mentalement éprouvant.
Un même outil, certains y arrivent en dix minutes, moi je peux passer deux heures à faire et défaire un résultat. Les skills très populaires sur Internet, qui ont des étoiles, semblent tous très puissants, mais quand on les met dans son propre contexte, beaucoup ne fonctionnent tout simplement pas.
On copie-colle, mais au final, il faut quand même tout modifier petit à petit.
J’ai même pensé à engager quelqu’un pour m’aider à construire le workflow. Mais en y réfléchissant bien, une petite équipe est en réalité dans une situation embarrassante. Embaucher quelqu’un qui connaît l’IA, ce n’est pas donné ; communiquer ses besoins, expliquer la logique, faire et refaire, c’est parfois même plus fatigant que de tout faire soi-même.
Puis j’ai commencé à réaliser que le plus gros problème de l’IA aujourd’hui n’est pas vraiment qu’elle ne soit pas « assez intelligente ».
C’est que pour bien utiliser l’IA, une personne ordinaire doit apprendre énormément de choses en plus.
Il faut étudier la rédaction de prompts, comprendre les différences entre modèles, étudier les skills, analyser les workflows, savoir quel outil convient à quelle tâche.
Le vrai travail ne prend qu’une partie du temps, la majorité de l’énergie est consacrée à « faire fonctionner l’IA correctement ».
Donc, récemment, quand j’ai testé @dappOS_com的 @xbubble_xyz, j’ai trouvé que leur approche était plutôt différente.
Beaucoup de produits IA enseignent maintenant aux utilisateurs : comment rédiger un prompt, comment assembler un workflow, comment ajuster un agent.
Mais xBubble ressemble plutôt à faire autre chose :
« l’IA apprend à l’IA, l’IA utilise l’IA »
Ce que j’ai ressenti le plus, c’est qu’on n’a plus besoin de se prendre la tête pour « quel modèle utiliser à cette étape ».
Il suffit de lui dire ce que je veux.
Bubble Pilot va reconnaître automatiquement le type de tâche, puis la distribuer à la SOP et au chemin d’exécution appropriés.
S’il n’y a pas de SOP existante, il reviendra automatiquement à un agent général.
L’essentiel, c’est que le Bubble Engine en arrière-plan continue d’apprendre.
Quels modèles conviennent à quelles tâches, quelles combinaisons d’outils sont plus stables, quels workflows ont un taux de réussite plus élevé, ces aspects qui étaient autrefois très fastidieux, commencent maintenant à être gérés par l’IA elle-même.
Cette expérience est en fait plutôt agréable.
Parce qu’auparavant, ce n’était pas que l’IA ne savait pas faire le boulot, c’était que l’utilisateur, pour faire en sorte que l’IA travaille, devait presque devenir lui-même un programmeur.
Surtout avec le mode Bubble Computer, je suis vraiment impressionné.
Avant, pour réaliser une tâche complète, je devais ouvrir plusieurs fenêtres : rechercher des infos, organiser, rédiger, relire, puis exporter.
Maintenant, l’IA peut exécuter toute cette chaîne toute seule.
Le mode Bubble Personal, qui fonctionne localement, est aussi très intéressant, car il peut accéder directement aux fichiers locaux, au navigateur, etc., sans que l’utilisateur ait besoin de configurer un environnement.
Je pense de plus en plus que, pour l’avenir, une IA vraiment performante ne devrait pas rendre les gens plus fatigués.
Au contraire, l’IA doit apprendre à utiliser l’IA elle-même.
L’utilisateur doit simplement lui indiquer l’objectif, le reste doit être confié au système.