Comment surpasser la plupart des gens autour de vous à l'ère de l'IA ?
Certains diront que c'est simple : acquérir plus de compétences, changer d'outils plus souvent, et ouvrir plus d'abonnements.
Mais quel est le résultat ?
Vous avez installé une multitude d'outils, votre facture mensuelle de tokens est plus effrayante que votre salaire, et votre patron ne vous a toujours pas accordé de promotion ni d'augmentation.
Pourquoi ?
Parce que lorsque tout le monde utilise les mêmes outils, ces outils deviennent le nouveau standard. Si vous pouvez les utiliser, d'autres le peuvent aussi. Savoir simplement les utiliser ne fait que vous placer sur la même ligne de départ que les autres ; personne n'a surpassé personne.
Ce qui vous permet véritablement de surpasser ceux qui vous entourent, ce n'est pas les outils que vous utilisez, mais votre capacité à itérer en continu sur votre façon de les utiliser.
Cette méthode s'appelle PDCA, et elle a des décennies d'histoire. Aujourd'hui, elle reste efficace à l'ère de l'IA.
Pourquoi le PDCA ?
La méthode PDCA a aidé l'industrie manufacturière japonaise à dépasser les États-Unis, et cette même méthode peut vous aider à surpasser vos rivaux dans le cadre professionnel ou la compétition commerciale.
Mais la question est : pourquoi une méthode efficace pour l'industrie manufacturière offre-t-elle également un coup de pouce pour une utilisation efficace de l'IA ?
Parce que le PDCA est fondamentalement la méthode centrale pour optimiser tout processus.
Le travail sur la chaîne de montage de Toyota et le travail que vous effectuez chaque jour avec l'IA sont essentiellement des processus répétables, donc les deux peuvent être optimisés.
Cette méthode a été apportée au Japon il y a plus de soixante-dix ans par un maître américain du management de la qualité nommé Deming, ce qui a ensuite permis à l'industrie manufacturière japonaise de vaincre les États-Unis.
Elle comporte quatre étapes :
- Plan : Établir un plan
- Do : Exécuter le plan
- Check : Enregistrer ce que vous avez fait et analyser ce qui n'a pas fonctionné
- Act : Itérer à nouveau, en améliorant chaque fois un peu par rapport à la précédente.
Cette méthode a donné naissance à une série d'idées, comme le Lean Manufacturing et le Lean Startup !!
Voilà le passé et le présent du PDCA, mais il y a une question plus grande : comment mettre en œuvre le PDCA à l'ère de l'IA ?
Comment mettre en œuvre le PDCA à l'ère de l'IA ?
Le cycle PDCA à l'ère de l'IA doit devenir plus natif de l'IA. Itérer simplement comme dans les processus traditionnels n'est plus assez rapide ; il doit être automatisé et extrêmement rapide.
Comment y parvenir ?
Analysons d'abord où la plupart des gens coincent avec le PDCA.
Les gens pensent qu'ils coincent sur l'analyse et l'amélioration. En réalité, le goulot d'étranglement se situe plus tôt, à la première étape : l'enregistrement.
Pensez-y : vous discutez enfin avec une IA pour créer un workflow utile, mais ensuite vous l'oubliez ou êtes trop paresseux pour l'enregistrer.
Sans enregistrement, qu'analysez-vous ? Qu'améliorez-vous ?
Ainsi, le PDCA échoue dès l'étape d'enregistrement.
Dans l'ancienne ère, l'enregistrement reposait sur les personnes qui rédigeaient des documents et prenaient des notes. Mais les gens sont paresseux et occupés ; ils ne peuvent tout simplement pas s'y tenir.
Par conséquent, à l'ère de l'IA, l'enregistrement doit être confié à un outil natif de l'IA qui le fasse automatiquement.
Cet outil est flowtrace !!
flowtrace peut automatiquement transformer l'intégralité de votre workflow avec l'IA en un enregistrement réutilisable, appelé « trace ».
Son installation n'est pas difficile. Clonez le projet depuis GitHub et exécutez une commande d'installation :
git clone https://github.com/AIScientists-Dev/flowtrace.git
cd flowtrace
./scripts/install.sh
Ensuite, copiez sa compétence make-trace dans le dossier des compétences de votre IA, et saisissez /make-trace pour commencer.
Alors, que peut-il réellement faire ?
Le site officiel énumère plusieurs fonctionnalités :
- Transparent : La sortie de chaque étape est un fichier ouvrable ; le processus est visible, pas enfoui dans des messages
- Documenté : Chaque conclusion peut renvoyer au fichier dont elle provient ; vous vérifiez, vous ne faites pas aveuglément confiance
- Intervenable : Modifiez une étape, et seules les étapes qui en dépendent seront réexécutées ; le reste reste en place
- Traçable : L'ensemble de l'exécution se compose de fichiers plus git ; arrêtez et reprenez à tout moment, et parcourez tout l'historique
- Réutilisable : Une fois une tâche terminée, elle devient une trace ; modifiez l'entrée et exécutez-la à nouveau
- Évolutif : Plus il s'exécute, plus il devient parfait ; si une étape ne répond pas aux standards, la version suivante la remplace par une méthode qui y répond
Vous voyez ? Ces fonctionnalités sont essentiellement des outils adaptés à chaque étape du PDCA :
- Enregistrement : Repose sur la transparence (chaque étape devient un fichier) plus la documentation (les conclusions renvoient aux sources)
- Analyse : Repose sur la traçabilité (parcourir l'historique de chaque étape comme git)
- Amélioration : Repose sur l'intervenabilité (ne modifier qu'une étape, et seules ses dépendances sont réexécutées)
- Meilleurs cycles : Repose sur la réutilisabilité (exécuter à nouveau avec une entrée différente) plus l'évolution (plus il s'exécute, meilleur il devient)
Il fournit tout ce qui est nécessaire pour chaque étape du PDCA.
Comment l'utiliser
Essentiellement, appelez cette compétence et donnez-lui des instructions sur quoi faire en fonction de ces fonctions.
Si vous ne savez toujours pas comment l'utiliser ! Le site web propose également une série de cas prêts à l'emploi dans divers domaines :
- Rédiger des CV
- Sélectionner des actions
- Effectuer une due diligence d'acquisition SaaS
- Lancer des scans de sécurité
- Rédiger des rapports sectoriels
- Corriger des bugs
- Optimiser les emplacements publicitaires
- Distiller la pensée d'une personne en une compétence
- Transformer un script de discours en un diaporama de style magazine
Vous êtes peut-être encore perplexe, alors laissez-moi vous montrer un exemple concret !!
Optimisation du processus d'évaluation de projets open source
J'ai récemment eu pour tâche d'évaluer plusieurs projets open source, je vais donc l'utiliser comme exemple.
Étape 1 : Exécuter et enregistrer
J'ai précédemment utilisé Claude Code pour faire des recherches sur un projet open source, en discutant pas mal, ce qui a donné un long historique de chat.
Maintenant, dans Claude Code, je saisis : /make-trace record this open-source project research workflow.
Il commence à s'exécuter tout seul. Devinez ce qu'il fait en coulisses ?
Il décompose mon processus de recherche étape par étape : d'abord le clonage du projet, puis la lecture du README pour comprendre la structure, puis la division en plusieurs chemins — lecture des documents principaux, examen des exemples, vérification des concurrents — et enfin la synthèse en une note de recherche.
Après l'avoir décomposé, il me demande de démarrer un serveur local. Quand j'ouvre le navigateur, le diagramme du processus complet est là, nœud par nœud, montrant clairement ce qui est connecté à quoi.
Le déroulement de ma recherche est désormais figé dans une trace réutilisable. C'est l'enregistrement.
Étape 2 : Analyse
L'enregistrement n'est que le début ; pouvoir le réexécuter est là où se trouve la valeur.
Je suis passé à un second projet, j'ai inséré l'adresse, et j'ai dit à l'IA de le réexécuter selon cette trace.
Comment cela s'est-il passé ?
Il a suivi le diagramme, nœud par nœud. À chaque étape, il lisait les instructions, effectuait le travail, produisait un fichier, et passait à l'étape suivante. Couche par couche, il a exécuté jusqu'à la fin tout seul.
Au fur et à mesure de l'exécution, des problèmes sont apparus. Ma trace ne se concentrait que sur la documentation et les concurrents, mais elle négligeait une grande partie : elle ne vérifiait pas du tout la santé du projet — combien d'étoiles, si les problèmes sont traités, depuis combien de temps la dernière mise à jour.
Vous voyez, lors de la réutilisation, vous pouvez voir où la méthode échoue grâce à la visualisation, ce qui la rend parfaite pour l'analyse de projet.
Étape 3 : Amélioration
Je lui ai directement dit dans la ligne de commande d'ajouter une étape à cette trace spécifiquement pour vérifier la santé du projet. Il l'a ajoutée sans hésitation, et un nouveau nœud est immédiatement apparu dans le diagramme.
Après avoir ajouté le nœud, je l'ai utilisé pour exécuter un troisième projet. Le résultat a immédiatement montré un contraste frappant : ce projet avait 34 800 étoiles, une superstar, mais en parcourant les issues, il y en avait plus de 800 en attente, et pas une seule ligne de code n'avait bougé au cours des trois derniers mois.
Dans tout ce processus, je n'ai rien inventé de nouveau. J'ai simplement enregistré le travail effectué à chaque fois, j'ai trouvé des défauts la fois suivante où je l'ai utilisé, et je les ai corrigés en cours de route.
Grâce à ce processus, vous pouvez voir comment ce projet met en œuvre le PDCA pour un workflow.
Pour finir
Ce qui crée véritablement un écart à l'ère de l'IA, ce n'est jamais le nombre d'outils que vous avez installés. C'est le fait d'avoir une méthode pour que les outils fonctionnent mieux à mesure que vous les utilisez.
PDCA vous donne cette méthode, et flowtrace vous aide à la mettre en œuvre.
Tout le monde a des outils. Seuls ceux qui peuvent optimiser les processus sortiront gagnants de la compétition.
Si vous voulez aussi que votre IA devienne plus utile, allez d'abord installer flowtrace, choisissez une tâche que vous répétez le plus souvent, et exécutez-la une fois : enregistrez, analysez, améliorez.
Une dernière chose, flowtrace est un projet open source publié gratuitement par l'auteur. Si vous le trouvez utile, donnez-lui une étoile. L'adresse est ici :
https://github.com/AIScientists-Dev/Flowtrace
Les bonnes choses méritent d'être vues par plus de personnes !!!
