KM4BI KM4BI

Comment j’utilise l’IA : mes expériences hebdomadaires avec Codex

Nate B Jones décrit un workflow Codex fondé sur des dossiers locaux propres, une meilleure construction du contexte et un cadrage collaboratif avant…

Nate B Jones ouvre un format hebdomadaire consacré à sa pratique concrète de l’IA. Cette première entrée met surtout l’accent sur Codex et sur une idée simple: le travail agentique devient beaucoup plus puissant quand le contexte local est préparé comme un espace de travail propre.

Ce que change le dossier de contexte

Son workflow commence par demander à Codex de parcourir le système de fichiers et de retrouver des documents décrits en langage naturel. Il ne s’agit pas forcément de donner un nom exact de fichier: il décrit le sujet, le moment ou le type de contenu recherché, puis Codex copie les éléments pertinents dans un dossier de travail.

À partir de là, Nate ouvre une nouvelle conversation centrée sur ce dossier. Le modèle dispose alors d’un contexte plus net, avec les fichiers nécessaires et, si besoin, une transcription ou des instructions détaillées ajoutées comme document de référence.

Un usage adapté aux tâches longues

Ce mode de travail lui permet de traiter des documents de 30 000 à 50 000 mots, des tableurs, du code et des ensembles de prompts. Nate relie cette force à l’origine de Codex: un environnement pensé pour lire des fichiers dans un dépôt et comprendre leurs relations.

Il note que, dans son expérience actuelle, le même workflow ne fonctionne pas aussi bien avec Claude Code ou Claude Code Work. Il reste toutefois prudent sur l’explication: cela peut venir de contraintes de calcul, des modèles disponibles ou simplement de l’état actuel des produits.

Du prompt direct au cadrage collaboratif

L’autre évolution importante concerne sa manière de prompter. Au lieu de donner directement une tâche et une définition du succès, il commence davantage par un ensemble de questions autour des standards à atteindre. Le modèle l’aide alors à définir la forme du travail avant de passer à l’exécution.

Nate décrit cette étape comme plus collaborative, surtout avec GPT-5.5 et Codex: le modèle peut participer au cadrage, puis changer de régime et accomplir la tâche sans perdre le fil.

Pourquoi ce signal compte

Le message principal n’est pas qu’un fournisseur doit gagner. Nate insiste sur le fait qu’il ne choisit pas de camp: il cherche les outils qui rendent son travail plus efficace. Le signal intéressant est ailleurs: les agents deviennent plus utiles quand ils savent organiser le contexte, rester sur la durée et travailler avec des garde-fous comme l’auto-review.

Cette combinaison ouvre des usages plus parallèles: faire avancer plusieurs brouillons, incuber plusieurs idées, préparer une série de prompts ou orchestrer plusieurs tâches séquentielles dans un dossier local bien structuré.

Source