Signé le contrat à 9h, livré à 21h.
Un projet d’externalisation complet. Front-end, back-end, déploiement, tests. On a même déjeuné ensemble et discuté pendant deux heures entre deux. L’IA a réellement tourné pendant 7 heures et 20 minutes.
Je n’ai pas écrit une seule ligne de code de contrainte. Pas de collaboration multi-agents. Je n’ai même pas réglé les paramètres.
J’ai donné trois choses à l’IA : une maquette front-end avec chaque bouton et chaque page clairement étiquetés ; un contrat définissant le périmètre et les standards de livraison ; et un document de développement – pas un PRD de 50 pages, juste quelques paragraphes expliquant la logique centrale. Ensuite, je l’ai laissée trouver les bons outils sur skills.sh, chercher les bibliothèques correspondantes sur GitHub et décider elle-même de la stack technique.
Avant, un tel projet prenait au moins une semaine. Même en urgence, il fallait trois jours.
Maintenant, ça prend 7 heures.
Pourquoi ? De bonnes prompts ? Le bon modèle ?
Ni l’un ni l’autre.
C’était la base de connaissances que j’ai construite au cours des trois dernières années qui faisait le travail. Je buvais du thé pendant qu’elle travaillait.
J’en ai parlé avec des amis dans l’externalisation. Leurs réactions se répartissent en deux catégories. L’un pense que je me vante. L’autre reste silencieux quelques secondes puis demande quels outils j’utilise.
Le deuxième groupe comprend. Le premier groupe n’a pas encore réalisé le problème – ce n’est pas l’IA qui vole ton travail, c’est la personne avec une base de connaissances qui vole ton travail.
Ta « base de connaissances » est probablement un entrepôt mort
Laisse-moi te poser une question : Est-ce que ta base de connaissances peut être directement transformée en argent aujourd’hui ?
J’ai posé la question à beaucoup de monde. La plupart sont stupéfaits et disent non.
Parce que la plupart des soi-disant bases de connaissances sont des cimetières numériques. Deux cents notes inachevées dans Notion commençant par « À organiser » qu’on ne rouvre jamais. Des signets « à regarder plus tard » vieux de trois ans que tu sais que tu ne regarderas jamais. Une douzaine de fichiers Markdown éparpillés dans différents dossiers, ignorant mutuellement leur existence.
Un ami m’a dit que sa « base de connaissances » compte plus de 3 000 articles en signet. Je lui ai demandé quand il avait utilisé le dernier pour résoudre un vrai problème. Il a réfléchi longtemps et n’a pas pu répondre.
Ce n’est pas une base de connaissances. C’est un tas de déchets numériques. Tu jettes des choses dans un trou noir où elles ne seront jamais retrouvées.
Une base de connaissances vraiment monétisable n’est pas un entrepôt, c’est un écosystème.
Un entrepôt est mort. Les choses qu’on y jette ne changent pas ; leur seul destin est d’être oubliées. Un écosystème est vivant. De nouvelles choses entrent, les anciennes sont éliminées, et les différentes couches se nourrissent mutuellement, faisant évoluer l’ensemble du système. Ce que tu jettes aujourd’hui se connecte avec ce que tu as jeté hier, et demain ça devient quelque chose que tu n’aurais jamais imaginé.
Un écosystème de connaissances vivant a trois couches.
Couche 1 : Le pool génétique technique. Ce n’est pas le nombre de tes étoiles GitHub. Ce sont tous les projets que tu as réalisés, tous les codes sources que tu as achetés, et tous les pièges dans lesquels tu es tombé, le tout cartographié et modulaire. L’IA ne se contente pas de les copier-coller ; elle comprend la structure et les réassemble. Comme un gène biologique, ce n’est pas un manuel, mais un ensemble de programmes qui peuvent être réexprimés.
Couche 2 : Le sol de données vivantes. Tes conversations, les vidéos que tu as regardées, les notes que tu as écrites, tes interventions dans les groupes, et les enregistrements de tes disputes avec les clients. Aucun fabricant de modèles ne peut obtenir ça ; toi seul l’as. Le sol n’est ni bon ni mauvais ; ça dépend seulement de ce que tu y enterres.
Couche 3 : Les racines cognitives. Chaque article que tu as écrit et chaque jugement que tu as exprimé n’est pas « fini » une fois publié. Ils sont tagués, liés, structurés. Plus les racines sont profondes, plus la croissance au-dessus du sol est stable. Peu importe la force du vent, ça ne tombera pas.
Quand les trois couches fonctionnent ensemble, ta base de connaissances n’est pas morte. Elle grandit toute seule. Elle grandit même pendant que tu dors.
Couche 1 : Pool génétique technique – La vérité entre 50 000 et 200
Voici une statistique : Le prix pour développer un mini-programme en externalisation est passé de 50 000 RMB à 200 RMB en trois ans.
De 50 000 à 200. Mêmes exigences, mêmes fonctions. Ce n’est pas une blague ; ce sont de vraies offres sur Zhubajie et Taobao.
Quand j’ai vu ça pour la première fois, j’ai eu froid dans le dos. Puis j’ai réalisé que ce n’était pas que mes compétences s’étaient dépréciées. C’est que les gens sans pool génétique étaient exclus du marché par ceux qui en avaient un.
Deux choses ont bouleversé la logique sous-jacente du marché de l’externalisation.
D’abord, les packs de code source sont devenus bon marché. Tu peux acheter un code source complet de mini-programme sur Taobao pour quelques dizaines de yuans. Tous les types : livraison de repas, centres commerciaux, systèmes de réservation, achats groupés communautaires. Les gens capables les achètent, les cartographient et les jettent dans leur pool génétique technique. La prochaine fois qu’ils prennent une commande, l’IA extrait des modules du pool pour les assembler, terminant le travail en quelques heures.
Et ceux sans pool génétique ? Ils écrivent à partir de zéro. Quand ils ont fini, ils découvrent que leur travail n’est pas aussi bon que la version assemblée par l’IA. L’autre met 7 heures ; toi, tu mets 7 jours. Lui fait un bénéfice à 2 000 ; toi, tu perds de l’argent à 20 000.
Deuxièmement, l’IA a fait chuter le prix de la « capacité à écrire du code ». Avant, savoir coder avait de la valeur parce que peu de gens le pouvaient. Maintenant, même ceux qui ne savent pas coder peuvent le faire faire par l’IA. Alors que font les codeurs ? Ils montent en gamme. Il ne s’agit plus d’écrire du code, mais d’accumuler du code. Il ne s’agit plus d’exécution, mais d’accumulation.
L’IA n’a pas remplacé les développeurs. Les gens qui utilisent l’IA ont remplacé ceux qui ne l’utilisent pas. Et parmi ceux qui utilisent l’IA, la compétition ne porte pas sur qui écrit les meilleures prompts, mais sur qui a le pool génétique le plus riche. Les prompts changent chaque mois ; les pools génétiques ne font que gagner en valeur.
Comment faire ? Trois choses, dans cet ordre précis.
D’abord : Cartographie du code. Utilise des outils comme CodeGraph pour clarifier les relations entre chaque projet, module et fonction. Laisse l’IA voir une carte navigable plutôt que des fichiers isolés. Si tu as fait un module de paiement, elle le sait. Si tu as fait un système d’utilisateurs, elle le sait. Si tu as utilisé la même architecture dans trois projets, elle le sait.
Pour être précis : Le mois dernier, j’ai pris un travail de génération d’images e-commerce. Le client voulait un système pour produire en masse des affiches de produits. Ça a l’air complexe, mais mon pool génétique contenait déjà trois modules liés : un moteur de workflow ComfyUI, un script de déploiement automatique Cloudflare, et une intégration WeChat Pay. L’IA les a assemblés, a écrit une couche de collage, et ça tournait en quelques heures. Sans le pool génétique, rien que la mise en place de l’environnement aurait pris deux jours.
Deuxièmement : Transformer le pool génétique en API. Convertis tes actifs de code en interfaces appelables. Que ce soit Claude Code, Codex ou d’autres outils d’IA, ils doivent pouvoir les appeler directement. Passe de « usage personnel » à « livrable ». C’est un saut qualitatif. L’usage personnel fait économiser de l’argent ; la capacité à livrer en fait gagner.
Troisièmement : Le pack quatre en un du pool génétique. La structure de base de connaissances la plus puissante maintenant est : Code + Articles de recherche + Rapports sectoriels + Documents politiques. Le code est la brique, les articles sont les plans, les rapports sectoriels sont les cartes du marché, et les documents politiques sont les girouettes. Avec les quatre, ton projet n’est pas juste « aide-moi à construire un site web », mais « aide-moi à construire un système qui peut demander des droits d’auteur logiciels, passer des audits et être commercialisé ». Le prix unitaire du second est deux zéros plus élevé que le premier.
Je connais un gars dans la digitalisation de la sécurité incendie. Son pool génétique ne contient pas seulement du code, mais aussi tous les documents politiques liés au feu, les normes industrielles et les interprétations d’experts des trois dernières années. Quand un client demande un système, il peut lui dire à quel projet gouvernemental spécial postuler, quelles subventions sont disponibles et quels audits sont nécessaires. Il ne vend pas un système ; il vend un plan de mise en œuvre complet. Son devis est cinq fois celui d’un développement pur.
C’est l’intérêt composé d’un pool génétique. Ce n’est pas une addition, c’est une multiplication.
Couche 2 : Sol de données vivantes – Ton actif le plus sous-estimé
Laisse-moi te demander : Combien vaut ton historique de chat WeChat ?
Ne fais pas défiler. Réfléchis vraiment.
Ta manière de t’exprimer, ton vocabulaire, ta logique, ton sens de l’humour. Ce qui te met en colère, comment tu persuades les autres, si tu commences par les données ou les histoires. Ce que tu dis pour réconforter un ami par rapport à la façon dont tu rembarres quelqu’un.
Tout cela est enterré dans ton historique de chat. Des centaines de milliers de messages, chacun un échantillon de ta personnalité.
Aucun grand modèle généraliste ne peut imiter ça. Il peut imiter Lu Xun ou Jin Yong, mais il ne peut pas t’imiter parce qu’il n’a pas tes données.
Google Colab a des crédits GPU gratuits. Tu peux y jeter tes articles, tes conversations et tes transcriptions vocales pour affiner un petit modèle qui t’appartient uniquement. Tu n’as pas besoin d’expérience en entraînement de modèles ; nourris-le simplement avec le matériel. Sa sortie portera ton essence. Tes amis diront « ça te ressemble », pas « ça ressemble à de l’IA ».
C’est ainsi que la qualité « humaine » se produit réellement. Ce n’est pas une technique, ce sont des données.
Quatre-vingt-dix-neuf pour cent du contenu IA sur le marché se reconnaît au premier coup d’œil. Pas à cause de mots étranges, mais parce qu’il manque de données personnelles. Il mange des corpus généraux et recrache une esthétique moyenne. Si tu veux qu’il ne ressemble pas à de l’IA, le seul moyen est de le nourrir avec des données que toi seul possèdes. Tes préjugés, tes angles morts, tes bizarreries : l’IA ne peut pas les apprendre à moins que tu ne les lui montres.
D’où vient le matériel ? Quatre directions, par ordre de priorité.
D’abord, la mine d’or la plus négligée : les sections de commentaires Bilibili et YouTube.
Le script vidéo lui-même a de la valeur, bien sûr – utilise Whisper pour le transcrire. Mais le vrai trésor est dans les commentaires. Le texte principal est le point de vue d’un créateur ; les commentaires sont les vraies réactions d’une foule. Ce qui les intéresse, ce sur quoi ils se disputent, ce qu’ils comprennent mal, ce qui les fait rire ou les met en colère. Lire cent commentaires vaut mieux que dix rapports sectoriels pour savoir ce qui angoisse les gens dans ce cercle.
Quand j’écris du contenu technique, je vérifie souvent d’abord les commentaires des grands influenceurs. Pas pour copier leurs points de vue, mais pour comprendre : où les lecteurs coincent ? Leurs questions sont les prochains sujets. Leurs arguments sont les points de douleur les plus aigus.
Deuxième mine d’or : Ton environnement de travail local.
Quels outils d’IA tu as installés, quelles CLI tu as configurées, quels MCP tu utilises, dans quels pièges tu es tombé et comment tu les as résolus. L’IA peut lire tout cela. Quand tu écris un tutoriel, elle n’a pas besoin d’inventer des cas ou de chercher des « problèmes courants ». Elle lit tes enregistrements d’opérations réelles, tes logs d’erreurs réels et tes solutions réelles.
Les pièges dans lesquels tu es tombé sont naturellement les chemins que les autres ne peuvent pas éviter. Tu n’as pas besoin d’inventer des histoires ; ton historique de terminal est le meilleur matériel.
Troisième mine d’or : Les discussions de groupe.
Les sujets intéressants, les disputes et les plaintes que tu vois dans les groupes techniques, sectoriels ou occasionnels – ce sont tous des sujets. Beaucoup de gens ont du mal à savoir ce qui intéresse les lecteurs ; la réponse est dans les conversations que tu fais défiler chaque jour. Tu n’as qu’à faire une chose : faire une capture d’écran ou noter les choses qui t’ont fait t’arrêter et regarder deux fois.
J’ai créé une chaîne privée sur Telegram et WeChat juste pour moi, appelée « Matériel ». Quand je vois une discussion intéressante, je la transfère là, parfois avec une pensée que j’ai eue sur le moment. Je peux rassembler plus de deux cents entrées par mois. Quand j’écris, je les feuillette et je ne manque jamais de sujets.
Quatrième mine d’or, à laquelle beaucoup ne pensent pas : Ta propre voix.
Les pensées qui te viennent en conduisant, en marchant ou sous la douche. Ouvre ton téléphone, enregistre une minute, et utilise Whisper pour transcrire. C’est dix fois plus vivant que ce à quoi tu penses assis devant un ordinateur parce que tu ne polis pas, ne structures pas et ne te censures pas quand tu parles. L’IA ne pourrait jamais écrire ça.
Une sensation humaine ne se joue pas. Elle est nourrie par les données. Quoi que tu enterres dans ton sol, c’est ce qui poussera.
Couche 3 : Racines cognitives – Tu as oublié, mais pas l’IA
La plupart des gens écrivent des articles un par un. Une fois publiés, c’est fini.
Qu’est-ce que ça donne ? Un arbre qui ne fait pousser que des feuilles mais pas de racines. Chaque feuille tombe et disparaît, comme si elle n’avait jamais poussé. La fois suivante, tu recommences à zéro. Ce que tu as écrit il y a dix ans et ce que tu écris aujourd’hui ne se connaissent pas.
Les racines cognitives résolvent ça.
En mars 2024, tu as écrit un article avec un jugement : « L’IA remplace les ouvriers de la chaîne de montage de contenu, pas les créateurs de contenu. Les ouvriers de la chaîne de montage ne produisent pas d’opinions ; ils exécutent seulement des formats. »
En juillet 2026, tu écris sur les bases de connaissances. L’IA extrait automatiquement ce jugement d’il y a deux ans et te dit : Tu as dit ça à l’époque, et ça peut soutenir l’argument central d’aujourd’hui – « Une personne avec une base de connaissances, c’est comme avoir une équipe pilotée par l’IA. »
Ce n’est pas une liste superficielle de « lectures associées ». C’est un véritable soutien argumentatif. Quand tu l’as dit, dans quel contexte, comment ça se rapporte au sujet d’aujourd’hui, et comment la chaîne de preuves se connecte. Comme un assistant de recherche qui ne part jamais, chaque fois que tu écris, il archive pour toi. Dix ans plus tard, tu as un pedigree cognitif complet, voyant comment tu as compris ces choses étape par étape.
Ce n’est pas un fantasme. Je l’ai testé dans mon propre système d’écriture.
J’ai un fichier de plan de création dans mon répertoire de travail. Une fois, quand j’ai demandé à l’IA de générer une image de couverture, elle a demandé activement : Veux-tu lier ça au plan de création ? Ensuite, elle a automatiquement lu les tags d’opinion de tous les articles passés pour faire correspondre le matériel argumentatif de l’article du jour. Ce sentiment est difficile à décrire. Ce n’était pas « l’IA est si intelligente », mais « j’ai pensé à tellement de choses ces trois dernières années que je les ai oubliées moi-même. »
Tu as oublié ce que tu as dit, mais elle ne l’a pas oublié. Tu as oublié les vérités que tu as réalisées il y a deux ans, mais elle s’en souvient pour toi. La seule chose que tu dois faire, c’est continuer à enterrer de nouvelles choses dans le sol. Les racines pousseront toutes seules ; tu n’as qu’à être responsable de vivre.
Une personne, une machine, une équipe
Revenons à la question du début. Comment livrer un projet complet en 7 heures ?
La réponse devrait maintenant être claire.
Le pool génétique technique tourne. Des actifs de code modularisés et cartographiés : l’IA n’écrit pas à partir de zéro, elle recombiné des gènes existants. Comme des Lego, les pièces sont déjà dans ton entrepôt ; l’IA les assemble juste différemment. Tu as économisé pendant trois ans juste pour ce moment.
Le sol de données vivantes tourne. L’expérience personnelle et le jugement irremplaçables garantissent que la livraison n’est pas un modèle générique. Le client n’achète pas du code, il achète ton expérience encapsulée. Pour la même exigence, les autres livrent du code ; toi, tu livres une solution qui peut passer les audits, être déposée et commercialisée. La différence de prix est dans ton sol.
Les racines cognitives tournent. Les connexions cognitives à travers le temps font que les accumulations passées sont automatiquement utilisées pour le présent. Tu ne tomberas pas deux fois dans le même piège. La première fois que tu es tombé, l’IA l’a enregistré. La deuxième fois que tu passes, elle te rappelle : Tu es déjà tombé ici, contourne.
Les trois couches de l’écosystème tournent simultanément. Une personne opère, mais en réalité une équipe livre.
Et cette équation ne fera que s’accentuer. Les outils front-end explosent. Google Stitch, Figma AI, divers générateurs de maquettes – tu n’as même pas besoin de savoir coder en front-end pour faire un prototype interactif. Chaque effet de bouton et logique de navigation de page est clairement étiqueté. Ensuite, la maquette plus le contrat plus le document de développement sont jetés à l’IA. Le reste n’est qu’attente.
Le futur du service personnel ressemble à ça : Une annonce Xianyu, un mini-programme WeChat, et un hôte AI PC à la maison. Le client commande sur le mini-programme, l’hôte fait tourner l’IA, et la livraison est terminée automatiquement. Un hôte avec 128 Go de RAM fait tourner l’inférence locale et les workflows ComfyUI, produisant une image en 3 secondes. Avec un panneau Pagoda déployé et des noms de domaine résolus sur Cloudflare, l’IA écrit des plugins pour gérer le déploiement automatique.
Toute une chaîne de montage. Une personne. Une machine.
Ce n’est pas de la science-fiction. Le matériel est là, les outils sont matures. Ce qui manque ? Ce n’est pas la technologie, c’est que ton écosystème de connaissances n’a pas encore été construit. Ton pool génétique est encore dispersé, ton sol est encore une friche, et tes racines n’ont pas commencé à prendre.
Trois choses que tu peux commencer aujourd’hui
N’attends pas. Plus tôt tu construis un écosystème de connaissances, plus l’intérêt composé est grand. Tu peux faire trois choses aujourd’hui.
D’abord : Consacre une heure à cartographier tes projets de code. Ne vise pas la perfection. Liste simplement les projets que tu as réalisés, les stacks techniques utilisées, les problèmes résolus et les modules réutilisables. Juste un tableau. Une fois fait, tu réaliseras que même si tu pensais avoir écrit dix projets, les modules de base n’étaient que ces quatre ou cinq, juste avec des habillages différents.
Deuxièmement : Crée un canal de matériel juste pour toi. Telegram, WeChat File Transfer, Notes – n’importe quoi. À partir d’aujourd’hui, quand tu vois quelque chose d’intéressant, jette-le dedans. Pas besoin de catégoriser ou de taguer ; jette-le d’abord. Tu me remercieras dans un mois.
Troisièmement : Trouve un article que tu as écrit dans le passé et relis-le. Extrais les opinions et vois si elles peuvent soutenir quelque chose que tu veux écrire ensuite. Si oui, tu as commencé à avoir tes propres racines cognitives. Sinon, cela signifie que ton travail passé a été jeté après avoir été écrit. À partir d’aujourd’hui, ne jette plus rien.
Les modèles expirent, le sol, non
J’ai vu trop de gens anxieux. Les modèles se mettent à jour, les techniques de prompt deviennent obsolètes, les outils itèrent. Tu ne peux pas suivre. Tu ne rattraperas jamais la vitesse des mises à jour des outils, et tu ne devrais pas essayer.
Mais pense à une chose.
Les modèles changent. Les outils sont remplacés. Les styles de prompt changent tous les mois. Une technique de prompt vieille d’un an est probablement inutile aujourd’hui. Seules tes données sont à toi.
Ton accumulation de code. Tes conversations. Tes opinions en évolution. Les pièges dans lesquels tu es tombé. Les articles que tu as lus. Les produits que tu as critiqués. Les disputes que tu as eues avec des clients. Une vérité réalisée à 3 heures du matin. Une phrase enregistrée en conduisant.
Ces choses n’expirent pas. Personne ne peut sortir une « nouvelle version » qui rendrait tes données invalides. Ce sont tes actifs personnels irremplaçables, qui gagnent en valeur avec le temps.
Une base de connaissances ne s’empile pas, elle se nourrit. Ce que tu lui donnes chaque jour détermine ce que ton écosystème IA pourra faire pousser dans trois ans.
Certains gens la nourrissent de signets. Dans trois ans, l’IA ne pourra que les aider à chercher des pages web, et ils n’auront peut-être même pas lu ce qu’elle trouve.
D’autres la nourrissent de données vivantes. Dans trois ans, l’IA les aide à livrer, créer et prendre des décisions. Ils boivent du thé pendant que l’IA travaille.
Deux vies. La différence réside dans ce que tu commences à enterrer aujourd’hui.
Qu’est-ce que tu nourris ?
