Deux IA, un même chantier Web : le généraliste, le spécialiste et l'humain aux commandes

1. Pourquoi utiliser deux IA?

Construire un site Web scientifique bilingue — avec des dizaines d'articles, un rendu côté serveur, des routes multilingues, des métadonnées SEO complètes et un formulaire de contact sécurisé — est une tâche complexe. Une seule IA peut techniquement exécuter chacune de ces tâches. Mais aucune IA actuelle ne possède simultanément trois choses : la vision stratégique globale du projet, la connaissance précise de son état en cours, et les outils spécialisés pour intervenir directement dans l'environnement d'exécution.

C'est précisément ce constat qui a conduit à cette preuve de concept (PoC) : faire coopérer deux IA de deux entreprises différentes sous la direction d'un seul humain. ChatGPT d'OpenAI joue le rôle de l'IA généraliste. Airo AI Builder de GoDaddy joue le rôle de l'IA spécialiste. Jean-François Weemaes, l'auteur, dirige l'ensemble et conserve l'intention, l'autorité et la responsabilité finale.

2. Les trois acteurs du modèle

Le modèle repose sur trois acteurs distincts, chacun avec un rôle précis et non interchangeable. L'humain utilisateur définit l'objectif et prend toutes les décisions importantes. L'IA généraliste analyse, structure et prépare les instructions. L'IA spécialiste exécute les changements techniques dans le projet. Ces trois acteurs ne se remplacent pas : ils se complètent.

3. L'IA généraliste : ChatGPT

ChatGPT agit comme une IA généraliste. Son rôle n'est pas d'écrire du code directement dans le projet, ni de déployer quoi que ce soit. Son rôle est de comprendre le besoin humain dans toute sa complexité, d'analyser le problème sous plusieurs angles, de structurer les objectifs de façon claire, et de préparer des instructions détaillées que l'IA spécialiste pourra exécuter sans ambiguïté.

Concrètement, ChatGPT peut aider à : comprendre un besoin exprimé de façon vague et le reformuler précisément; identifier les risques d'une modification avant qu'elle soit exécutée; relever les incohérences dans une demande; préparer un mandat structuré avec des critères de succès vérifiables; analyser un rapport d'erreur et proposer une correction ciblée; conserver une vision globale du projet sur plusieurs sessions.

Dans ce PoC, ChatGPT ne contrôle pas directement l'infrastructure GoDaddy. Il n'a pas accès aux fichiers du projet, ne peut pas exécuter de build, et ne peut pas publier le site. Il travaille uniquement avec du texte — des analyses, des plans, des mandats — que l'humain transmet ensuite à l'IA spécialiste.

4. L'IA spécialiste : Airo AI Builder

Airo AI Builder agit comme l'IA spécialiste du projet Web hébergé chez GoDaddy. Contrairement au généraliste, Airo connaît directement son environnement technique : il peut lire les fichiers du projet, modifier le code TypeScript et React, gérer les composants du site, exécuter le build, produire un aperçu en temps réel, vérifier les routes HTTP, et préparer ou effectuer le déploiement en production.

Airo possède des outils que ChatGPT n'a pas : l'accès direct au système de fichiers du projet, la capacité d'exécuter des commandes, de vérifier des endpoints, de lire les logs du serveur, et d'interagir avec l'infrastructure GoDaddy. C'est cette spécialisation qui le rend indispensable pour l'exécution technique.

En revanche, Airo n'a pas la vision stratégique globale du projet. Il travaille sur ce qu'on lui demande, dans les limites de la session en cours. Si la demande est mal formulée, il peut exécuter quelque chose de techniquement correct mais qui ne correspond pas à l'intention réelle. C'est pourquoi la préparation du mandat par le généraliste est si importante.

5. Le rôle irremplaçable de l'humain

L'humain n'est pas un simple intermédiaire qui copie-colle des messages entre deux systèmes. Son rôle est beaucoup plus central. Il est d'abord le propriétaire de l'intention : il sait pourquoi le projet existe, ce qu'il doit accomplir, et ce qui constitue un succès. Cette intention ne peut pas être déléguée à une IA, parce qu'elle est liée à des valeurs, des contraintes et des objectifs que seul l'humain connaît complètement.

L'humain est aussi le détenteur du contexte réel. Il sait ce qui a été fait lors des sessions précédentes, ce qui a fonctionné, ce qui a échoué, et pourquoi. Il est l'autorité d'approbation : aucune modification n'est publiée sans sa validation explicite. Il est le contrôleur des coûts : chaque intervention des deux IA a un coût réel, et c'est l'humain qui décide si ce coût est justifié. Il est enfin le responsable légal et éthique du contenu publié.

• Propriétaire de l'intention : définit pourquoi le projet existe et ce qui constitue un succès
• Détenteur du contexte réel : connaît l'historique complet des sessions et des décisions
• Autorité d'approbation : valide chaque modification avant publication
• Contrôleur des coûts : décide si chaque intervention est justifiée
• Correcteur de trajectoire : détecte les dérives et les corrige avant qu'elles s'aggravent
• Responsable légal et éthique : assume la responsabilité du contenu publié

6. Comment les trois acteurs coopèrent concrètement

Dans ce PoC, plusieurs mécanismes de coopération ont été expérimentés entre ChatGPT et Airo AI Builder. Les expérimentations ont porté sur une communication via l'API d'OpenAI, ainsi que sur une orchestration par interaction avec le DOM et les interfaces Web, permettant aux deux systèmes de se transmettre objectifs, résultats, rapports et corrections. Dans tous les cas, l'humain reste au centre du processus : il supervise chaque transfert d'information, vérifie chaque étape, et conserve l'autorité finale sur toute action ou publication.

Le cycle de coopération se déroule en huit étapes distinctes et répétables :

1. L'humain formule son intention : il décrit ce qu'il veut accomplir, les contraintes à respecter et les critères de succès.
2. ChatGPT analyse la demande : il identifie les risques, les ambiguïtés et les dépendances, puis propose une structure.
3. L'humain prépare le mandat : il formule une commande précise pour Airo, basée sur l'analyse de ChatGPT.
4. Airo exécute les changements : il modifie les fichiers du projet dans l'environnement GoDaddy.
5. Airo produit un aperçu ou un rapport : il montre le résultat et confirme les routes vérifiées.
6. L'humain inspecte le résultat : il vérifie la qualité, les images, les routes, l'ordre des articles et les coûts.
7. ChatGPT peut aider à analyser les erreurs : si quelque chose ne va pas, il aide à préparer une correction ciblée.
8. L'humain décide de la suite : poursuivre, corriger, arrêter ou publier.

7. Un exemple réel dans un projet Web

Voici un exemple concret, tiré directement de ce PoC. L'humain veut ajouter un nouvel article bilingue à son site scientifique sans endommager les 58 articles déjà publiés. C'est une tâche qui semble simple, mais qui comporte plusieurs risques réels : modifier accidentellement le catalogue existant, changer l'ordre des articles, casser une route, introduire une erreur TypeScript, ou publier sans validation.

L'humain commence par expliquer le besoin à ChatGPT. ChatGPT aide à préparer un mandat structuré qui contient : le sujet de l'article et ses titres bilingues; la position souhaitée dans le catalogue; les fichiers autorisés à créer ou modifier; les fichiers qui ne doivent pas être touchés; les critères de validation (TypeScript propre, routes HTTP 200, aucun article existant modifié); l'interdiction explicite de publier automatiquement.

Airo reçoit ensuite ce mandat, crée le fichier de contenu de l'article, l'ajoute au catalogue, vérifie les routes et produit un aperçu. L'humain vérifie alors : la qualité du texte dans les deux langues; les images; les routes françaises et anglaises; l'ordre des articles dans le catalogue; les erreurs TypeScript éventuelles; les coûts engendrés; la conformité avec l'intention initiale. Si tout est correct, l'humain approuve et demande la publication. Sinon, il formule une correction ciblée et le cycle recommence.

Cet exemple illustre pourquoi les deux IA sont utiles ensemble. ChatGPT a aidé à anticiper les risques et à structurer la demande. Airo a exécuté les changements avec précision dans son environnement. L'humain a vérifié et approuvé. Aucun des trois acteurs n'aurait pu produire ce résultat seul avec la même qualité et la même sécurité.

8. Le pattern Généraliste + Spécialiste

Le pattern « Généraliste + Spécialiste » est une architecture de coopération dans laquelle deux systèmes d'IA jouent des rôles complémentaires. Ce n'est pas une nouveauté en informatique : la séparation entre la planification et l'exécution est un principe fondamental de l'ingénierie logicielle. Ce qui est nouveau ici, c'est l'application de ce principe à deux IA de deux entreprises différentes, coordonnées par un humain individuel.

Une IA généraliste est utile pour comprendre un problème large, relier plusieurs domaines, anticiper les risques et préparer une stratégie. Elle excelle dans la compréhension du langage naturel, la synthèse d'information et la formulation d'instructions claires. Une IA spécialiste est utile pour intervenir efficacement dans un environnement précis avec des outils adaptés. Elle excelle dans l'exécution technique, la vérification des résultats et l'interaction avec l'infrastructure.

La combinaison des deux permet potentiellement une meilleure compréhension globale du problème, une exécution plus spécialisée et précise, une séparation claire des responsabilités, une validation humaine entre les étapes, une réduction des erreurs d'interprétation, et une meilleure traçabilité des décisions. Mais cette combinaison n'est pas automatiquement bénéfique. Une coopération mal contrôlée peut aussi provoquer des répétitions inutiles, des demandes contradictoires, une perte de contexte, des modifications non souhaitées, des coûts supplémentaires, et des cycles où les systèmes tournent en rond sans progresser.

9. Le contrat de coopération

Pour éviter que les deux systèmes travaillent inutilement ou s'éloignent de la demande originale, chaque mandat transmis du généraliste au spécialiste (via l'humain) doit prendre la forme d'un contrat de coopération explicite. Ce contrat n'est pas un document formel : c'est une structure de communication qui garantit que les deux IA et l'humain partagent la même compréhension de ce qui doit être fait, comment, et jusqu'où.

10. Les erreurs et les risques observés

Les principales difficultés observées dans ce PoC ne sont pas uniquement techniques. Elles concernent aussi la continuité du contexte, la précision des commandes, et la gestion des coûts. Voici les risques les plus fréquents, avec leur cause et leur impact concret.

• Répétition inutile : le spécialiste refait un travail déjà accompli parce que le mandat ne précisait pas ce qui existait déjà. Coût réel sans valeur ajoutée.
• Perte de contexte : après une longue session, le spécialiste perd le fil de l'architecture existante et reconstruit des composants déjà présents.
• Dérive de la demande : le spécialiste interprète la demande de façon plus large que prévu et modifie des fichiers qui n'auraient pas dû être touchés.
• Ambiguïté des statuts : l'humain ne sait pas si une action a réussi ou échoué parce que le rapport du spécialiste est incomplet ou ambigu.
• Exécution prématurée : le spécialiste commence à coder avant d'avoir compris la contrainte principale, ce qui oblige à défaire et refaire.
• Absence de preuve vérifiable : le spécialiste affirme avoir réussi sans fournir de preuve concrète (URL, code HTTP, TypeScript propre).
• Reconstruction complète au lieu d'une correction ciblée : face à une erreur, le spécialiste reconstruit tout au lieu de corriger uniquement ce qui ne va pas.
• Coûts cumulés non anticipés : chaque itération inutile consomme des ressources réelles, et les coûts s'accumulent rapidement si le cycle n'est pas contrôlé.

11. Les protections nécessaires

Ces risques ne sont pas inévitables. Ils peuvent être réduits significativement par des protections structurelles que l'humain met en place avant chaque session. Ces protections ne sont pas des contraintes bureaucratiques : ce sont des outils qui permettent à la coopération de fonctionner de façon fiable et économique.

• Manifeste du projet : un document de référence qui décrit l'état exact du projet, maintenu à jour après chaque session. Le spécialiste peut le consulter pour éviter de reconstruire ce qui existe déjà.
• Point de restauration : un commit Git créé avant toute modification, permettant un retour immédiat si quelque chose tourne mal.
• Comparaison avant/après : vérifier systématiquement que les articles existants n'ont pas été modifiés après chaque session.
• Liste explicite des fichiers autorisés : chaque mandat précise exactement quels fichiers peuvent être créés ou modifiés.
• Test ciblé avant test complet : vérifier une seule route ou un seul composant avant de vérifier l'ensemble du site.
• Arrêt immédiat en cas de doublon ou d'anomalie : si un slug existe déjà ou si une anomalie est détectée, arrêter et signaler plutôt que de continuer.
• Interdiction de publication sans validation explicite : aucun déploiement sans approbation humaine, jamais.
• Rapport technique lisible : chaque session se termine par un rapport concis qui liste les fichiers modifiés, les routes vérifiées et les preuves de succès.

12. Ce que le PoC démontre déjà

Ce PoC a produit un résultat concret et mesurable : un site Web scientifique bilingue de 59 articles, entièrement fonctionnel, avec un rendu côté serveur, des routes multilingues, des métadonnées SEO complètes, un formulaire de contact sécurisé, et un déploiement en production sur un domaine personnalisé. Ce résultat a été produit en quelques semaines par un seul humain assisté de deux IA.

Le PoC démontre que : une coopération structurée entre deux IA de deux entreprises différentes est techniquement possible; le pattern Généraliste + Spécialiste produit des résultats de meilleure qualité qu'une seule IA utilisée seule; le contrat de coopération réduit significativement les erreurs et les coûts inutiles; l'humain au centre du processus est une nécessité, pas une limitation.

13. Ce qu'il reste à tester

Ce PoC est une démonstration de faisabilité, pas une solution complète. Plusieurs questions importantes restent ouvertes. Les expérimentations ont porté sur plusieurs mécanismes de coopération : communication via l'API d'OpenAI, orchestration par interaction avec le DOM et les interfaces Web. Ces approches ont permis de réduire la charge de transfert manuel, mais elles soulèvent de nouvelles questions sur la sécurité, la traçabilité et le contrôle des coûts. Un protocole standardisé ou un format de mandat partagé permettrait d'aller plus loin.

D'autres aspects restent à explorer : la gestion des conflits entre les deux IA lorsqu'elles ont des recommandations contradictoires; la continuité du contexte sur des projets de très longue durée; la mesure objective de la qualité du résultat produit par la coopération; et la réduction des coûts par une meilleure anticipation des besoins.

14. Ce qui pourrait être discuté avec GoDaddy

GoDaddy n'est pas un simple troisième agent conversationnel dans ce modèle. GoDaddy représente à la fois l'entreprise, l'infrastructure et l'environnement technique dans lequel l'IA spécialiste travaille. C'est GoDaddy qui fournit Airo AI Builder, l'hébergement, le domaine, les services de publication, les mécanismes de sécurité et les outils de déploiement. Sans cette infrastructure, le PoC n'aurait pas pu exister.

Après les tests du PoC, une discussion avec GoDaddy pourrait porter sur plusieurs sujets. Il ne s'agit pas d'affirmer qu'une telle entente existe déjà ou qu'elle est imminente. Il s'agit de présenter les résultats du PoC comme une base de réflexion sur ce qui pourrait être possible.

• Une méthode officielle de coopération entre une IA généraliste externe et Airo AI Builder : permissions, authentification, format de mandat standardisé.
• La confidentialité : quelles données sont transmises entre les deux systèmes, et comment les protéger.
• La sécurité : comment s'assurer que le généraliste ne peut pas injecter du code malveillant via ses mandats.
• Les limites de coût : comment définir et contrôler le coût maximal d'une session de coopération.
• La traçabilité des actions : comment auditer chaque décision prise par chaque système.
• Les points de restauration : comment garantir qu'un retour en arrière est toujours possible.
• Les rapports techniques : comment produire des rapports lisibles par l'humain et vérifiables.
• Le contrôle humain : comment garantir que l'humain reste toujours au centre du processus.
• Les responsabilités respectives : qui est responsable si le spécialiste exécute un mandat incorrect fourni par le généraliste.
• Les mécanismes d'arrêt : comment arrêter une exécution inutile rapidement et sans perte.
• Les modèles commerciaux possibles : comment une telle coopération pourrait être proposée comme service.

15. Conclusion

Deux IA de deux entreprises différentes peuvent coopérer pour produire un résultat qu'aucune des deux ne pourrait produire seule avec la même qualité et la même efficacité. Mais cette coopération n'est pas automatique, ni gratuite, ni sans risque. Elle exige un humain qui comprend les capacités et les limites de chaque système, qui formule des mandats précis, qui vérifie les résultats à chaque étape, et qui assume la responsabilité finale.

Ce PoC est une démonstration que c'est possible. Le résultat concret — ce site Web scientifique bilingue de 59 articles — en est la preuve. Ce n'est pas encore une solution clé en main. C'est le début d'une réflexion sur ce que pourrait être une coopération structurée, sécurisée et économiquement viable entre des systèmes d'IA de différentes entreprises, sous supervision humaine.