Note : les outils IA évoluent extrêmement vite. Ce guide reflète ce qui a fonctionné pour moi au moment où je l’ai écrit, et certaines parties peuvent devenir obsolètes dans quelques mois. Je le mettrai à jour quand le workflow change de manière significative.

En bref

• Je suis analyste de données, sans expérience de dev, et j’ai créé une extension Chrome de capture d’écran + un site web avec l’IA.
• J’ai surtout utilisé Gemini pour implémenter, et ChatGPT comme “second avis” pour déboguer et traduire.
• Le plus gros apprentissage : l’architecture + des milestones de nettoyage valent plus que des prompts géants.

Analyste de données, pas dev — j’ai créé une extension Chrome complète avec l’IA (retour d’expérience)

Je suis analyste de données de profession et je ne comprends rien au code. Par contre, je sais augmenter/réduire un rayon ou une taille de police en CSS, ajouter un guillemet fermant en HTML, et c’est tout. Je n’ai aucune idée de ce qu’est JavaScript ni de pourquoi ça marche.

Le process que je vais décrire peut sembler très trivial pour un vrai développeur. Mais pour quelqu’un qui n’a jamais fait de développement logiciel, c’est intéressant de regarder en arrière. Il m’a fallu presque un an pour en arriver là.

Tout ce qui est dans l’extension, le site web, ou ce que vous allez lire ci‑dessous a été développé ou relu par une IA. Vous trouverez peut‑être encore quelques erreurs, mais si je n’avais rien passé dans une IA et que vous étiez une “grammar Polizei”, vous auriez repéré des fautes dans presque chaque paragraphe.

De quoi s’agit‑il exactement ?

J’ai créé une extension Chrome de capture d’écran. Elle supporte : capture de la zone visible, capture page entière (capture longue/défilante), capture de zone sélectionnée, capture d’un élément (element picker), avec padding et délai. Il y a une page d’édition (Lliben Capture) où vous pouvez recadrer, annoter, et exporter (Copier, PDF, PNG, JPG) ou imprimer.

Elle a quatre composants principaux :

1. Popup
2. Paramètres
3. Page visualiseur/éditeur (Lliben Capture — s’ouvre après la capture)
4. Site web

Voici quelques captures du projet :

Stack technique

1. Google AI Studio
2. ChatGPT
3. Visual Studio Code
4. GitHub (les modifications du site web sont faites via GitHub)
5. Cloudflare Workers & Pages (les changements GitHub sont déployés sur Workers/Pages, qui compilent la version finale)
6. Resend (formulaires contact & retours du site)
7. Apple Email (stockage pas cher + domaine custom, mais il faut être dans l’écosystème Apple)
8. Stripe (paiements)

Email et paiements n’étaient pas indispensables. J’aurais pu simplement utiliser Gmail ou Outlook. Mais je voulais une structure complète, comme une vraie entreprise : tout en place, y compris une option de revenu/monétisation.

Je ne crois pas que ça va me rendre financièrement indépendant ou me permettre de quitter mon job pour faire le tour du monde. Mais je veux pousser le projet aussi loin que possible, jusqu’à pouvoir me dire : “Ok, maintenant c’est parfait.”

Comment ça a commencé

J’ai commencé ce projet au début de l’année. J’ai essayé au moins 200 fois (j’aimerais mentir) depuis zéro, puis j’ai abandonné. Avec le recul, je vois que ne pas connaître les outils de code a énormément joué. Je me souviens encore avoir googlé comment changer le thème et la taille de police dans VS Code.

Vers juin/juillet, j’ai recommencé. J’avais déjà la base et je n’avais plus à réfléchir aux outils, à où enregistrer les fichiers, ou à comment compiler.

Gemini

J’ai écrit environ 90% avec Gemini et 10% avec ChatGPT. Le code et les fonctionnalités du site web sont entièrement écrits par Gemini, mais j’ai utilisé ChatGPT pour traduire l’anglais vers d’autres langues.

Gemini marche vraiment très bien, mais c’est presque impossible de le faire arrêter de coder. Même quand je précise qu’on réfléchit et que je dis “ne fais pas de changement de code dans ta prochaine réponse”, il le fait quand même. J’ai testé beaucoup de variantes et ajouté des règles, mais ça arrive toujours. C’est ma plus grosse frustration avec Gemini.

ChatGPT

Quand je n’arrivais pas à corriger un bug ou à implémenter une fonctionnalité avec Gemini, je quittais Gemini et j’utilisais ChatGPT pour explorer la cause et réfléchir. Il donne souvent de très bonnes recommandations. Si rien ne marchait, je collais le code et je demandais une relecture + une réécriture complète en gardant mes variables, puis je testais plusieurs versions.

Parfois, je reprenais le code de ChatGPT et je le donnais à Gemini en demandant quelle stratégie était utilisée et si c’était une meilleure approche. Parfois, je restais bloqué sur un problème pendant des semaines — mais j’ai fini par corriger chaque bug avec cette méthode.

Le plus gros défaut que j’ai vu chez ChatGPT jusqu’ici, c’est le SVG. Ça ne marche pas bien et ça ne se rapproche même pas de Gemini quand il s’agit de générer des icônes SVG correctes.

Claude

Je n’ai pas réussi à le tester en profondeur. Quelques fois, il a produit trop de code et a rendu les choses plus compliquées que nécessaire. J’y reviens de temps en temps quand rien d’autre ne marche — mais la plupart du temps, j’arrive avec un problème et je repars avec 100 nouveaux.

Ce qui est important selon moi

1. La compréhension du contexte ou les énormes limites de tokens ne sont pas aussi importantes qu’on le pense : voyez ça comme la quantité maximale de texte (tokens) que l’IA peut gérer (entrée + contexte + sortie). 90% du code a été écrit avec Gemini 2.5 Pro, qui a un contexte d’un peu plus d’1 million de tokens. C’était largement suffisant à l’échelle du projet. Personnellement, c’était beaucoup mieux de travailler une petite fonctionnalité à la fois plutôt que d’en faire 2–3 en même temps.
2. L’architecture de base est la chose la plus importante : si vous ne comprenez pas l’architecture, certains problèmes seront presque impossibles à corriger. Et même si vous y arrivez, vous ne pourrez pas maintenir le produit plus tard — car le même bug reviendra, même après une petite modification.
3. Écrivez tout vous‑même dans au moins une langue : pour l’extension et le site, j’ai tout écrit en anglais, puis j’ai utilisé l’IA pour traduire. Pour moi, l’IA écrit comme un marketeur américain — trop long. C’est comme regarder un YouTuber américain expliquer un truc simple : ça dure 10 minutes alors que ça pourrait être dit en 1.
4. Commencez avec maximum 2 langues, pour avoir l’architecture complète avant d’en ajouter : à chaque changement, ces deux fichiers sont souvent mis à jour aussi. Plus vous avez de langues, plus chaque réponse d’IA prend du temps. Mais une fois en prod, c’est difficile à éviter.
5. Utilisez plusieurs modèles.
6. Nettoyez le code encore et encore : après un jalon important, supprimez le code commenté, le code mort, et les fichiers vides.
7. Demandez des cas d’usage et des comportements attendus : ça aide à trouver des problèmes de logique. Par exemple, j’avais du mal à garder la capture page entière rapide. J’ai réalisé que l’extension “stitchait” pendant la capture. J’ai déplacé cette étape sur la page Lliben Capture, et la capture page entière est devenue beaucoup plus rapide.
8. Vérifiez s’il existe des librairies publiques : pour la génération PDF et l’impression au format A4, j’ai utilisé jsPDF. Ça a très bien marché et ça m’a fait gagner du temps.

Un dernier point

Chaque plateforme IA (Cursor, Antigravity, etc.) est essentiellement Visual Studio Code avec un autre skin. Pourquoi ne pas utiliser VS Code directement et éviter d’être enfermé dans un écosystème ?

Ce que je n’ai pas encore testé

La seule chose que je n’ai pas testée, c’est si le système de paiement fonctionne vraiment en prod. J’utilise Stripe, et ça marche en sandbox. Mais ça fait un peu cheap de demander à des amis/famille de faire un don.

Si vous êtes développeur

Si vous êtes développeur expérimenté, j’aimerais beaucoup vos retours sur l’extension, ses fonctionnalités, ou même le design du site. C’est le premier vrai projet que j’ai réussi à mettre en ligne. Peu importe votre avis — je serai content de le lire.

Extension : Chrome Web Store – Lliben

Site web : https://lliben.com/

Conclusion

L’espace entre l’idée et l’implémentation est devenu incroyablement petit.

En tant qu’analyste de données, c’est fou de voir à quelle vitesse l’IA avance en code — jusqu’où on est déjà arrivé, et jusqu’où ça va aller.

D’un côté, n’importe qui avec une idée peut vraiment construire quelque chose. De l’autre : que va‑t‑il arriver aux développeurs expérimentés, dont le métier est d’écrire du code ?

Je ne sais pas si c’est bien ou mal.

Sans l’IA, je n’aurais même pas osé toucher à cette idée.

Alors… est‑ce que je peux me considérer comme un développeur ?