Dicter des prompts aux agents parallèles, voie par voie

La première fois que vous faites tourner deux agents de code côte à côte, quelque chose sonne faux, et il faut un moment pour mettre un nom dessus. Chaque agent est rapide. Chacun, seul, serait un gain évident. Ensemble, ils devraient être le double du gain. Au lieu de ça, la journée paraît plus fragmentée qu’avec un seul, et vous terminez l’après-midi avec moins de choses finies que prévu.

La raison, ce ne sont pas les agents. C’est la forme de l’entrée dont ils ont besoin. Un agent de code tourne à la prose : « découpe le gestionnaire, garde la signature publique, ajoute un test pour le chemin de timeout ». La prose est bon marché à penser et coûteuse à livrer, parce que la livrer suppose de mettre vos mains et votre attention dans la bonne fenêtre au bon moment. Avec un seul agent, ce moment coïncide avec votre rythme naturel. Avec trois, les moments arrivent quand ils arrivent, et chacun interrompt ce que vous étiez en train de faire.

Cet article traite du problème de livraison, pas du problème de réflexion. C’est un workflow concret pour dicter des prompts dans des voies d’agents parallèles sur un Mac, avec les limites honnêtes incluses. Si vous n’avez pas lu Piloter Claude Code à la voix, cet article-là couvre les bases sur une seule voie ; celui-ci suppose que vous en faites déjà tourner plus d’une.

Pourquoi les voies parallèles punissent la frappe en particulier

Un prompt a trois coûts : le former, le livrer, et se remettre en selle après. Le former est inévitable et se passe surtout dans votre tête. Le livrer, quand vous tapez, veut dire basculer le focus vers le terminal de l’agent, trouver la ligne de saisie, taper quarante à quatre-vingts mots et appuyer sur Entrée. Se remettre en selle veut dire revenir à ce que vous faisiez avant que l’agent ne demande quelque chose.

Avec une seule voie, le coût de livraison est faible parce que vous regardiez probablement déjà ce terminal. Avec des voies parallèles, ce n’est presque jamais le cas. La voie une pose une question pendant que vous lisez le diff de la voie deux. La question est facile ; la réponse tient en une phrase. Mais y répondre veut dire quitter le diff, et quand vous y revenez, vous relisez les trente dernières lignes pour retrouver où vous en étiez.

Multipliez par chaque réorientation, chaque « oui, continue », chaque « non, l’autre fichier », et la surcharge s’accumule. Les voies parallèles n’échouent pas parce que les agents sont lents. Elles échouent parce que vous devenez le bus de messages, et un bus de messages qui doit se déplacer physiquement entre des fenêtres a une latence désastreuse.

La voix supprime l’essentiel du coût de livraison. Vos yeux restent sur le diff, vous maintenez une touche, vous dites la phrase, vous relâchez. Les mots atterrissent dans le champ de saisie de l’agent. Vous n’êtes jamais parti.

La configuration qui marche

Voici la configuration, volontairement ennuyeuse.

Un raccourci, pas une fenêtre. Keebye vit dans la barre des menus et écoute un raccourci à maintenir ou à taper (Right ⌘ par défaut ; Fn et Right ⌥ sont les autres options, et Esc annule une dictée en cours). Il n’y a pas de fenêtre d’app à ouvrir et pas de mode dans lequel entrer. Maintenez, parlez, relâchez. Cela compte plus qu’il n’y paraît : un outil de dictée qui a besoin de sa propre fenêtre n’est qu’une voie de plus.

Insertion dans le champ qui a le focus. La transcription est insérée là où se trouve votre curseur. Par défaut c’est un collage, avec un découpage adapté au terminal pour qu’un long prompt ne submerge pas un shell. Si vos agents tournent dans tmux ou via SSH, où le collage se comporte mal, il existe un mode frappe optionnel qui injecte le texte sous forme de frappes Unicode ; une dictée qui survit au terminal explique quand basculer.

Par lots, pas en flux. Keebye transcrit au relâchement de la touche, comme un seul énoncé. Vous ne verrez pas les mots apparaître pendant que vous parlez. Pour le prompt, c’est le bon compromis : vous voulez que la phrase entière atterrisse d’un coup, nettoyée, plutôt que de la voir se matérialiser mot à mot alors que le champ de saisie de l’agent contient déjà une demi-idée.

Tout sur l’appareil. La transcription tourne en local (un modèle par défaut réglé pour l’anglais, ou un modèle de 25 langues si vous l’activez). Après le téléchargement du modèle, ça fonctionne avec le Wi-Fi coupé. Pour piloter des agents, il s’agit moins de théâtre de la confidentialité que de latence : il n’y a pas d’aller-retour réseau, donc un prompt court est prêt presque au moment où vous relâchez la touche.

Un rythme de changement de voie

Le workflow qui a fini par tenir a trois habitudes.

Les yeux restent sur la voie qui demande du jugement. À tout moment, il y a une voie où votre attention doit être, en général un diff ou une sortie de tests. C’est la voie que vous lisez. Les autres ne reçoivent que de courtes instructions parlées. Quand la voie deux a besoin d’une décision, vous jetez un œil, vous cliquez dans son champ, vous maintenez la touche, vous dites la décision, vous relâchez et vous recliquez à votre place. Le clic est le seul coût mécanique ; la phrase elle-même est gratuite.

Les prompts se disent en phrases complètes. Les agents gèrent mieux les phrases entières que les fragments télégraphiques, et la dictée produit des phrases entières naturellement, parce que c’est comme ça que les gens parlent. « Annule le changement de schéma mais garde le renommage de l’API, puis relance la migration et montre-moi la sortie » est un bon prompt parlé. C’est un prompt tapé fastidieux.

Les mots de remplissage disparaissent, le sens non. Le nettoyage de Keebye est à base de règles par défaut : il supprime les « euh », les « hum », le mot répété, et laisse votre formulation tranquille. Il existe un polissage optionnel par LLM local sur l’appareil pour des phrases plus nettes, adossé à un garde-fou de fidélité qui revient à la transcription littérale quand la version polie montre une perte de tokens sévère, une expansion ou une répétition. Ce garde-fou est une heuristique, pas une vérification sémantique : il ne garantit pas que le texte poli a préservé votre sens ou une négation. Pour piloter un agent, la plupart des gens laissent le polissage désactivé ; une transcription littérale est exactement ce que vous avez dit, et c’est ce que vous voulez que l’agent exécute.

Ce que la voix fait bien, voie par voie

Tous les prompts ne demandent pas à être parlés. Après quelques mois, le partage ressemble à peu près à ça.

Réorientations et relances : toujours à la voix. « Continue. » « Non, l’autre config. » « Ajoute un test pour le cas vide et relance. » Ce sont les prompts les plus fréquents d’une session parallèle, et ils tiennent tous en un souffle.

Retours de revue : surtout à la voix. Lire un diff et raconter ce qui ne va pas dedans est naturel. « La boucle de retry avale l’erreur, logue-la avant le sleep, et plafonne les tentatives à cinq. » La dictée capture ça au rythme de la parole pendant que vos yeux restent sur le code.

Briefs de tâche initiaux : mixte. Un brief long et structuré, avec des chemins de fichiers et des contraintes, gagne encore à être tapé — ou à être dicté en version brute puis édité. La voix va bien pour la prose ; les identifiants exacts se tapent plus facilement. Le dictionnaire personnalisé aide ici : ajoutez une fois les noms de modules et le jargon récurrent de votre projet, et ils cessent d’être transcrits comme le mot anglais le plus proche.

Tout ce qui contient du code : tapé. Dicter une regex est un mauvais moment. Dictez l’instruction (« écris une regex qui matche l’en-tête de version »), pas l’artefact.

Les limites honnêtes

Certaines sont celles de Keebye, d’autres celles de la catégorie.

La latence de la première dictée. Le micro se met en chauffe après la première dictée d’une session et garde ensuite 500 ms de pré-enregistrement. Le tout premier appui de la journée peut payer un coût de démarrage du flux, et un mot prononcé avant que le tampon ne s’engage peut être coupé. Pourquoi les apps de dictée avalent votre premier mot couvre la mécanique.

La précision sur les identifiants. Les noms de variables en snake case et les acronymes internes sont là où tout modèle vocal souffre. Le dictionnaire réduit le problème, il ne l’élimine pas. Relisez le prompt avant d’appuyer sur Entrée pour quoi que ce soit de destructif.

Les champs sécurisés. Keebye refuse d’insérer dans les champs de mot de passe et les champs de saisie sécurisés. C’est intentionnel et occasionnellement gênant quand une invite de terminal demande une phrase secrète.

Pas de commandes vocales. Il n’y a pas de vocabulaire « nouvelle ligne » ou « tout sélectionner ». Keebye est un outil de dictée, pas une couche de contrôle vocal. La navigation entre les voies reste un clic ou un raccourci clavier.

macOS uniquement. La version Windows n’est pas livrée.

Où aller ensuite

Si vos agents vivent surtout dans un seul éditeur, les guides Cursor et Claude Code donnent les spécificités outil par outil. Si vous hésitez entre des apps de dictée pour ce workflow, Keebye vs Superwhisper est une comparaison honnête qui dit aussi où Superwhisper convient mieux.

La version courte de tout ce qui précède : les agents parallèles n’ont pas besoin que vous tapiez plus vite. Ils ont besoin que vous cessiez d’être le saut le plus lent entre eux. Gardez les yeux sur la voie qui demande du jugement et parlez aux autres.