Une voix, dix voies : une journée de dictée

Deux enfants, trois startups, une seule voix racontait l’histoire d’origine : des voies de startup parallèles à fort enjeu, un deuxième enfant de moins de six mois, et un clavier devenu discrètement le point de défaillance unique de tout le reste. Cet article expliquait pourquoi Keebye existe. On me posait ensuite une question plus pratique : à quoi ressemble vraiment une journée ?

Voici donc cette journée. Pas une journée typique, parce que ça n’existe pas, mais une forme réelle qui se répète. Je vais éviter les chiffres exprès. Je n’ai jamais mesuré de pourcentage d’amélioration et je ne lui ferais pas confiance si je l’avais fait. Ce que je peux décrire, c’est là où le canal vocal sert, là où il ne sert pas, et ce qui a changé dans la texture du travail.

Un mot sur « dix voies ». Ce n’est pas de la vantardise. Une voie, c’est tout ce qui avance grâce à une phrase de ma part : un agent de code en cours de tâche, une revue de code que quelqu’un attend, un fil Slack, un e-mail à l’avocat d’un investisseur, un brouillon de document. Une journée chargée en compte réellement une dizaine d’ouvertes. La plupart sont inactives à un instant donné. Le problème, c’est que celles qui se réveillent le font selon leur propre calendrier, pas le mien.

Tôt le matin : un bras, trois agents

La journée commence avant la maison, ce qui veut dire qu’elle commence avec un bébé sur un bras. C’est l’heure où la voix est passée du confort à la nécessité.

Trois voies d’agents tournent déjà depuis la nuit, chacune dans son terminal, chacune dans un dépôt différent. La première chose que je fais, c’est lire ce qu’elles ont fait. Lire demande des yeux, pas des mains, donc le bébé va bien. La deuxième, c’est réorienter celles qui ont dérapé, et c’est là que le clavier perdait.

Maintenant : cliquer dans le terminal, maintenir Right ⌘, dire la réorientation, relâcher. « La migration est correcte, mais tu as renommé la table dans le modèle et pas dans le script de seed. Corrige le seed et relance les tests. » Le texte atterrit dans le prompt. Entrée. Voie suivante.

J’ai une petite habitude qui a mis du temps à venir : parler en phrases complètes. Les agents s’en sortent mieux avec elles, et la dictée en produit naturellement parce que c’est comme ça que les gens parlent. Le style télégraphique que je tapais avant (« corrige seed, relance ») était un artefact du clavier, pas une préférence.

Cette heure expose aussi la seule bizarrerie de la première dictée qu’il faut connaître. 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 du matin peut payer un coût de démarrage du flux et couper un mot si je commence à parler trop tôt. J’ai appris à marquer un temps. Pourquoi les apps de dictée avalent votre premier mot explique la mécanique ; la version courte est que c’est un problème de catégorie avec un correctif partiel, pas un problème résolu.

Milieu de matinée : la voie des revues

Deux des startups avec lesquelles je travaille ont des revues de code qui m’attendent la plupart des matins. La revue est le meilleur cas d’usage possible pour la dictée : c’est de la lecture avec une sortie de prose courte de temps en temps, et cette prose est adressée à un humain.

Je lis le diff dans un onglet de navigateur. Quand quelque chose demande un commentaire, je clique dans le champ, je maintiens, je parle, je relâche. Le dictionnaire personnalisé porte les identifiants du projet, donc reconnectBackoff sort en reconnectBackoff et pas en trois mots anglais. Le nettoyage est à base de règles par défaut : les mots de remplissage et les répétitions partent, ma formulation reste. Je garde le polissage optionnel par LLM local désactivé pour les commentaires de revue, parce que le garde-fou derrière est une heuristique contre une perte de tokens sévère, une expansion ou une répétition, pas une garantie qu’une négation a survécu — et dans une revue, un « pas » retourné change le verdict.

Une de ces équipes fait ses revues en roumain. Le moteur de 25 langues de Keebye gère ça sur l’appareil ; j’épingle la langue dans la barre des menus et l’énoncé suivant est décodé en roumain, identifiants anglais compris. Dicter vos revues de code dans votre propre langue donne les détails, y compris la liste honnête des langues couvertes et de celles qui ne le sont pas.

Fin de matinée : les voies humaines

Toutes les voies ne sont pas des agents. À peu près maintenant, les fils Slack et les e-mails qui ont vieilli pendant la nuit demandent des réponses, et c’est là que la journée perdait silencieusement des heures. Pas parce que les réponses étaient difficiles, mais parce que chaque réponse voulait dire quitter une voie, et quitter une voie a un coût de réentrée.

La voix a changé l’économie d’une réponse. Une réponse Slack de deux phrases, c’est un appui maintenu sur le raccourci, parlé dans le champ de message pendant que mes yeux sont encore à moitié sur le terminal d’à côté. Les e-mails liés aux investisseurs sont plus longs et je les écris encore avec soin, mais le premier jet est maintenant parlé, puis édité. Parler un brouillon en pose vite la forme ; l’éditer au clavier, c’est là que va la précision.

C’est aussi l’heure où l’exigence de confidentialité compte le plus. Ce que je dicte ici, c’est l’intérieur des entreprises des autres : produits non publiés, discussions de sécurité, argent. Keebye transcrit sur l’appareil, fonctionne avec le Wi-Fi coupé après le téléchargement du modèle, garde un historique en texte seul en local qui s’efface au bout de 30 jours, et n’envoie aucune télémétrie. Où va votre voix est la version longue de pourquoi c’était non négociable pour moi.

Après-midi : travail de fond, et les voies qui se réveillent

Les après-midis sont pour la voie qui demande une vraie réflexion : un design, un bug difficile, un document qui doit être juste. Ça, c’est tapé. La voix est un canal de contrôle, pas un canal de réflexion, et un problème difficile ne devient pas plus facile parce qu’on le prononce.

Mais les autres voies ne savent pas que c’est l’heure du travail de fond. Un agent termine et pose une question. Un relecteur répond à mon commentaire par un contre-argument. Avant, chacun de ces événements était une décision : casser la concentration et changer de fenêtre, ou laisser vieillir. Maintenant la plupart sont un coup d’œil et une phrase. Un coup d’œil à la question de l’agent, un clic dedans, « oui, mais garde l’ancien endpoint en vie jusqu’à ce que le client sorte », un clic pour revenir. La fenêtre de travail de fond reste largement intacte parce que l’interruption est quelques secondes de parole plutôt qu’un changement de contexte complet vers le problème de quelqu’un d’autre.

Je veux être précis sur ce que j’affirme ici. La voix ne rend pas les interruptions gratuites. Elle rend le coût mécanique de la réponse assez petit pour que le coût restant soit juste la réflexion, qui était de toute façon le vrai coût depuis le début.

Le soir : la voie très terminal

L’une des startups fait passer une grande partie de son travail opérationnel par SSH, dans tmux, sur des serveurs où le collage depuis le presse-papiers n’existe pas en tant que concept. C’est là que les outils de dictée s’effondrent en général, parce que la plupart insèrent le texte en collant.

Keebye colle aussi par défaut, avec un découpage adapté au terminal pour les shells. Pour SSH et tmux, je bascule le mode frappe optionnel, qui injecte le texte sous forme de frappes Unicode au lieu de dépendre d’un presse-papiers. Il fonctionne avec des dispositions non QWERTY, ce qui compte pour le clavier roumain sur l’une des machines. Une dictée qui survit au terminal couvre la configuration et le guide terminal couvre les compromis.

Keebye refuse aussi d’insérer dans les champs de saisie sécurisés, donc quand un serveur demande une phrase secrète, le raccourci ne fait rien. C’est parfois agaçant et entièrement correct.

Ce qui n’a pas changé

Une journée comme celle-là peut donner l’impression que la voix a résolu le problème d’avoir trop de voies. Non. Elle a résolu un goulot d’étranglement précis : le coût physique de livrer une phrase à la voie qui en avait besoin. Tout le reste est pareil.

La réflexion reste le goulot d’étranglement du travail difficile. Lire prend encore le temps que ça prend. Les agents dérapent encore et ont encore besoin d’être réorientés, et une réorientation marmonnée produit un résultat marmonné, qu’elle soit parlée ou tapée. La voix est un complément aux mains, pas un remplacement ; je tape beaucoup, simplement plus en tant qu’unique point d’étranglement derrière lequel chaque voie attend.

Et l’app a les bords rugueux d’un logiciel jeune. Des identifiants sont mal entendus. Le premier mot de la journée est parfois coupé. Il n’y a pas de vocabulaire de commandes vocales, donc naviguer entre les fenêtres reste un clic. Ça tourne sur macOS uniquement.

La forme de la chose

L’ancienne image du développeur 10x, c’était une personne qui tape plus vite. L’image qui est réellement arrivée, c’est une personne qui dirige : plusieurs voies, certaines automatisées et certaines humaines, chacune en attente d’une phrase. Dans ce monde, le levier n’est pas la vitesse de frappe. C’est le prix auquel vous pouvez livrer une intention à la voie qui en a besoin, dans la situation physique où vous vous trouvez, y compris avec un bras occupé.

Si votre journée a cette forme, le guide pour les développeurs est le point de départ pratique, et si vous pesez des apps de dictée pour ça, le panorama des alternatives à Keebye est une comparaison honnête qui dit où chacune convient mieux. L’essai dure 14 jours et démarre à votre première connexion depuis l’app de bureau : une vraie semaine de voies, c’est exactement à ça qu’il sert.