Assistant ou Agent : Construire la Même Machine de Contenu de Trois Façons

Anatoly Klavdienko, responsable du développement des agents IA chez AlpinaGPT et Alpina Digital, a automatisé la production de 5 à 10 vidéos courtes par semaine pour une chaîne Telegram dédiée à l'IA et à la technologie. Il a d'abord utilisé ChatGPT comme assistant de chat, ce qui prenait environ 4 heures par semaine pour 10 vidéos, mais impliquait un copier-coller et un assemblage manuels. Ensuite, il a construit un workflow n8n, passant quatre jours à le configurer et à le déboguer, mais a trouvé l'éditeur visuel pénible pour les itérations, manquant de versioning et de débogage approprié. Enfin, il a exporté le workflow n8n en JSON, l'a fourni à Claude Code, et a obtenu un pipeline Python fonctionnel en une soirée. L'agent final se compose de 2074 lignes de code de production réparties dans 19 fichiers, avec trois pipelines : D (sourcing à partir de 12 flux RSS via GPT-4o), C (génération via HeyGen avec 11 identifiants de visage, traitement post-production avec Whisper et FFmpeg), et A (publication sur YouTube, TikTok et Instagram Reels). Les chronométrages réels issus de pipeline.log montrent que le sourcing prend environ 80 à 84 secondes, et la génération 6 à 8 minutes. Lorsque l'API SubMagic a commencé à échouer le 20 avril 2026, l'auteur l'a remplacée par un service de post-production personnalisé en une journée. Il conclut que les agents de code sont désormais plus économiques que les constructeurs visuels, offrant un meilleur contrôle et une meilleure débogabilité.