Maintenant que nous avons compressé presque tout le savoir humain dans de grands modèles de langage, la prochaine frontière est l'appel d'outils. En enchaînant différents outils d'IA, on permet l'automatisation. Le passage de la pensée à l'action représente la véritable avancée dans l'utilité de l'IA. J'ai construit plus de 100 outils pour moi-même, et ils fonctionnent la plupart du temps, mais pas tout le temps. Je ne suis pas seul. Le rapport sur l'Indice Économique d'Anthropic révèle que 77 % de l'utilisation commerciale de Claude se concentre sur l'automatisation complète des tâches, et non sur le co-pilotage. Anthropic a publié la semaine dernière une documentation sur l'efficacité des tokens et la réarchitecture des outils pour optimiser leur utilisation. Les recommandations étaient contre-intuitives : au lieu de nombreux outils simples avec des étiquettes claires, créez moins d'outils, mais plus complexes. Voici les sept outils de messagerie que j'ai construits - des scripts Ruby, chacun avec un but clair. Le script "Safe Send Email" a été conçu pour empêcher l'IA d'envoyer des e-mails sans approbation. Naïf, simple et clair, un modèle de langage ne devrait-il pas être capable de lire cela et de savoir exactement ce que je lui demandais de faire ? Mais ce n'est pas si simple ! Anthropic recommande de créer des outils complexes. Leur recherche montre que "les demandes économisent en moyenne 14 % de tokens de sortie, jusqu'à 70 %" lorsqu'on utilise des outils sophistiqués et riches en paramètres au lieu d'outils simples. La raison ? Les systèmes d'IA comprennent mieux le contexte complet que l'intention fragmentée. J'ai passé le week-end à consolider tous mes outils en outils unifiés, comme celui-ci pour les e-mails : (troisième image) L'impact sur la précision a été immédiat. Le taux de réussite de Claude approche les 100 %. Le système est plus rapide. En conséquence, j'utilise beaucoup moins de tokens avec un système plus efficace. Voici mon modèle mental actuel : (quatrième image) Lorsque j'ai redessiné pour la cognition de l'IA plutôt que pour l'intuition humaine, tout s'est amélioré. Mes opérations CRM, la gestion de calendrier et les flux de travail de base de données sont tous devenus plus fiables lorsqu'ils ont été consolidés en outils complets et riches en paramètres. La précision s'est améliorée, donc le coût total a été réduit de manière significative. Mais ne me demandez pas d'utiliser les outils. Je suis maintenant un peu perdu au milieu de la complexité. C'est une conséquence inévitable de travailler à des niveaux d'abstraction plus élevés, sans comprendre profondément la machine. Nous avons passé des décennies à rendre les logiciels simples pour les gens. Maintenant, nous apprenons à les rendre complexes pour l'IA.