Jules Belamy

Je forme les dirigeants et leurs équipes à construire leur machine de croissance. IA, automatisation, growth, ops. 12 ans entrepreneur, +200 entreprises.

[Jules Belamy @jules_belamy]

Ton logiciel sans API n'est plus hors de portée d'un agent IA.

Vercel a sorti agent-desktop. Gratuit, open source, Mac, Windows et Linux.

Le problème des agents "computer use" : ils prenaient des captures d'écran et devinaient où cliquer. Lent. Fragile. Et ils te volaient la souris.

agent-desktop fait autre chose. Il lit l'arbre d'accessibilité, la carte de chaque bouton que l'OS prépare pour les lecteurs d'écran. Il sait où cliquer, sans deviner. Et il tourne en arrière-plan pendant que tu bosses.

Conséquence : ton logiciel de compta ou ton outil métier sans API devient pilotable par un agent.

Les limites, sans filtre :
- une appli mal faite pour l'accessibilité reste invisible pour lui
- pour le web, c'est un autre outil

Mon réflexe avant de le brancher : un compte à droits limités. Un agent qui clique partout clique aussi là où il ne faut pas.

C'est une brique, pas un système complet. Mais c'était celle qui manquait.

Vidéo générée avec mon clone IA.

Voir l'article complet : https://t.co/c3tTpTfLEk

#IA

[Jules Belamy @jules_belamy]

Le maillage interne fait main ne passe pas à l'échelle. Le mien est du code : règles en base, scripts, cron.

Le principe : chaque lien est une ligne en base. Une ancre, une page cible. Rien de plus.

Un script lit ces règles et injecte les liens. Uniquement dans le texte sûr. Jamais dans un titre, jamais dans un lien déjà présent. Résultat : le HTML ne casse pas et les ancres ne se répètent pas n'importe où.

Les pages orphelines ont leur propre trigger. Une page en ligne depuis assez longtemps, avec zéro clic dans Search Console, reçoit des liens créés automatiquement. Je n'y touche pas.

Le lead magnet suit la même logique. Un outil gratuit indexable, posé dans l'article par un shortcode, plus un widget en page d'accueil. Gating : email et identifiant. Chaque article devient un point de capture.

Les backlinks passent par un monitor. Il importe depuis Search Console et vérifie chaque semaine que chacun est vivant.

Tout tourne en cron. Du maillage manuel, zéro.

Des règles, pas des réflexes. Des scripts, pas des copier-coller. Une base, pas un tableur oublié.

Voir l'article complet : https://t.co/R6lMCbVoh9

#SEO

[Jules Belamy @jules_belamy]

Je ne choisis plus mon modèle d'IA en ouvrant une session. Je le fixe par rôle.

Avant, tout héritait du même modèle. Le plan était fait par lui. Le code aussi. La relecture aussi. Le même modèle relisait ce qu'il venait d'écrire.

Maintenant, le job décide.

Opus pour le plan et la vérification finale. Sonnet pour lire le code, l'écrire, écrire les tests.

Entre le plan et le code, il y a moi. Aucune ligne n'est écrite avant ma validation.

Une tâche triviale court-circuite tout. Le modèle déjà ouvert la fait seul. Pas besoin de sortir l'artillerie.

Reste un rôle à part : le second avis. Un agent en lecture seule, sur un autre modèle, Fable. Je l'appelle avant un gros plan, quand la même erreur revient deux fois, et avant de déclarer une longue tâche finie.

Le principe : le bon modèle dépend du job, pas de la session.

Mais changer de stack sur une intuition, c'est risqué. La partie deux montre comment je l'ai mesurée avant de la garder.

Voir l'article complet : https://t.co/tpubbazg5Z

#IA

[Jules Belamy @jules_belamy]

Envoyer 20 000 cold emails par jour sans finir en spam ne se joue pas sur le texte. L'essentiel se joue sur l'infra.

Voici l'ordre que j'enseigne.

Erreur numéro un : envoyer depuis ton domaine principal. Tu le crames en une semaine, et tes vrais mails partent en spam avec.

La parade : des domaines secondaires, dédiés au cold, qui redirigent vers ton site. Jamais le principal.

Sur chaque domaine, environ trois boîtes d'envoi. SPF, DKIM, DMARC configurés. Sans ces réglages DNS, tu passes en spam direct, peu importe ton message.

Ensuite, le warmup : des semaines de chauffe progressive pour donner une réputation aux boîtes avant le moindre cold.

Puis la règle de volume : 30 mails par boîte et par jour, pas plus.

Le calcul : 20 000 par jour, divisé par 30 mails par boîte, ça donne 500 boîtes. Soit environ 170 domaines.

Le vrai sujet devient donc logistique : acheter et configurer 170 domaines sans y laisser des semaines. Bien fait, c'est l'affaire d'un après-midi.

Partie deux : la machine qui nourrit tout ça.

Voir l'article complet : https://t.co/d8ivTjz4ZK

#coldemail

[Jules Belamy @jules_belamy]

Le modèle qui a écrit ton code est le plus mal placé pour le juger.

Il relit avec les mêmes angles morts. Il valide ses propres hypothèses. Le résultat a l'air propre, et c'est exactement le problème.

Alors avant de livrer, je fais attaquer le code par une autre IA. Pas relire. Attaquer. Sa seule mission : trouver ce qui casse.

Le reviewer change selon ce que j'ai touché. Du PHP, un reviewer PHP. Du TypeScript ou du React, le sien. Une migration de base, un spécialiste base de données. Dès qu'une saisie utilisateur, une connexion, un paiement ou une clé entre en jeu, j'ajoute un reviewer sécurité.

Mon préféré : le chasseur de pannes silencieuses. Il cherche les erreurs avalées. Le bloc qui intercepte sans rien dire. La valeur par défaut qui masque un appel raté. Le script qui tourne sans rien écrire. Aucun test ne voit ça.

Dernier maillon : un validateur qui ne sait que lire. Il compare le code au plan validé et liste les écarts, avec fichier et ligne. Il ne corrige rien.

Je tranche. L'IA contredit, je décide.

Une IA qui code, c'est rapide. Une IA qui se fait contredire avant la prod, c'est fiable.

Voir l'article complet : https://t.co/1EFkTQOL9n

#IA

[Jules Belamy @jules_belamy]

Une centaine de statics pour un SaaS : à la main c'est intenable, en full IA c'est inutilisable.

Ma règle : l'IA écrit le texte, le code compose le visuel.

Le système, sans détour.

Tout part d'une matrice. Un gabarit croisé avec un angle. Une cellule, une pub. Avant de produire, je score les angles. Je ne fabrique pas tout pour en jeter la moitié.

Orchestration dans N8N : un workflow qui crée, un qui décline, un qui scale le gagnant.

Pour l'image, trois flows, du full-IA au full-programmatique. Celui que j'utilise le plus est le mix : un modèle d'image génère le fond et le décor, une fois par angle. Le code compose tout le contenu par-dessus : titres, chiffres, CTA, logo.

La copy vient de Claude, bornée par des mots interdits et des chiffres sourcés.

La compo, c'est du code : tes couleurs, tes gabarits, ton logo en fichier source, jamais redessiné. Une grille, une échelle typo, un plancher de taille. Chrome headless rend la page en PNG.

Les formats sont recomposés, pas recadrés, pour que tout tienne dans la zone sûre.

Un contrôle passe au pixel : contraste, débordement, plancher.

Je valide un exemple. Seulement là, je lance la série. Une commande, zéro dérive de marque.

Voir l'article complet : https://t.co/VvRrEEFSbL

#Automatisation

[Jules Belamy @jules_belamy]

Mon compteur annonçait une poignée de fichiers. Il y en avait des centaines, et aucune erreur ne l'a signalé.

La cause : j'utilise un proxy qui compresse la sortie des commandes avant qu'elle arrive à mon IA. Un listing ou un git status coûtent beaucoup moins de tokens.

Le piège : la compression s'applique aussi quand la sortie part dans un pipe.

Je tape find, puis un pipe vers wc pour compter. wc ne reçoit pas la vraie liste. Il reçoit la version résumée. Il compte donc le résumé, pas les fichiers.

Pas d'alerte. Pas de code d'erreur. Juste un chiffre faux, avec l'air sûr de lui.

La correction : rtk proxy devant la commande. La sortie reste brute, le comptage redevient juste.

Ensuite, j'en ai fait une règle pour mon agent.

Dès qu'une sortie alimente autre chose, un comptage, un grep, un tri, il passe en mode brut.

La compression, c'est pour ce que l'IA lit. Pas pour ce qu'un script calcule.

Un outil qui optimise peut aussi fausser. Vérifie ce que reçoit vraiment la commande d'après.

Voir l'article complet : https://t.co/yNwlSMEuuk

#IA

[Jules Belamy @jules_belamy]

Un compte Meta Ads de SaaS ne se bricole pas : une campagne par étage, sinon tu ne lis plus rien.

Mon découpage :

TOFU : prospection large, les inconnus.
MOFU : remarketing de ceux qui t'ont déjà croisé.
BOFU : ceux qui sont prêts à parler.

Au niveau campagne, CBO et objectif leads. Tu donnes l'enveloppe, l'algo arbitre entre les audiences.

Dans les adsets, les audiences : lookalike de tes clients, intérêts métier, custom audiences (visiteurs du site, engagement Instagram, abonnés, vues de vidéo). Même géo, même tranche d'âge, tous les placements.

Le point que beaucoup ratent : la destination.

Landing sur ton site : filtre mieux.
Formulaire natif Meta : plus de volume, moins cher.
Multi-destination : Meta choisit par personne.

Côté pub, plusieurs créas par adset pour nourrir l'algo. Le formulaire renvoie direct vers la prise de rendez-vous.

Le nerf de la guerre : l'UTM. Le contenu encode campagne, adset, pub. Sans ça, impossible de savoir ce qui ramène un client.

Funnel, audiences propres, bonne destination, traçage carré. Je démonte un système par jour.

Voir l'article complet : https://t.co/7UxyheZsZW

#MetaAds

[Jules Belamy @jules_belamy]

Une règle écrite dans un fichier, ton agent IA peut la sauter. Un hook, il passe forcément dessus.

J'avais un CLAUDE.md propre. Des règles tirées de l'analyse de mes sessions : relire avant d'éditer, changer d'approche après des échecs, vérifier avant de livrer.

L'agent les lisait. Il les ignorait quand même.

Pourquoi : en pleine tâche, une règle est une suggestion. Elle dépend de ce que le modèle garde en tête à cet instant.

Ce que je fais à la place : je code les règles en hooks. Des scripts que Claude Code lance tout seul à chaque action. Le hook compte, et il bloque.

Trois compteurs :
Un fichier modifié trois fois : stop, relis la demande, une seule édition propre.
Deux échecs d'outil d'affilée : change de stratégie, ne retente pas.
Un rythme d'actions atteint : fais le point avant de continuer.

Puis le verrou de fin de tâche. Si des fichiers ont bougé, l'agent ne conclut pas sans montrer sa vérification : un test, une relecture du diff ou un reviewer.

Le principe : la discipline ne se demande pas, elle s'installe dans le système.

Voir l'article complet : https://t.co/Znx6L83zab

#ClaudeCode

[Jules Belamy @jules_belamy]

Tes no-shows ne viennent pas du prospect. Ils viennent du vide entre la réservation et le rendez-vous.

Je comble ce vide avec un agent IA qui ne vend rien. L'anti-vente.

Le parcours part de la landing page. Le prospect réserve, mais son créneau n'est pas confirmé. Il est juste réservé. Pour le valider, il doit échanger par SMS avec un agent IA.

L'agent suit trois temps, dans cet ordre :

Il confirme le rendez-vous.
Il revérifie les infos déjà collectées, pour ne jamais bosser sur de la donnée fausse.
Il qualifie, au fur et à mesure.

Le détail qui compte : le timing. Les délais de réponse sont calés sur la date du rendez-vous. Rendez-vous lointain : l'agent espace ses messages et collecte plus d'infos. Rendez-vous proche : le rythme se resserre.

Le but est simple : garder le lead chaud et engagé jusqu'au jour J.

Un prospect qui a confirmé, corrigé ses infos et répondu à plusieurs messages ne ghoste pas. Il a investi du temps. Il vient.

C'est du niveau avancé. Beaucoup de technique pour éviter les dead ends, les faux raccords et les angles morts.

Voir l'article complet : https://t.co/vGJ03BMagt

#Automatisation

[Jules Belamy @jules_belamy]

J'ai audité mes coûts IA. Une seule extension de navigateur mangeait presque tout. Pas mes prompts. Pas le modèle.

Je paie un abonnement, donc je ne voyais rien. J'ai tout relu au token, session par session, en équivalent API. Le camembert était sans appel.

Pourquoi elle pèse autant : elle embarque la page entière. Définition des outils, code de la page, captures d'écran. Et ça repart à chaque message.

Le problème n'était pas l'outil. C'était de l'avoir allumé partout, tout le temps.

Ce que je fais maintenant :

Extension désactivée par défaut. Je l'allume pour la session qui en a besoin, point.

Tâche répétée dans le navigateur : script Playwright, lancé en ligne de commande.

Règle des trois : à la troisième manip identique, l'agent s'arrête et me propose de la figer en script. Une manip figée ne coûte plus rien en contexte.

Avant d'optimiser tes prompts, regarde où part ton contexte. Souvent, un seul poste mange tout.

Voir l'article complet : https://t.co/SZCJeDWrgf

#IA

[Jules Belamy @jules_belamy]

Un chatbot, ce n'est pas une stack IA. C'est une conversation qui oublie tout à la session suivante.

Moi, j'ai construit un système complet pour builder, du code au business.

La base : des instructions en cascade. Global, workspace, projet. Claude lit tout, à chaque session. C'est ma constitution : règles, conventions, garde-fous.

Ensuite, le modèle est fixé par rôle. Opus pour le plan et la validation. Sonnet pour le volume. Fable pour un second avis. Pas celui de ta session.

Les agents ont chacun un poste. Un cherche, un planifie, tu valides, un code, un vérifie contre le plan. Un conseiller challenge aux moments clés.

Au-dessus, une bibliothèque de recettes prêtes à lancer. Et des hooks : ils bloquent les fuites de clés, interdisent les raccourcis dangereux, forcent la relecture avant de conclure.

Pour le budget : un proxy qui compresse les sorties des commandes avant qu'elles n'arrivent au modèle. Un graphe de code qui remplace la recherche à l'aveugle.

Dernier étage : le mode loop pour itérer seul, et des workflows qui lancent des agents en parallèle.

Un chatbot répond. Une usine produit.

J'ai tout packagé dans un template prêt à cloner et installer.

Voir l'article complet : https://t.co/qLzfbWsi0d

#IA

[Jules Belamy @jules_belamy]

Ton infra cold email peut envoyer 20 000 mails par jour. Sans flow pour la nourrir, elle reste vide.

Voici la machine qui alimente l'envoi sans toi.

Scraping : tu pars des bases publiques d'entreprises, des millions d'établissements. Un établissement brut ne vaut rien.

Enrichissement : email, dirigeant, site.

Dédoublonnage croisé : blocklist plus dédup sur l'email. Jamais deux fois la même personne.

Le cœur : un LLM écrit une première ligne pour chaque lead. Hyper-personnalisation à l'échelle, avec un garde-fou. Le modèle n'écrit que ce qui est vérifié sur le prospect. Jamais une info inventée.

Exécution : deux CRON découplés. Le premier purge les non-éligibles et fabrique le stock. Le second pousse sur Instantly. La fabrication et le tir ne se bloquent jamais l'un l'autre.

Supervision : un watchdog t'alerte par mail si quelque chose casse.

Tu ne pilotes plus des exports. Tu surveilles un système.

Tu te réveilles, la machine a déjà envoyé.

C'est le flow que je forme mes clients à coder.

Voir l'article complet : https://t.co/d8ivTjz4ZK

#ColdEmail

[Jules Belamy @jules_belamy]

Je ne dépense plus un euro en ads avant qu'un agent IA ait testé mes hypothèses sur mon historique.

J'ai piqué la boucle d'Andrej Karpathy. Son agent entraîne un modèle seul, la nuit : il teste une idée, mesure, garde si c'est mieux, jette sinon, recommence.

J'ai gardé la boucle. J'ai jeté le modèle.

Je l'ai branchée sur mes décisions business. Je l'appelle Kara.

Un levier, une boucle : pubs, emails, landing pages, scripts vidéo.

Le principe est celui du backtest en trading. Tu ne risques pas du capital sur une stratégie que tu n'as pas simulée sur le passé. Pourquoi le faire avec ton budget marketing ?

L'agent simule chaque hypothèse sur l'historique. Il mesure une seule métrique : le coût par acquisition. Il classe les gagnantes.

Sans triche :
- un seul fichier de stratégie à modifier
- données figées
- mesure figée
- une contrainte dure à tenir

Si l'agent peut toucher aux données ou à la mesure, il se ment. Le classement ne vaut plus rien.

Le matin, j'ai mes hypothèses classées par impact. Je produis, et je dépense seulement sur celles qui sortent en tête.

Aucun budget cramé pour apprendre ce qui ne marche pas.

La donnée tranche avant toi.

Voir l'article complet : https://t.co/7WuWaVGKxT

#IA

[Jules Belamy @jules_belamy]

Mon Mac est éteint la nuit. Mes systèmes, eux, ne s'arrêtent jamais. Voilà comment je répartis le travail.

Le principe : deux machines, deux rôles.

Le Raspberry Pi est l'ouvrier. Un micro-ordinateur à quelques dizaines d'euros, allumé en permanence. Tout ce qui doit tourner sans arrêt vit là : enrichissement des données, scoring, push vers le CRM, veille.

Le Mac est la tour de contrôle. Orchestration, sauvegardes, gros calculs.

Pas de dépendance à un écran ouvert. Pas de routine qui meurt parce que j'ai fermé mon ordi.

Mais un script qui tourne seul finit par planter. Donc il doit se réparer seul.

Un watchdog vérifie les process toutes les trois heures. Un process est tombé ? Il le relance.

Chaque script écrit un checkpoint. Après un crash, il reprend exactement où il s'est arrêté, pas au début.

Si quelque chose casse vraiment, je reçois un mail.

Le résultat n'est pas magique. C'est une machine qui s'auto-répare, reprend seule et me prévient en cas de pépin.

Je me réveille, le travail est fait.

#Automatisation

[Jules Belamy @jules_belamy]

Ton SEO n'est pas une checklist. C'est un système de monitoring qui tourne à trois rythmes.

Semaine, mois, trimestre. Chaque boucle a un seul job.

Semaine : je surveille la perf et je chope les quick wins. Je tire Search Console sur une longue fenêtre, je repère les pages en bas de première page à pousser, et je vérifie que le rendu en ligne colle à la source. Je récupère des positions vite, sans écrire une ligne.

Mois : les audits de fond. Technique, indexation, netlinking, scan des concurrents, rapport de conversion. Je vérifie que les fondations tiennent.

Trimestre : le refresh. Les vieux articles sont réécrits et mis à jour.

Le tout tourne en cron. Chaque contrôle sort un verdict, et une alerte part si ça déraille.

Le principe : séparer les cadences, pas empiler les tâches. Un contrôle rapide fréquent, un audit lourd espacé, une mise à jour profonde de temps en temps.

Le SEO se surveille et s'optimise en continu. Il n'est jamais fini.

Commente "ARTICLE" et je t'envoie la ressource en privé.

#SEO