Sur Geekeries.org, une optimisation de WordPress menée à partir des requêtes réellement effectuées par le navigateur, plutôt que par l’ajout de plugins, améliore sensiblement les performances. Après vérification des caches Redis et HTTPS, l’auteur corrige le décalage du logo, adapte les images en WebP, retire Bootstrap inutilisé et remplace quatre icônes Font Awesome par des SVG. Les modifications sont testées une par une et conservées dans un thème enfant. Le score PageSpeed passe de 72 à 93 sur mobile et de 73 à 100 sur ordinateur, avec un CLS nul.

Après près de deux mois d’utilisation de LeanCTX avec Codex sur un serveur, l’auteur mesure environ 11,7 millions de tokens nets évités et 34,5 % de compression sur les sorties traitées, sans prétendre à une réduction équivalente de la facture globale. L’outil filtre les logs, structure les lectures et évite les relectures redondantes, tout en permettant l’accès aux données brutes. L’article examine aussi le coût des outils MCP, les alternatives RTK et TOON, ainsi que les précautions de sécurité : cache local, restriction des chemins, télémétrie et proxy désactivés.

Dans son application de rétrospectives d’équipe développée avec l’aide de l’IA, Jérémy Decool mise sur des contrôles déterministes pour sécuriser le code généré. Sa batterie combine linters, analyse statique PHPStan, tests PHPUnit unitaires, fonctionnels et d’intégration, tests de mutation Infection et vérifications d’architecture. Des scripts contrôlent aussi les dépendances, la documentation, les traductions, les contrastes et le changelog. Tous ces contrôles passent en intégration continue, avec suivi de la couverture et du score de mutation. Le code de test dépasse en volume le code de production.

La documentation produite par IA peut paraître impeccable tout en étant inutilisable : commandes non expliquées, décisions absentes et procédures impossibles à vérifier. L’article propose une méthode de contrôle dans la CI : imposer quatre sections (objectif, synthèse accessible, commandes commentées et vérification), ajouter une checklist aux pull requests et combiner Vale pour la lisibilité avec un script Bash pour la structure. Un workflow GitHub Actions bloque les documents non conformes. La vérification humaine des procédures reste indispensable, et les scripts fournis doivent être adaptés avant production.