1. Commencer par le besoin, pas par la techno
Mon déclencheur n'était pas « je veux faire un site ». C'était : « j'en ai marre de réexpliquer ce que je fais avec l'IA — il me faut un endroit unique. » Le besoin a dicté la forme.
2. Choisir la stack la plus bête possible
- Site : HTML/CSS/JS vanilla, zéro framework, zéro build. On ouvre un
.html, ça marche. Hébergement GitHub Pages (gratuit, déploiement au push). - Bot : un script Python orchestré par GitHub Actions (un cron gratuit). Pas de serveur à gérer.
3. Séparer les responsabilités
Deux repos : le bot = moteur de données, le site = affichage. Reliés par un seul fichier (feed.json). Bénéfice immédiat : les secrets (clés API, token du bot) restent dans le repo privé du moteur — le site public n'en contient aucun.
4. Travailler en boucle visuelle avec l'IA
Mon rythme : je décris → l'IA code et committe → je regarde le rendu dans le navigateur → je redemande un ajustement. En boucle. L'IA tient le clavier ; moi je tiens les choix (ton, structure, garde-fous) et la vérification (faits exacts, rien d'inventé).
5. Poser des garde-fous dès le départ
- Budget : 1 run/jour, plafonds stricts sur le volume collecté, pas de boucle qui s'emballe.
- Copyright : jamais de contenu recopié — toujours un résumé reformulé + le lien source.
- Sécurité : jamais de secret publié (placeholders partout), un jeton dédié par usage.
À retenir. Le frein n'est plus « je ne sais pas coder ». Le travail qui reste — décider, cadrer, vérifier — est exactement celui qu'un dirigeant ou un marchand sait déjà faire.