Commander ses agents de code à la voix, sur Mac
La voix pour écrire du code : aucun intérêt, vous tapez plus précisément que vous ne parlez. La voix pour diriger cinq agents qui codent : c'est autre chose. Tout tient dans un mot, viser. Voici ce qui marche, dans quel ordre le mettre en place, et où s'arrête l'exercice.
Le vrai gain n'est pas la vitesse de frappe
Quand cinq sessions sont ouvertes, la moitié de vos gestes ne servent qu'à désigner : trouver la bonne fenêtre, cliquer dedans, vérifier qu'elle a le focus, et seulement ensuite taper. Une phrase supprime toute cette étape. « Envoie à Merlin l'objectif 1 » contient la cible et le contenu.
C'est la raison pour laquelle une palette de commandes est agréable, sauf que la voix marche aussi quand vos mains tiennent un café ou que vos yeux sont sur un autre écran. Elle ne remplace pas le clavier. Elle remplace la souris qui cherche une fenêtre.
1. La dictée doit être locale, et rapide
Deux critères, dans cet ordre.
La latence d'abord. Au-delà d'une demi-seconde entre la fin de votre phrase et l'action, vous arrêtez de vous servir de la voix : vous doutez, vous répétez, vous finissez par cliquer. Les modèles de transcription légers qui tournent sur puce Apple descendent aujourd'hui à quelques centaines, voire dizaines de millisecondes. Fauconnier utilise Parakeet en local, autour de 135 ms sur un Mac Apple Silicon.
Le lieu ensuite. Un micro de développeur capte des noms de dépôts privés, des chemins internes, des noms de clients. La transcription doit se faire sur la machine. C'est aussi ce qui garantit que la commande marche sans réseau, dans le train comme ailleurs.
Ajoutez votre vocabulaire : les noms de vos agents, worktree, tmux, le nom de vos dépôts. Un moteur à qui l'on donne la liste des mots attendus se trompe beaucoup moins qu'un moteur générique.
2. Un nom par agent, pas un numéro
« Envoie à la session 3 » ne se dit pas. « Envoie à Merlin » se dit. Nommer les agents n'a rien d'un gadget : c'est ce qui rend l'adressage vocal praticable, et c'est aussi ce qui vous permet de vous en souvenir une heure plus tard.
Deux exigences à vérifier si vous comparez des outils. Le nom que vous avez donné doit être la seule source : un outil qui renomme vos agents d'après le CLI qui les fait tourner casse la commande vocale au premier doublon. Et un nom ambigu ne doit rien déclencher. Si « Mer » peut désigner Merlin ou Mercure, la bonne réponse est de ne rien envoyer et de demander. Écrire dans le mauvais terminal est pire que ne rien faire.
Dans Fauconnier, la résolution ignore la casse et les accents, accepte un début de nom tant qu'il est unique, et vous pouvez poser un alias durable : « appelle cette fenêtre le tunnel de paiement ». Le nom d'origine continue de marcher, vous en avez simplement deux.
3. Plusieurs ordres dans une phrase
Personne ne parle en commandes atomiques. On dit « ouvre un agent claude sur le site et un codex sur l'API », ou « range les fenêtres, puis résume-moi ce que Chase a trouvé ». Deux exigences :
- les ordres s'exécutent dans l'ordre où vous les avez dits, pas en parallèle ni à l'envers ;
- l'auto-correction est comprise : « en fait, commence plutôt par… » réordonne au lieu d'empiler.
C'est la partie la plus dure à bien faire, et celle qui se teste le mieux. Un découpage de phrase est une fonction pure : on peut lui passer des centaines de phrases réelles et vérifier la sortie. Si un éditeur ne peut pas vous dire comment il mesure ça, c'est probablement qu'il ne le mesure pas.
4. Le retour parlé, sinon la boucle reste ouverte
Parler pour lancer mais lire pour savoir, et la moitié du gain disparaît. « Résume-moi ce que Chase a trouvé » doit produire une réponse que vous entendez. Il y a deux façons de la produire.
En local : le modèle embarqué d'Apple résume ce que la session vient d'afficher. Zéro token, zéro réseau, et ça marche même quand vos quotas sont épuisés.
Par un modèle distant : plus fin sur les textes longs, mais vous payez et vous attendez.
Pour « où en est-il ? », le local suffit et gagne. Gardez le distant pour ce qui demande vraiment du raisonnement.
5. Les touches, et le micro qui reste éteint
Un détail de mise en place décide de tout le reste : quelle touche ouvre le micro. Quand un terminal a le focus, une touche nue (Espace, une lettre) part dans le terminal, c'est normal. Seules les touches de modification traversent. Fauconnier utilise par défaut trois modificateurs de droite : ⌥ droit pour la commande, ⌘ droit pour la dictée, ⌃ droit pour la conversation. Le micro vit le temps de l'appui, ou s'allume et s'éteint à chaque pression, selon le réglage.
L'écoute d'un mot d'appel existe aussi, pour parler sans toucher le clavier, mais elle est éteinte par défaut. L'écoute permanente doit être un réglage qu'on arme, jamais un défaut.
6. Ce qui doit rester au clavier
Soyons honnêtes sur les limites. La voix est mauvaise pour dicter un extrait de code, saisir un chemin exact, choisir dans une longue liste, travailler en open space, ou travailler la nuit à côté de quelqu'un qui dort. Elle est mauvaise aussi pour répondre à un menu : un menu attend une touche, pas une phrase.
Un outil vocal sérieux propose donc le même vocabulaire au clavier : une palette de commandes, un champ texte, et de préférence un exécutable en ligne de commande pour ce que vous voudrez scripter. Chez nous, ce sont ⌘K, la barre de commande et fauconnierctl, tous dérivés de la même table de verbes que la voix. Une commande ajoutée existe partout à la fois.
Par où commencer
Ne commencez pas par la voix pour tout. Commencez par une seule phrase que vous dites vingt fois par jour, typiquement « fais le point » ou « où en est Merlin ? ». Quand elle est devenue un réflexe, ajoutez l'envoi par nom, puis les relais. En une semaine, vous saurez si la voix vous fait gagner du temps ou si elle vous en coûte. Les deux réponses existent.
Questions fréquentes
La voix part-elle sur Internet ?
Pas pour la commande et la dictée : la reconnaissance tourne sur le Mac. Les résumés sont faits par le modèle embarqué d'Apple. En revanche, ce que vous demandez ensuite à un agent part chez le fournisseur d'IA de cet agent, comme si vous l'aviez tapé.
Faut-il parler anglais pour commander ses agents ?
Non. Fauconnier comprend le français et l'anglais. Les agents eux-mêmes reçoivent la consigne telle que vous l'avez dite, dans la langue que vous avez choisie.
Quelle touche ouvre le micro ?
Par défaut, ⌥ droit pour une commande, ⌘ droit pour une dictée dans l'agent visé, ⌃ droit pour la conversation. Ce sont des modificateurs parce qu'une touche nue partirait dans le terminal qui a le focus.
Peut-on tout faire sans parler ?
Oui. Tout ce qui se dit se tape aussi dans ⌘K ou la barre de commande, et se scripte avec fauconnierctl. Le micro ne s'allume que sur votre geste.
Fauconnier applique ces six points. Dictée locale d'environ 135 ms, agents nommés et alias, plusieurs ordres par phrase exécutés dans l'ordre, résumé parlé produit sur votre Mac, micro éteint par défaut, et tout le vocabulaire aussi au clavier et en ligne de commande. macOS 14+, gratuit, sans compte.
Découvrir Fauconnier