Mon Workflow de Développement IA en 2025 : Claude, Codex, Gemini et Google AI Studio

Mon flux de travail de développement IA en 2025 : Comment je combine Claude Code, Codex, Gemini et Google AI Studio

L'avenir du développement de logiciels ne réside pas dans un seul outil d'IA, mais dans la combinaison intelligente de plusieurs modèles spécialisés.

Dans cet article, je vous présente mon flux de travail personnel, avec lequel je développe, planifie et visualise quotidiennement des projets.

Pourquoi Multi-IA plutôt qu'un Outil Unique ?

Chaque modèle d'IA a ses forces et ses faiblesses. Claude Code excelle dans le codage, Gemini dans la génération d'images, Veo dans les vidéos.

Au lieu de miser sur un outil "polyvalent", j'utilise spécifiquement le meilleur outil pour chaque tâche – et je laisse même les modèles vérifier mutuellement leur travail.

Le résultat : Une meilleure qualité de code, une itération plus rapide et des solutions plus créatives.

---

Ma configuration IDE : Antigravity

Comme base, j'utilise Antigravity comme environnement de développement principal.

Ce qui rend Antigravity spécial :

• Claude Code dans le Terminal – Directement intégré pour un codage fluide
• Claude Code VSCode Extension – Pour une complétion de code contextuelle
• OpenAI Codex Extension – Comme deuxième avis et partenaire de débogage

Cette combinaison me donne le meilleur des deux mondes : la compréhension approfondie du code d'Anthropic et l'itération rapide d'OpenAI.

---

Claude Code : Le cœur de mon développement

Claude Code est mon outil principal pour toutes les tâches de codage et de développement.

Points forts de Claude Code :

• Multi-File-Refactoring – Comprend les bases de code complexes et peut effectuer des modifications globales
• Kontextbewusstsein – Garde à l'esprit l'ensemble du contexte du projet
• Agentic Workflows – Peut effectuer des recherches, planifier et implémenter de manière autonome
• MCP-Integration – Se connecte à des outils et des sources de données externes

Cas d'utilisation typiques :

• Implémenter de nouvelles fonctionnalités
• Effectuer des revues de code
• Planifier des refactorings complexes
• Développer des intégrations d'API
• Écrire des tests

Claude Code est particulièrement performant lorsqu'il s'agit de tâches complexes et interconnectées qui nécessitent une compréhension approfondie de la base de code.

---

OpenAI Codex : Débogage et validation de plan

J'utilise OpenAI Codex spécifiquement pour deux objectifs principaux :

1. Débogage

Lorsque je rencontre un bug tenace, je demande un deuxième avis à Codex.

Souvent, un autre modèle perçoit les problèmes sous un angle différent.

2. Validation de plan (« Confirmation AI »)

Avant de mettre en œuvre un plan d'implémentation majeur, je demande à Codex de vérifier le plan :

"Voici mon plan pour la fonctionnalité X. Voyez-vous des problèmes
ou des possibilités d'amélioration ?"

Ce deuxième avis m'a déjà évité à plusieurs reprises des erreurs coûteuses.

La stratégie du "Ping Pong de Modèles d'IA"

Une de mes techniques les plus efficaces est le Ping Pong de Modèles d'IA – l'aller-retour ciblé entre différents modèles d'IA.

Comment ça marche :

1. Claude Code crée une première ébauche (code, plan, architecture)
2. Codex vérifie l'ébauche et donne du feedback
3. Claude Code améliore en se basant sur le feedback
4. Optionnel : Itération supplémentaire jusqu'à ce que le résultat soit optimal

Pourquoi ça marche :

• Chaque modèle a des données d'entraînement différentes et des perspectives différentes
• Les erreurs d'un modèle sont souvent reconnues par l'autre
• Le résultat est plus robuste que celui d'un seul modèle
• Similaire aux revues de code entre humains

Exemple concret :

1. Claude Code : "Voici mon implémentation pour le 
   système d'Authentication..."

2. Codex Review : "L'approche est bonne, mais je vois un 
   problème potentiel de Race-Condition au niveau de..."

3. Claude Code : "Bon point ! Voici la version améliorée 
   avec Mutex-Lock..."

---

GitHub Spec-Kit : Planification structurée des fonctionnalités avec l'IA

Un élément révolutionnaire dans mon flux de travail est GitHub Spec-Kit – une boîte à outils Open Source pour le Spec-Driven Development (Développement piloté par les spécifications).

Au lieu de me lancer directement dans le codage (« Vibe Coding »), j'écris d'abord des spécifications détaillées, qui servent ensuite de base à l'implémentation assistée par l'IA.

Qu'est-ce que le Spec-Driven Development ?

La philosophie : les spécifications deviennent des artefacts exécutables.

Au lieu d'écrire des invites vagues comme « Construis-moi un système de connexion », je définis précisément ce que le système doit pouvoir faire – et l'IA met ensuite en œuvre cette spécification de manière structurée.

Les commandes Slash de Spec-Kit

Après l'initialisation, les commandes suivantes sont disponibles :

Mon flux de travail Spec-Kit

1. Créer la CONSTITUTION

• Quels principes s'appliquent au projet ?
• Quelles technologies et quels modèles utilisons-nous ?
• Quels sont les interdits ?

2. Écrire la SPÉCIFICATION

• Que doit pouvoir faire la fonctionnalité ?
• Quelles sont les User Stories ?
• Quels sont les cas limites à prendre en compte ?

3. Développer le PLAN

• Comment allons-nous mettre cela en œuvre techniquement ?
• Quelles décisions d'architecture prenons-nous ?
• De quelles dépendances avons-nous besoin ?

4. Générer les TÂCHES

• Décomposer les tâches en petites étapes réalisables
• Définir les priorités
• Identifier les dépendances entre les tâches

5. Exécuter l'IMPLÉMENTATION

• L'IA implémente en se basant sur la spécification
• Résultats structurés et prévisibles
• Moins de « Vibe Coding », plus de précision

Pourquoi Spec-Kit a révolutionné mon flux de travail

Avant (Vibe Coding) :

Prompt : « Construis-moi un système d'authentification utilisateur »
→ L'IA improvise
→ Résultats imprévisibles
→ Beaucoup de retouches nécessaires

Après (Spec-Driven) :

Spec : « Système d'authentification avec les exigences suivantes :
- OAuth2 avec Google et GitHub
- Basé sur session avec Redis
- Limitation du débit : 5 tentatives/minute
- 2FA optionnel via TOTP
- Réinitialisation du mot de passe par e-mail
- Journal d'audit pour tous les événements d'authentification »

→ L'IA a des directives claires
→ Implémentation prévisible et complète
→ Moins d'itérations nécessaires

Spec-Kit + Ping-Pong de modèle d'IA

La combinaison de Spec-Kit et de ma stratégie de Ping-Pong est particulièrement puissante :

1. Écrire la spécification avec Claude Code – Formuler des exigences détaillées
2. Faire réviser la spécification par Codex – Identifier les lacunes et les ambiguïtés
3. Améliorer la spécification – En se basant sur les commentaires
4. Créer le plan avec Claude Code – Planifier la mise en œuvre technique
5. Faire valider le plan par Codex – Vérifier les approches alternatives
6. Démarrer l'implémentation – Avec une base solide

Assistants d'IA pris en charge

Spec-Kit fonctionne avec pratiquement tous les outils de codage d'IA modernes :

• ✅ Claude Code
• ✅ GitHub Copilot
• ✅ Cursor
• ✅ Windsurf
• ✅ Google Gemini
• ✅ OpenAI Codex

Trois scénarios pour Spec-Kit

Démarrage rapide avec Spec-Kit

# Installation
npx specify init

# Ou installer de manière persistante
npm install -g specify

# Initialiser le projet
specify init my-project

# Ensuite, utiliser les commandes Slash
/speckit.constitution
/speckit.specify
/speckit.plan
/speckit.tasks
/speckit.implement

Spec-Kit a fondamentalement changé la façon dont je planifie et mets en œuvre les fonctionnalités. Au lieu du « Vibe Coding », je travaille maintenant avec des spécifications précises, qui conduisent à des résultats prévisibles et de haute qualité.

Gemini : Génération d'images & Illustrations 3D

Pour les ressources visuelles, j'utilise Google Gemini.

Domaines d'application :

• Images Hero pour les articles de blog et les pages de destination
• Illustrations 3D pour les concepts techniques
• Icônes et éléments d'interface utilisateur dans un style cohérent
• Infographies pour les flux de travail complexes

Flux de travail avec Gemini :

1. Décrire le concept (prompt détaillé)
2. Générer les premières variantes
3. Sélectionner et affiner la meilleure version
4. Exporter dans différents formats

La force de Gemini réside dans la cohérence – une fois qu'un style est établi, je peux le maintenir sur de nombreuses ressources. Cela est très utile pour le Machine Learning, l'utilisation d'API et de CLI.

---

Veo : Génération de vidéos professionnelles

Pour le contenu vidéo, j'utilise Google Veo.

Domaines d'application :

• Démos de produits et présentations de fonctionnalités
• Vidéos explicatives pour les concepts complexes
• Contenu pour les réseaux sociaux (clips courts)
• Animations d'arrière-plan pour les sites web

Workflow Veo :

1. Création du storyboard/concept
2. Prompting scène par scène
3. Génération et revue des clips
4. Post-traitement et montage

Veo est particulièrement utile pour les prototypes rapides – avant d'investir dans une production vidéo coûteuse, je teste d'abord les concepts avec des vidéos générées par l'IA.

Google AI Studio : Maquettes & Concepts d'Animation

Google AI Studio est mon outil de prédilection pour le travail de conception créative.

Maquettes de Sites Web

• Designs de pages d'atterrissage
• Concepts d'interface utilisateur (UI)
• Mises en page responsives

Concepts d'Animation

• Animations de Scrollytelling – Comment le contenu doit-il apparaître lors du défilement ?
• Animations 3D – Visualisation du concept avant l'implémentation
• Micro-Interactions – Survol des boutons, états de chargement, transitions

Flux de travail :

1. Description de l'animation/maquette souhaitée
2. AI Studio génère des concepts visuels
3. Itération jusqu'au résultat souhaité
4. Exportation comme référence pour le développement

Cela permet d'économiser énormément de temps dans la phase de conception – au lieu d'itérer pendant des heures dans Figma, je génère rapidement plusieurs variantes et je décide ensuite.

Résumé : Ma pile d'outils

---

Conclusion : L'avenir est Multi-IA + Spec-Driven

L'époque où un seul outil pouvait tout faire est révolue.

J'obtiens les meilleurs résultats grâce à :

1. Spécialisation – Le meilleur outil pour chaque tâche
2. Spécification – Spec-Kit pour des résultats structurés et prévisibles
3. Validation – Les modèles d'IA se vérifient mutuellement
4. Intégration – Workflow transparent entre les outils
5. Itération – AI Model Ping Pong pour des résultats optimaux

Ce workflow a doublé ma productivité et a considérablement amélioré la qualité de mon travail. L'investissement dans l'apprentissage de plusieurs outils – en particulier Spec-Kit – est rentable.

---

Vos prochaines étapes

1. Commencez avec un outil – Claude Code ou Codex comme base
2. Installez Spec-Kit – npx specify init pour une planification structurée
3. Ajoutez une spécialisation – Gemini pour les images, Veo pour les vidéos
4. Établissez un Ping Pong – Laissez les modèles se relire mutuellement
5. Itérez votre workflow – Découvrez ce qui fonctionne pour vous

Le paysage de l'IA évolue rapidement – mais les principes de l'utilisation multi-IA et du Spec-Driven Development resteront. Cette approche, basée sur des spécifications claires, est essentielle pour le Machine Learning et l'utilisation d'APIs. Les outils CLI peuvent aussi vous aider.

---

Utilisez-vous déjà Spec-Kit ou d'autres outils de planification structurée dans votre workflow d'IA ? Partagez vos expériences dans les commentaires !