Dans les coulisses de Clevera : comment l'IA agentique transforme les enregistrements d'écran en voix off

Le chaos caché derrière l'automatisation#

À nos débuts, Clevera reposait sur une poignée de modèles qui en faisaient trop. Chacun tentait de jongler avec plusieurs tâches à la fois : observer l'écran, interpréter les actions, décider de ce qui était important, rédiger la narration, choisir le ton et transformer le tout en un tutoriel cohérent. Quelques cerveaux, mais tous surchargés de travail.

Imaginez une équipe de tournage où trois personnes tenteraient de gérer vingt rôles différents. Réalisateur, cadreur, scénariste et monteur, tout cela par une seule personne. Vous devinez le résultat. C'était acceptable, mais jamais brillant. La narration semblait rigide. Des moments clés étaient ignorés. Les vidéos plus longues rendaient les modèles confus et incohérents.

Le problème ne venait pas des modèles eux-mêmes. Le problème était de les traiter comme un penseur unique plutôt que comme une équipe.

Nous avons réalisé que les humains ne sont pas des penseurs linéaires#

Au départ, nous avons essayé d'imiter la façon dont un humain semble créer un tutoriel : regarder l'écran, réfléchir un instant, expliquer. Simple. Du moins en apparence.

Mais la pensée humaine réelle ne fonctionne pas ainsi. Lorsque vous expliquez quelque chose, votre cerveau active simultanément des dizaines de petits spécialistes. Vous remarquez ce qui a changé. Vous ignorez ce qui n'a pas d'importance. Vous vous rappelez la fonction de l'outil. Vous choisissez un ton. Vous ajustez le rythme. Vous éditez tout en parlant.

Cela semble linéaire, mais il s'agit en réalité de nombreux petits agents travaillant en arrière-plan. C'est là que tout est devenu clair pour nous. Pour que Clevera sonne humain, il fallait qu'elle pense comme une équipe.

Nous avons donc adopté l'approche agentique.

D'un cerveau à plusieurs#

Considérez désormais Clevera comme une petite équipe de tournage extrêmement disciplinée.

L'Observateur#

Celui-ci étudie votre écran. Image par image. Il voit les clics, le texte saisi, les défilements, les menus ouverts, les changements d'interface. Il capture la vérité brute avant toute autre chose.

Le Stratège#

Une fois que l'Observateur a fait son rapport, le Stratège décide de ce qui compte vraiment.

« Ignore l'indicateur de chargement. »
« Combine ces trois étapes, elles forment une seule idée. »
« Explique ce moment, c'est important. »

C'est ici que la logique du tutoriel prend forme.

Le Rédacteur#

Une fois le plan prêt, le Rédacteur crée la narration dans un langage simple et convivial. Il explique ce qui se passe sans divaguer et évite le ton robotique

Le Monteur#

Le Monteur coupe. Peaufine. Corrige les passages où le Rédacteur s'est trop emballé ou a été trop bavard. Il ajuste le phrasé pour que chaque ligne soit percutante.

Le Réviseur#

C'est le plus exigeant. Il reçoit le script complet et s'assure qu'il se lit comme une histoire fluide et cohérente. Pas de sauts étranges. Pas de contradictions. Pas de ton inégal.

Et au milieu se trouve l'Orchestrateur, le patron discret que tout le monde écoute.

Il délègue les tâches, vérifie la qualité et guide les agents lorsqu'ils s'égarent. Si le Stratège manque un moment clé, l'Orchestrateur le renvoie au travail avec un simple : « Regarde encore, réfléchis davantage. » Si une phrase semble maladroite, l'Orchestrateur demande au Monteur de la retravailler.

Cette structure n'a pas seulement amélioré la qualité. Elle a débloqué un niveau de clarté et de cohérence qu'un modèle unique ne pourrait jamais atteindre.

L'itératif est meilleur#

Le plus grand bond en avant en termes de qualité a eu lieu lorsque nous avons permis aux agents de repenser leur propre travail.

Au lieu d'une seule tentative par étape, l'Orchestrateur permet à certains agents d'effectuer plusieurs passages avec une profondeur croissante. D'abord une version rapide. Puis une plus approfondie. Enfin, une version pleinement réfléchie si nécessaire.

Ce « mode réflexion » a grandement contribué à améliorer la précision et la qualité.

Le Stratège est devenu beaucoup plus intelligent pour regrouper les étapes et reconnaître les modèles.

Le Rédacteur a appris à mieux expliquer les actions complexes avec calme.

Les chapitres ont commencé à s'aligner sur la façon dont les humains comprennent naturellement une tâche.

C'est toute la différence entre se précipiter sur un script et comprendre réellement l'histoire.

Notre flux agentique#

Chaque vidéo Clevera suit désormais un rythme simple :

Voir : L'Observateur capture la vérité de ce qui s'est passé à l'écran.
Planifier : Le Stratège définit ce qui compte et dans quel ordre.
Parler : Le Rédacteur explique chaque étape comme le ferait un humain.
Lisser : Le Monteur et le Réviseur peaufinent le rythme et la fluidité pour un résultat naturel.

Cette boucle n'est pas figée. Elle est flexible. Collaborative. L'Orchestrateur guide tout le processus et intervient dès que quelque chose semble clocher.

Pourquoi la conception agentique est importante pour vous#

Toute cette complexité « en coulisses » porte ses fruits de manière immédiatement perceptible. En voici quelques exemples :

• Les tutoriels sonnent comme une vraie personne, pas comme un script généré automatiquement.
• Les étapes sont regroupées de manière logique, et non chronologique.
• Les moments non pertinents disparaissent tout simplement.
• Les explications sont claires, calmes et assurées.
• Les chapitres correspondent à la façon dont les utilisateurs apprennent réellement les produits.
• Le système peut évoluer sans tout casser.

Prochaine étape : votre propre agent#

Le prochain bond en avant ne consiste pas seulement à rendre nos agents plus intelligents. C'est de leur permettre de communiquer directement avec vous.

Vous voulez que la narration soit plus décontractée ? Tapez-le dans le chat.

Vous voulez supprimer ou développer un chapitre ? Demandez-le.

Il vous suffit de parler à Clevera, et l'agent approprié prend la tâche en main. Vous aurez moins l'impression d'utiliser un outil de montage que de travailler avec une équipe qui comprend votre style, écoute vos instructions et les exécute instantanément.

C'est vers cela que se dirige Clevera.

non pas juste une création automatisée, mais un studio de production conversationnel intégré à votre application.