Construire un site en parlant à un agent IA : l'exemple HackerTube

Un agent IA peut construire tout le site pour vous, sauf trois choses : la clé API, le serveur et le domaine. C'est le découpage de HackerTube, un site façon YouTube qu'Andrej Karpathy dit avoir réalisé en environ deux heures en parlant uniquement à Claude. Ci-dessous : les quatre étapes du projet, ce que vous devez préparer vous-même, et comment estimer ce que coûterait l'étape intermédiaire répétitive sur vos propres données.

Quatre étapes, dans cet ordre#

Karpathy (chercheur en IA, cofondateur d'OpenAI, ancien directeur IA de Tesla, fondateur d'Eureka Labs) a publié le compte rendu le 31 octobre 2026 : HackerTube sur son blog. Le site rassemble les commentaires Hacker News qui recommandent une vidéo YouTube et permet de les parcourir. Derrière, il y a un squelette que partagent presque tous les projets « parle juste à l'agent ». Essayez de le remettre dans l'ordre vous-même :

L'étape deux est l'intruse. Le téléchargement, la construction et le déploiement ont lieu une seule fois. La question garder-ou-écarter est posée une fois par élément, des dizaines de milliers de fois. Gardez ça en tête, on y revient quand on parle d'argent.

Ce que l'agent a fait, en chiffres#

Voici le déroulé tel que Karpathy le décrit. Il a travaillé dans l'application de bureau Claude Code. Opus 5.5 en effort moyen, son réglage par défaut, a téléchargé le jeu de données des commentaires Hacker News depuis Hugging Face et l'a filtré. Sonnet est passé sur les commentaires dans un Claude Code Workflow. Résultat : environ 40K commentaires qui recommandent une vidéo YouTube, 6 454 vidéos de 2007 à 2026, réparties en 150 thèmes. Puis Opus a construit l'interface et l'a déployée sur un VPS. Le site propose des recommandations « ForYou » sans compte (l'état vit dans la session du navigateur), des raccourcis clavier et un export de données, pour que d'autres puissent confier les données à leur propre agent.

Ce que le billet ne donne pas : aucun coût ni nombre de tokens, ni quelles étapes étaient du code pur ou des appels au modèle. Donc « deux heures » est une durée, pas un prix. Si vous voulez savoir pourquoi cette distinction compte, les agents ont-ils besoin du modèle à chaque étape ? en parle.

Trois choses qui restent avec vous#

Karpathy a fait trois étapes à la main : il a créé une clé API Google Cloud (pour les métadonnées YouTube), démarré le VPS et acheté le domaine. Regardez ce qu'elles ont en commun. Chacune est liée à un compte qui vous appartient : un identifiant, un profil de facturation, votre identité. Un agent peut écrire toutes les commandes, mais il ne peut pas se tenir au paiement à votre place. C'est comme embaucher un constructeur : il monte la maison, mais c'est vous qui signez pour le terrain.

En pratique, l'agent va s'arrêter et demander. Faites la clé vous-même, mettez-la dans une variable d'environnement, et ne donnez à l'agent que le nom de la variable, jamais la clé elle-même. Si les clés sont nouvelles pour vous, ce qu'est une clé API et comment la stocker en sécurité prend cinq minutes.

Essayez la même forme sur vos propres données#

Disons que vous avez reviews.csv avec 40 000 avis produits et que vous voulez une petite page consultable avec seulement les avis sur l'autonomie de la batterie. Un prompt dans l'esprit HackerTube :

I have reviews.csv (40000 rows, column: text). Goal: a small searchable web page with only the reviews about battery life.

1. Look at the file and tell me what is in it. Change nothing yet.
2. Write a script that sends each review to a model and gets back keep or drop. Use an OpenAI-compatible API: base URL https://api.cheaptokens.dev/v1, key from the environment variable CHEAPTOKENS_API_KEY, model deepseek-ai/DeepSeek-V4-Flash-0731.
3. Run it on the first 100 reviews, show me the results and the tokens used. Wait for my OK before the full run.
4. Build the page from the kept reviews.
Whenever you need an account, a key or a payment from me, stop and tell me what to do.

L'étape 3 est l'habitude à voler. Cent lignes ne coûtent presque rien, et vous voyez les erreurs du modèle avant qu'il ne dépense de l'argent sur quarante mille. La dernière ligne est la passation de la section précédente, mise par écrit. L'URL de base et l'identifiant du modèle viennent de la doc CheapTokens ; vous y créez la clé vous-même.

Combien coûte l'étape en masse#

Revenons à l'étape qui se répète. Disons que chaque avis plus une instruction d'une ligne fait environ 150 tokens, et que la réponse (« garder » ou « écarter ») en fait environ 10. Pour 40 000 avis, cela fait 40000 × 150 = 6000000 tokens d'entrée et 40000 × 10 = 400000 tokens de sortie. Sur DeepSeek-V4-Flash, la passe complète coûte $0.13, sur GLM-5.3-Flash $0.136. Entrée et sortie comptées ensemble, les deux sont moins chers qu'OpenRouter. Chaque requête est minuscule, donc les fenêtres de contexte de 380K et 390K n'entrent jamais en jeu ; ce qui compte, c'est le prix par token multiplié par un très grand nombre d'appels.

Changez les chiffres pour vos propres données et voyez :

Ce n'est qu'une étape. La construction et le déploiement sont des sessions séparées avec l'agent, et votre vrai prompt de filtre sera plus long qu'une ligne. Filtrer 40K commentaires avec un LLM montre un prompt garder/écarter complet, et le routage de modèles explique comment envoyer d'abord les éléments faciles à un modèle bon marché. Les prix actuels de chaque modèle sont sur la page de tarifs.

Votre premier geste : passez ces 100 lignes par la configuration de la première requête, lisez les réponses, et seulement ensuite laissez l'agent faire le reste.