He Put Hormozi, Bezos & Buffett Inside Claude

He Put Hormozi, Bezos & Buffett Inside Claude

Il a mis Hormozi, Bezos et Buffett à l'intérieur de Claude

Historique des titres
  • He Put Hormozi, Bezos & Buffett Inside Claude — observé le 20261028-2023 UTC (YouTube)

par Matt Wolfe · Voir la chaîne sur PSI

Sciences appliquées & ingénierie IA — Modèles & Recherche UYQIntelligence artificielle (IA)UYQFIntelligence artificielle générative
🎙 Matt Wolfe 👥 1.0M 📅 28 octobre 2026 ⏱ 38 min 👁 2K 📄 tutoriel 🧭 2026-10-28
Disponible en : Français (actuel) English

Mots-clés

Claude Codeworkflowskillautomatisationmédias sociaux

Résumé

Dans cette vidéo, Matt Wolfe reçoit Nate Herk pour une démonstration pratique de trois workflows basés sur Claude Code. Le premier concerne l’édition vidéo automatisée : en analysant des vidéos déjà performantes (captures d’écran, transcriptions), Claude Code apprend à reproduire le style d’édition, en utilisant des API comme ElevenLabs pour la transcription et des outils de génération d’images. Le deuxième workflow, nommé « The Roast Room », consiste en un panel d’agents IA configurés avec des fichiers Markdown (lens, règles, sources) simulant des personnalités comme Alex Hormozi ou Gary Vee. Ce panel débat, vote et fournit des recommandations sur une décision ou une idée soumise par l’utilisateur. Le troisième workflow est un gestionnaire de médias sociaux IA capable de rechercher, créer et publier du contenu Instagram de manière quasi autonome. Nate Herk explique aussi comment il a construit ces systèmes, en insistant sur l’importance d’utiliser des exemples « prouvés » comme référence et d’affiner les compétences par itérations. La vidéo se conclut sur des conseils pour répliquer ces outils, notamment via un dépôt GitHub public où sont partagés les skills.

180 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur des informations est élevée pour un public technique cherchant à automatiser des tâches créatives : les exemples sont concrets, les réglages détaillés (transcription, synchronisation, gestions des scènes) et les limites honnêtement évoquées (coût, qualité du son, étapes encore manuelles). L’argumentation repose sur une démonstration en direct et sur l’expérience personnelle de Nate Herk, ce qui rend le propos convaincant. La méthodologie est présentée avec soin : utilisation de « proven work » comme base d’apprentissage, itérations et feedback. Toutefois, aucun chiffre chiffré sur les gains de productivité n’est fourni, et la reproductibilité est supposée sans preuve formelle.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est limitée : aucune source académique n’est citée, seules des références pratiques (dépôt GitHub, sites personnels) sont mentionnées. Les démonstrations sont néanmoins détaillées et on sent une démarche d’ingénierie (apprentissage par l’exemple, évaluation). Le titre, bien qu’exagéré sur les personnalités, correspond au volet « Roast Room », mais il n’évoque pas les autres workflows, ce qui peut créer une attente partielle. L’écart entre le titre et l’ensemble du contenu reste mineur.

188 mots

Adéquation titre / contenu

Le titre est accrocheur et met en avant les figures invitées dans le panel IA, mais la vidéo couvre surtout des workflows plus larges (édition, médias sociaux). Il reste globalement pertinent.

Qualité & fiabilité

6/10

Le contenu repose sur des démonstrations personnelles et des retours d'expérience, sans sources académiques ni vérification externe. Les workflows présentés sont crédibles mais relèvent avant tout d'une expertise pratique et subjective.

Chapitres

Sources citées

Apport & nouveautés

Cette vidéo apporte une contribution pratique en montrant comment configurer des workflows d’édition vidéo et de prise de décision avec Claude Code, en utilisant des fichiers Markdown pour structurer des agents spécialisés. L’approche de « golden dataset » (utiliser des exemples de contenu performant comme référence) constitue une idée originale et transposable à d’autres domaines. De plus, le partage d’un dépôt GitHub avec les skills prêts à l’emploi renforce l’utilité du contenu.

Pour aller plus loin :

  • Documentation Claude Code (Anthropic) — Référence officielle pour débuter avec Claude Code.
  • Model Context Protocol (MCP) — Protocole ouvert pour connecter des outils externes aux modèles, utilisé implicitement.
  • LLM-as-a-judge (arXiv) — Approche d’évaluation par modèle, évoquée par Nate pour améliorer la qualité des skills.
  • OpenAI Whisper — Alternative open source pour la transcription, comparée à l’API ElevenLabs.
  • Blender - Logiciel 3D — Outil de création 3D mentionné comme intégration possible avec Claude Code.

150 mots

Profil radar

Le radar montre un profil équilibré avec une forte composante pratique (quantité et qualité d'information) et une fiabilité moyenne. Le niveau technique est élevé, mais la fiabilité globale reste limitée par l'absence de sources vérifiables. L'ensemble reflète un contenu didactique et concret, orienté application.

Fiabilité 6/10