Idée principale
Convertir un JSON en CSV, renuméroter un index, recopier un frontmatter, trier une liste : ces opérations ont un résultat unique, déductible de leurs entrées. Confiées au modèle, elles sortent par le canal le plus cher — celui de la génération — et rapportent en plus une variabilité dont personne n'avait besoin. Confiées à un script, elles coûtent zéro token et s'exécutent en millisecondes.
Sur competitor_analyze, deux étapes déplacées vers Python — l'écriture des frontmatter et le calcul du delta de l'index — ont retiré 111 000 unités de la consommation, sans rien changer aux livrables produits.
Le critère de partage n'est pas la difficulté de la tâche mais la présence d'un jugement : si le résultat se déduit des entrées, il n'y a rien à faire décider.
Couche apportée par « Graphify sans IA : transformer un wiki en graphe navigable pour zéro jeton » (2026-10-20). Le même partage vaut pour la construction d'un graphe de connaissances. Un outil comme Graphify fait lire chaque fichier par une IA pour en déduire les relations ; sur un wiki où ces relations sont déjà écrites et expliquées dans chaque note, cette lecture n'a rien à décider. Un script de 160 lignes, sans dépendance, construit le graphe d'un millier de notes en 0,2 seconde pour zéro jeton — et il est plus fidèle que le modèle, qui aurait redécouvert les liens avec une variation d'une exécution à l'autre.
Pourquoi c'est important
Cela donne une règle de découpe pour la conception d'un skill : chaque étape se demande ce qu'elle attend du modèle, et une étape qui n'attend aucun arbitrage n'a pas à lui être adressée.
Le gain n'est d'ailleurs pas seulement économique : ce qu'un script produit est reproductible, ce qu'un modèle produit ne l'est qu'approximativement.
Nuances et limites
Écrire et maintenir le script a un coût, invisible dans un rapport de tokens. Pour une transformation ponctuelle qui ne sera jamais rejouée, passer par le modèle reste moins cher que par le développement.
Et certaines transformations paraissent déterministes jusqu'à la première donnée mal formée — le modèle absorbe l'irrégularité là où le script s'arrête.
Questions ouvertes
- Qui repère qu'un jugement s'est glissé dans une étape classée mécanique, puisque son résultat en garde la forme ?