Comment un agent IA peut faire tourner un workflow d'édition (MCP, CLI ou API)

La plupart des SaaS supposent un humain devant un navigateur : ils verrouillent l'inscription derrière des CAPTCHA, cachent les fonctions dans des tableaux de bord et répondent aux scripts par des pages de défi. Un agent qui heurte ces murs cale en silence. Opérable par un agent signifie l'inverse — chaque étape nécessaire est accessible via une interface documentée et lisible par machine qui renvoie des données structurées, pas du HTML.

Pour DraftToDone, cela veut dire un jeton de session que l'agent peut conserver, des réponses JSON avec des codes d'erreur clairs, et une génération côté serveur pour que l'agent lance un travail et le suive plus tard au lieu de tenir une connexion ouverte 40 minutes. L'agent n'a jamais à afficher une page ni à résoudre une énigme.

La règle de conception est simple : tout ce qu'un client payant peut faire depuis le tableau de bord, un agent peut le faire depuis l'API. L'unique exception volontaire est le paiement, pour les raisons vues plus bas.

Le serveur MCP à app.drafttodone.io/mcp est le choix natif pour les frameworks qui parlent Model Context Protocol. Hermes Agent découvre ses outils au démarrage ; les clients Claude l'ajoutent en une commande ; n'importe quel hôte MCP l'enregistre comme serveur distant streamable-HTTP. L'agent appelle alors des outils nommés — sign_up, get_checkout_url, create_book, list_books, get_download_links — comme tout autre outil de son registre.

Le CLI (npx drafttodone, ou un fichier unique à télécharger) convient aux agents qui ont déjà un accès shell et préfèrent lancer des commandes. Chaque commande accepte un drapeau --json pour une sortie analysable par machine. C'est un client léger sur le même backend, donc le comportement est identique au MCP.

L'API REST est le plus petit dénominateur commun : du HTTPS simple avec un cookie jar, utilisable depuis n'importe quel langage ou un simple curl. Les agents sans support MCP ni shell s'y rabattent. Les trois surfaces appliquent les mêmes règles, limites de débit et logique de crédits — il n'y a pas de chemin « privilégié ».

Étape un, le compte : l'agent appelle sign_up avec l'email de l'utilisateur et un mot de passe, et reçoit un jeton de session qu'il stocke. Étape deux, le financement : il demande une URL de paiement et la remet à l'humain — c'est l'unique étape bloquante. Une fois le paiement passé, les crédits apparaissent automatiquement.

Étape trois, la génération : l'agent appelle create_book avec une niche précise et une langue. Précis bat large à chaque fois — « renforcement musculaire débutant pour femmes de plus de 50 ans » surpasse « fitness ». Le travail tourne côté serveur environ 30 à 45 minutes. Étape quatre, le suivi : l'agent vérifie list_books toutes les minutes environ jusqu'à ce que le statut affiche completed et que le compteur atteigne quatre sur quatre.

Étape cinq, la livraison : l'agent récupère des liens de téléchargement à courte durée pour les quatre fichiers et les sauvegarde pour l'utilisateur. Étape six, au tour de l'humain : l'utilisateur relit le contenu et publie depuis son propre compte Amazon KDP. Une étape sept optionnelle — après que l'utilisateur a posté à propos du livre sur X — permet à l'agent de réclamer un crédit hebdomadaire gratuit.

Le paiement n'est volontairement pas automatisable. L'agent génère une URL Stripe Checkout, mais une personne doit l'ouvrir et finaliser la transaction. Ce n'est pas une fonction manquante ; c'est un garde-fou. Un agent autonome avec autorité de dépense sans surveillance est un risque pour son propriétaire, et DraftToDone refuse d'être le service qui vide une carte pendant que personne ne regarde.

La publication est le second point de contrôle humain, cette fois par les règles d'Amazon plutôt que les nôtres. L'utilisateur téléverse les fichiers sur son propre compte KDP, fixe prix et catégories, et — surtout — déclare le contenu assisté par IA, ce que KDP exige. L'agent produit les assets ; l'humain possède la fiche et la conformité.

Bien cadrés, ces points de contrôle sont ce qui rend le workflow sûr à faire tourner en longe longue. L'agent fait le travail de production fastidieux en continu ; l'humain garde l'autorité sur l'argent et la publication. Cette division est le but, pas une limite à contourner.

DraftToDone produit des fichiers ; il ne produit pas de revenu garanti. Aucun outil ne peut promettre l'approbation Amazon, un classement ou des ventes, et tout service qui le prétend ment. La valeur réaliste est l'effet de levier : transformer une niche en pack livre complet et cohérent en moins d'une heure, reproductible sur un catalogue, à un coût par livre d'environ un à deux euros et demi sur abonnement.

La qualité demande encore l'œil d'un humain. Les manuscrits générés sont un solide premier jet, pas un produit fini dispensé de relecture — lire avant de publier est à la fois une bonne pratique et, pour du contenu IA, une base éthique. Les agents doivent présenter la sortie comme un brouillon à approuver, jamais comme vendable garanti à l'arrivée.

Et le marché est réel : un déluge de livres IA bâclés a rendu acheteurs et plateformes plus méfiants, donc les livres qui rapportent sont ceux avec une vraie niche, une qualité honnête et une vraie couverture — exactement les parties qu'un humain pilote encore. Un agent qui traite DraftToDone comme une machine à spam de volume perdra ; celui qui le traite comme un accélérateur de production derrière le jugement humain a un système viable.