Dictée vocale pour le codage avec l'IA : voice prompt Cursor et Claude Code sans taper
Le vibe coding va plus vite quand tu peux décrire le changement au lieu de le taper. Six exemples concrets, les patterns de prompt sur lesquels nous avons convergé, et comment gérer les identifiants multilingues.
TL;DR
Si tu cherches comment faire du voice prompt Cursor — ou comment réussir la Claude Code dictation sans épeler chaque identifiant — c'est le guide pratique. La dictée vocale pour le codage avec l'IA marche parce que les prompts sont surtout de la prose : contexte, intention, contraintes et attentes de test. Loqua ajoute le contexte d'écran multimodal, le formatage structuré du prompt, la gestion du vocabulaire technique et le mélange EN+chinois en milieu de phrase. Le workflow vibe coding voice qui paie le plus : longs prompts Cursor, débogage avec Claude Code, specs de refactoring et descriptions de tests. Les prompts courts « fix this » ne sont souvent pas plus rapides en voix ; le gain est dans les instructions denses.
Loqua est un outil de dictée vocale conscient du contexte pour Mac qui voit dans quoi tu travailles et façonne sa sortie en conséquence. Pour le codage avec l'IA en particulier, ça veut dire qu'il peut détecter le panneau de chat de Cursor, le terminal de Claude Code, la zone de prompt de ChatGPT, et produire des prompts dans la structure que ces outils gèrent le mieux.
Ce n'est pas un pitch en mode listicle de productivité. Nous utilisons la voix pour notre propre codage avec l'IA tous les jours et nous coupons à peu près de moitié le temps de rédaction de prompts sur les longues instructions, là où le gain est le plus grand. Les prompts courts (« fix this ») sont à égalité. Les prompts longs et structurés (specs de refactoring, changements multi-fichiers, narration de débogage) sont là où la voix se rentabilise.
Pourquoi la voix colle au codage avec l'IA
La forme d'un prompt de codage avec l'IA est différente de la forme du code. Un bon prompt a : un bloc de contexte (où je suis, ce que je vois, ce que je viens d'essayer), un bloc d'instruction (ce que je veux faire) et des contraintes (ne pas changer X, préserver Y, doit passer les tests Z). C'est de la prose, pas de la syntaxe — et la prose est ce dans quoi la voix excelle.
Tu penses plus vite que tu ne tapes — facilement 2× plus vite pour la prose. Le goulot d'étranglement n'est pas ton modèle mental ; c'est la taxe de la frappe. Pour les prompts qui expliquent une situation complexe à un LLM, cet écart compte. Loqua ajoute trois choses par-dessus la dictée de base : il voit l'état de ton IDE (donc les blocs de contexte s'écrivent tout seuls), il formate les prompts structurellement (système + utilisateur, ou liste d'étapes à puces) et il gère le vocabulaire technique sans que tu épelles les identifiants.
Installation pour le codage avec l'IA
Cette section suppose que Loqua est installé (voir notre guide d'installation pour dicter du code sur Mac). La seule configuration spécifique au codage avec l'IA est d'accorder la permission Accessibilité de Loqua, qui lui permet de lire la sélection et le texte adjacent de l'app active. L'Accessibilité macOS est documentée sur developer.apple.com ; c'est la même API que les lecteurs d'écran et les outils d'automatisation utilisent.
Trois habitudes à prendre :
- Sélectionne avant de dicter. Si tu veux que le prompt agisse sur un bloc spécifique, sélectionne-le d'abord. Loqua passe la sélection comme contexte.
- Ouvre le panneau de chat en ligne. Dans Cursor, le fait que le panneau de chat soit visible indique à Loqua que tu prompts, et non que tu édites.
- Fais des pauses pour les ruptures structurelles. Une pause d'une demi-seconde est lue comme un saut de paragraphe dans ton prompt — utile pour séparer le contexte de l'instruction.
Une structure de prompt qui marche
Après des mois de prompting à la voix, nous avons convergé sur trois structures qui produisent le comportement LLM le plus propre. Loqua lit comment tu cadres le début d'un énoncé et façonne la sortie en conséquence.
| Le cadrage que tu dis en premier | Forme de la sortie |
|---|---|
| "Refactor this so..." | Refactor: [objectif]. Contraintes: [implicites depuis la sélection]. Sortie: [code]. |
| "Debug this — when I X, Y happens but I expected Z" | Rapport de bug narratif avec étapes, attendu, observé. |
| "Write a spec for..." | Spec structurée : Objectif / Entrées / Sorties / Cas limites / Tests. |
| "Add a test that..." | Description du test + critères d'acceptation. |
| "Explain why this code..." | Prose simple, registre technique. |
Six exemples concrets
AuthClient. Remove the legacy fallback path — confirmed unused elsewhere in the codebase. Preserve the public function signature.Steps:
1. POST /search with body
{ "query": "" }2. Server responds 500 (expected: 200 with empty array)
Hypothesis: the empty-string path skips the early-return and hits the indexer with an invalid query.
Fix: add an early return for empty queries.
**Goal:** users save a search query and reload it later.
**Inputs:** search query (string), user id, optional name (string, defaults to first N chars of query).
**Behavior:**
- Persist to user's saved-searches collection.
- Sync across devices via existing user-data sync.
- Queryable by name (case-insensitive substring match).
**Edge cases:** duplicate names → suffix with index; deleted user → cascade delete.
- Send 10 requests in a 60-second window — all succeed.
- 11th request should return 429.
- Response must include a
Retry-After header with seconds-remaining value.- Use existing test fixtures for time control.
userController.ts into three modules — authController, profileController, preferencesController. Keep the public API surface unchanged. Update the router to import from the new locations. No behavior changes; this is a structural refactor only.merge function. The test should snapshot the existing outputs so we can detect any drift introduced by the refactor.Laisser Loqua voir le contexte du fichier
Quand tu dis « refactor this » sans sélection, Loqua n'envoie que l'instruction. Quand tu as du texte sélectionné, Loqua inclut un court bloc de contexte décrivant ce qui était sélectionné — nom de fichier, lignes, identifiants alentour — avant l'instruction. Tu n'as pas besoin de dicter le contexte ; la couche multimodale le lit.
Ça compte pour les outils d'IA qui tirent profit d'un contexte explicite (Claude Code en particulier bénéficie des chemins de fichiers et des numéros de ligne). Le stack omni-modal de Loqua est ce qui rend ça possible — voir la note plus approfondie sur voice meets vision : la dictée omni-modale si tu veux l'intuition de niveau recherche.
EN+中 en milieu de phrase
Beaucoup des discussions de notre équipe d'ingénierie se passent en mandarin avec des termes techniques anglais mélangés. Voice-prompter des outils d'IA dans ce registre est une activité quotidienne. Loqua gère le code-switching sans bascule de mode :
Réutilisation entre outils
La même phrase vocale, dictée dans différents outils d'IA, produit des prompts différents et appropriés. Nous ne reformulons pas — Loqua le fait :
| Outil | Forme du prompt produit par Loqua |
|---|---|
| Cursor (panneau de chat) | Instruction conversationnelle avec contexte de fichier implicite |
| Claude Code (terminal) | Instruction structurée avec chemins de fichiers explicites et un bref plan |
| ChatGPT (web) | Prompt formaté en Markdown avec des sections |
| Aider (terminal) | Instruction directe d'édition de fichier avec chemins cibles |
Tu écris une fois avec ta voix ; Loqua reformate par destination.
Pièges
- Ne dicte pas le code lettre par lettre. La voix sert à la partie prose du prompt ; laisse le LLM produire le code. Essayer de dicter le code caractère par caractère va à l'encontre du but.
- La sélection compte. Si tu veux que Loqua inclue le code sélectionné comme contexte, sélectionne avant de dicter. Sinon il n'envoie que l'instruction.
- Les longues pauses terminent la dictée. Un silence de 1,5 seconde est lu comme une fin d'énoncé. Si tu réfléchis en milieu de phrase, utilise un mot de remplissage — Loqua élimine les remplissages de la sortie mais les utilise pour garder l'enregistrement ouvert.
- L'état du panneau de chat de Cursor compte. Si le panneau n'est pas visible, Loqua peut traiter ta dictée comme une édition de code plutôt que comme un prompt. Ouvre d'abord le panneau.
- Ne dicte pas des identifiants à l'aveugle. Si tu as un nom de bibliothèque personnalisée peu courant, ajoute-le au Dictionnaire personnel dans les Réglages ou prononce-le comme un seul mot.
L'effet global : le temps de rédaction des prompts se réduit à peu près de moitié sur les longues instructions, et les prompts eux-mêmes sont meilleurs parce que la forme vocale encourage à expliquer l'intention plutôt qu'à juste nommer le changement. C'est la partie qui compte plus que la vitesse brute. Pour plus sur le pattern voice ai coding au sens large — flux voice prompt Cursor, Claude Code dictation, et comment garder les mains loin du clavier pendant les longues séances — voir les guides compagnons liés ci-dessus.
Pour un point de vue plus long sur pourquoi la voix s'accorde au travail avec l'IA, voir pourquoi ton clavier est le mauvais outil pour penser avec l'IA.
Foire aux questions
Essaie Loqua aujourd'hui
Gratuit pour commencer. Natif Mac. Conçu par des chercheurs en algorithmes qui l'utilisent tous les jours.
Télécharger pour Mac