3 novembre 2026Mis à jour le Fathy Shalaby17 min de lecture
Modèle de PRD pour agents de code IA (Claude Code, Cursor, Copilot)
Un modèle de PRD à copier-coller pour les agents de code IA, sa place à côté de CLAUDE.md, AGENTS.md et des règles Cursor, et comment rédiger des contrôles d'acceptation qu'un agent peut exécuter.
Un modèle de PRD pour agents de code IA est un brief court, propre à une tâche, qui indique à Claude Code, Cursor ou GitHub Copilot qui rencontre le problème, ce qui doit changer, ce qui est hors périmètre et quels contrôles prouvent que le travail est terminé. Gardez les règles stables du projet dans CLAUDE.md, AGENTS.md ou les règles Cursor. Gardez la décision de fonctionnalité dans le PRD. Le modèle ci-dessous tient sur une ou deux pages.
Points clés
Les agents sont rapides et souvent légèrement à côté. Dans l'enquête Stack Overflow 2025, 66 % des développeurs ont cité les solutions d'IA « presque justes, mais pas tout à fait » parmi leurs principales frustrations, et 86,9 % s'inquiétaient de la fiabilité des agents d'IA (Stack Overflow, 2025).
Les éditeurs s'accordent : les fichiers d'instructions de projet doivent rester courts et généraux. Anthropic vise moins de 200 lignes par CLAUDE.md, Cursor recommande de garder les règles sous 500 lignes, et le prompt d'onboarding de GitHub plafonne les instructions Copilot à 2 pages et exclut tout contenu propre à une tâche.
La décision de fonctionnalité a donc besoin de son propre foyer : un PRD par tâche, lié depuis l'issue ou la pull request.
La section qui change le plus le résultat d'un agent, ce sont les contrôles d'acceptation. Un agent doté d'un contrôle réussite/échec peut tester et corriger son propre travail ; sans contrôle, il s'arrête dès que le travail a simplement l'air terminé.
Les exigences floues coûtaient déjà cher avant l'IA. Le PMI a constaté qu'une mauvaise gestion des exigences se cachait derrière 47 % des projets qui n'ont pas atteint leurs objectifs (PMI, 2014).
Qu'est-ce qu'un modèle de PRD pour agents de code IA ?
Un PRD (product requirements document) pour un agent de code répond aux mêmes questions que n'importe quel PRD : à qui est-ce le problème, qu'est-ce qui doit changer, et comment saurons-nous que cela a fonctionné ? La différence tient au lecteur. Un ingénieur humain pose la question sur Slack quand quelque chose est ambigu. Un agent choisit généralement une interprétation et continue.
Le guide Claude Code d'Anthropic le dit sans détour : Claude a tendance à prendre une demande dans son sens le plus étroit et à construire le minimum qui la satisfait, car il ne peut pas deviner l'ambition que vous aviez en tête (). La solution n'est pas un prompt plus long. C'est un brief qui énonce ce qu'un coéquipier humain aurait capté dans la salle.
Un agent de code et la personne qui relit son travail
Périmètre
Souvent une release entière
Une tâche ou une tranche verticale
Longueur
Souvent plusieurs pages
Une à deux pages ; des liens pour le détail
Ambiguïté
Levée en conversation
Listée sous forme de questions ouvertes et de règles d'arrêt
Non-objectifs
Utiles
Indispensables, pour que l'agent laisse le code voisin tranquille
Critères d'acceptation
Lus par la QA
Écrits comme des contrôles que l'agent peut exécuter et dont il peut rendre compte
Où il vit
Wiki ou outil documentaire
Dépôt ou issue, lié depuis la pull request
Pourquoi les agents de code IA ont-ils besoin d'un PRD ?
Parce que le code ne dit pas à un agent quel problème client compte, quel compromis l'équipe a accepté ni ce qui est volontairement hors périmètre. Ces faits vivent dans les entretiens, les tickets et les réunions. Si personne ne les écrit, l'agent comble le vide avec une supposition plausible.
L'usage des agents est désormais assez courant pour que cela compte. Dans l'enquête Stack Overflow 2025, 84 % des répondants utilisaient ou prévoyaient d'utiliser des outils d'IA, 14,1 % utilisaient des agents d'IA au travail chaque jour et 9 % de plus chaque semaine. La confiance est en retard sur l'usage : 46 % se méfiaient de l'exactitude des résultats de l'IA, contre 33 % qui lui faisaient confiance (Stack Overflow, 2025).
Les intentions floues coûtaient cher bien avant les agents. La recherche 2014 du PMI a établi qu'une mauvaise gestion des exigences expliquait que 47 % des projets échoués manquent leurs objectifs et gaspillait 5,1 % de chaque dollar dépensé en projets (PMI, 2014). Avec un agent, le même flou se manifeste par une pull request sûre d'elle en quelques minutes, au lieu d'une surprise à la revue de sprint.
La sécurité est l'autre raison d'être explicite. Veracode a testé plus de 100 grands modèles de langage et constaté que 45 % des échantillons de code générés introduisaient une vulnérabilité du OWASP Top 10 ; pour les échantillons Java, le taux d'échec atteignait 72 % (Veracode, 2025). Un PRD ne réglera pas cela à lui seul, mais une liste « ne doit pas » et un contrôle de sécurité nommé indiquent à l'agent comme au relecteur où regarder.
Que mettre dans CLAUDE.md ou AGENTS.md, et que mettre dans le PRD ?
Répartissez le contexte selon la durée pendant laquelle il reste vrai. Les fichiers d'instructions du dépôt contiennent les règles qui valent pour chaque tâche. Le PRD contient la décision pour cette tâche. Les mélanger dégrade les deux : le fichier d'instructions gonfle et la décision de fonctionnalité s'y noie.
Chaque outil documente ses propres fichiers d'instructions et ses propres conseils de taille :
Outil
Fichiers d'instructions du projet
Conseil de taille de l'éditeur
Option au niveau de la tâche
Claude Code
CLAUDE.md (portées managed, user, project et local), .claude/rules/ avec filtres de chemin ; lit AGENTS.md quand il n'y a pas de CLAUDE.md
Viser moins de 200 lignes par fichier
Référencer un fichier de spec avec @path ; demander à Claude de vous interviewer et d'écrire SPEC.md
Cursor
.cursor/rules/*.mdc (toujours, intelligent, par fichier ou manuel) ; AGENTS.md, y compris imbriqués
Garder les règles sous 500 lignes
Mentionner le fichier PRD avec @ dans le chat
GitHub Copilot
.github/copilot-instructions.md, .github/instructions/*.instructions.md avec applyTo ; AGENTS.md, CLAUDE.md ou GEMINI.md
Prompt d'onboarding : pas plus de 2 pages, pas de contenu propre à une tâche
Fichiers de prompt, choisis à chaque chat
Tout agent AGENTS.md
AGENTS.md ; le fichier le plus proche du code modifié l'emporte
Aucun champ obligatoire ; utilisé par plus de 60 000 projets open source
Deux détails de la documentation des éditeurs orientent la répartition. Anthropic indique que Claude traite CLAUDE.md comme du contexte et non comme une configuration appliquée de force, et que des fichiers plus longs réduisent le respect des consignes. La documentation Copilot de GitHub décrit les fichiers de prompt comme quelque chose que l'on choisit à chaque chat, contrairement aux instructions qui s'appliquent automatiquement (GitHub Docs). Les deux vont dans le même sens : les règles durables vont dans le fichier toujours chargé, les décisions ponctuelles dans un fichier que vous transmettez pour cette tâche.
À mettre dans les instructions du dépôt :
Les commandes de build, de test, de vérification de types et de lint, y compris comment lancer un seul fichier de test
Les endroits où le code induit en erreur, comme un schéma hérité que le nouveau code ne doit pas copier
Les décisions invisibles dans le code : l'utilitaire d'erreurs, le processus de déploiement, ce qui exige une revue de migration
Les règles de sécurité, de confidentialité et d'accessibilité qui s'appliquent partout
L'endroit où vivent les décisions produit, sous forme de lien
À mettre dans le PRD :
L'utilisateur, le problème et les preuves qui l'étayent
Le résultat attendu, sa base de référence et les garde-fous
Ce qui est dans le périmètre, hors périmètre, et « ne doit pas »
Le comportement requis, y compris les états vide, de chargement et d'erreur
Les contrôles d'acceptation et les commandes qui les vérifient
Les questions ouvertes et qui les tranche
La documentation de Cursor ajoute une règle utile pour les deux : référencez les fichiers au lieu de copier leur contenu, car les copies deviennent périmées. Liez la recherche ; ne la collez pas.
Le modèle de PRD à copier pour agents de code IA
Copiez-le dans docs/specs/<feature>.md ou dans le corps de l'issue. Gardez chaque réponse courte et liez la recherche, les maquettes ou les notes techniques pour le détail.
# PRD : [titre de travail]
Responsable : [nom] | Statut : brouillon / approuvé | Date : [AAAA-MM-JJ]
Issue / PR : [lien]
## 1. Problème
- Utilisateur principal :
- Situation et problème (une phrase) :
- Preuves : [liens]. Marquer chaque élément comme observé / déduit / supposé.
- Pourquoi maintenant :
- Ce que nous ne savons pas encore :
## 2. Résultat
- Résultat pour l'utilisateur : qu'est-ce qui devient plus simple, plus rapide ou plus sûr ?
- Signal produit : le comportement qui montrerait que cela a aidé
- Base de référence : [chiffre + source] ou « inconnue : instrumenter d'abord »
- Garde-fous : ce qui ne doit pas se dégrader (erreurs, confidentialité, latence, contrôle de l'utilisateur)
## 3. Périmètre
- Dans le périmètre :
- Hors périmètre (non-objectifs) :
- Ne doit pas : [actions ou effets de bord interdits]
- Dépendances :
## 4. Comportement requis
R1. Point d'entrée et parcours principal, en langage simple :
R2. États vide, de chargement et d'erreur :
R3. Autorisations et traitement des données :
R4. Cas limites qui changent la décision :
## 5. Contexte
- Comportement actuel : [route, écran ou fichier]
- Décisions pertinentes : [lien vers le registre des décisions]
- Contraintes connues : [plateforme, compatibilité, latence, politique]
- Règles du dépôt : voir CLAUDE.md / AGENTS.md
- Si deux sources se contredisent : s'arrêter et demander à [responsable]
## 6. Comportement de l'IA (uniquement si la fonctionnalité utilise un modèle)
- Entrées que le modèle peut utiliser :
- Sortie affichée ou enregistrée :
- Ancrage : quelle source étaye chaque affirmation
- Incertitude : quand dire « preuves insuffisantes » ou poser une question
- Contrôle humain : quelles actions exigent une relecture
- Gestion des échecs : délai dépassé, sortie mal formée, preuves manquantes
- Cas d'évaluation : [lien, y compris exemples difficiles et négatifs]
## 7. Contrôles d'acceptation
AC1. Étant donné [état], quand [action], alors [résultat observable].
AC2. Si [condition indésirable], alors le système doit [repli sûr].
AC3. Étant donné [utilisateur sans autorisation], quand [il l'ouvre], alors aucune donnée restreinte n'apparaît.
AC4. Régression : [commande de test existante] passe toujours.
Vérifier avec : [commandes de test, de vérification de types, de lint et de bout en bout]
## 8. Accord d'exécution de l'agent
1. Lire ce PRD et les instructions du dépôt avant de modifier quoi que ce soit.
2. Reformuler l'exigence et lister les questions ouvertes. Attendre les réponses sur tout ce qui est marqué « décision ».
3. Proposer un plan : fichiers à modifier, tests à ajouter. Attendre l'approbation.
4. Construire la plus petite tranche qui passe les contrôles d'acceptation.
5. S'arrêter et demander avant de modifier une API publique, de toucher à l'authentification, à la facturation ou aux migrations, d'ajouter une dépendance ou de trancher une question ouverte.
6. Exécuter les commandes de vérification et coller les commandes et leur sortie.
7. Résumer le comportement modifié, les hypothèses et les risques restants.
Quelles sections comptent le plus ?
Non-objectifs et « ne doit pas ». Un non-objectif d'une ligne (« pas de nouveau générateur de tableaux de bord », « ne pas modifier les définitions de rapports ») empêche un agent raisonnable de transformer une petite demande en refonte. Certains outils bloquent déjà les actions les plus risquées. Le mode auto de Claude Code, par exemple, bloque par défaut les déploiements en production et les migrations, les force push et la fusion d'une pull request qu'aucun humain n'a approuvée (Anthropic, permission modes). Votre liste ajoute les interdits propres au produit qu'aucun outil ne peut connaître : la logique de tarification, le texte de consentement, un e-mail destiné aux clients.
Statut des preuves. Marquer chaque ligne de preuve comme observée, déduite ou supposée évite qu'une hypothèse passe pour un fait une fois installée dans un document bien rangé. La vérification des affirmations en 15 minutes pour les specs rédigées par IA montre comment contrôler cela avant la transmission.
L'accord d'exécution. La section 8 est votre règle « demander ou s'arrêter » pour cette tâche. Elle transforme « faites preuve de discernement » en déclencheurs nommés. Pour la version générale de cette idée, voir le contrat de passation avec l'IA : quand demander, agir ou s'arrêter.
Une limite : tout ce qui est écrit dans un PRD ou dans CLAUDE.md est une consigne que l'agent peut juger inapplicable. Le conseil d'Anthropic est qu'une règle qui n'admet aucune exception relève d'un hook, d'une règle de refus ou d'un paramètre géré, pas de la prose (Anthropic, Claude Code best practices).
Comment rédiger des critères d'acceptation qu'un agent de code IA peut vérifier ?
Écrivez chaque contrôle de façon à ce qu'il renvoie réussite ou échec, et nommez la commande ou l'observation qui tranche. Le guide d'Anthropic énumère les types de contrôles que Claude sait lire : un fichier de test, le code de sortie d'un build, un linter, un script qui compare la sortie à une fixture, ou une capture d'écran du navigateur à côté de la maquette.
Deux syntaxes gardent les critères d'acceptation testables :
Given / When / Then (étant donné / quand / alors), issu du behavior-driven development : « Étant donné une vue enregistrée, quand l'utilisateur la supprime, alors elle disparaît de la barre latérale et l'API de liste ne la renvoie plus. »
EARS (Easy Approach to Requirements Syntax), créée par Alistair Mavin et ses collègues chez Rolls-Royce et publiée pour la première fois en 2009 (Mavin, EARS). Elle utilise cinq schémas :
Schéma EARS
Modèle
Exemple produit
Ubiquitous
Le système doit …
L'export doit inclure une ligne d'en-tête.
Event-driven
Quand [déclencheur], le système doit …
Quand un envoi dépasse 10 Mo, le système doit afficher la limite de taille.
State-driven
Tant que [état], le système doit …
Tant qu'une synchronisation est en cours, le système doit désactiver le bouton Enregistrer.
Unwanted behaviour
Si [condition], alors le système doit …
Si le modèle ne renvoie aucune source, alors le système doit marquer le thème « non étayé ».
Optional feature
Là où [fonctionnalité], le système doit …
Là où le SSO est activé, le système doit masquer le champ du mot de passe.
Les exemples sont illustratifs. Le schéma « Si … alors » est le plus utile pour les agents, car le comportement indésirable est précisément là où ils devinent.
Demandez ensuite des preuves, pas un verdict. Anthropic recommande de demander à Claude la commande exécutée et sa sortie, car l'affirmation nue que les tests passent est une preuve faible. Comme seconde ligne de défense, faites relire le diff par rapport au PRD par une session neuve ou un sous-agent qui n'a pas écrit le code.
Exemple rempli : résumés thématiques pour des transcriptions d'entretiens
Cet exemple est illustratif ; il ne provient pas d'une recherche menée auprès d'un vrai client.
Problème. Une équipe produit de cinq personnes dispose de 12 transcriptions d'entretiens réparties sur plusieurs documents. Avant une réunion de planification, elle veut dégager les problèmes récurrents sans perdre les preuves issues des participants derrière chacun.
Comportement souhaité. Un membre de l'équipe sélectionne des transcriptions et demande un brouillon de résumé thématique. Chaque thème renvoie aux passages qui l'étayent. Le membre modifie le résumé avant de le partager.
Dans le périmètre. Thèmes en brouillon, liens vers les sources, étape de relecture modifiable.
Hors périmètre. Publier automatiquement les thèmes, modifier la roadmap, ou présenter un décompte de thèmes issu de 12 entretiens comme une estimation valable pour tout le marché.
Ne doit pas. Inventer une citation, attribuer une déclaration au mauvais participant, ou affirmer une fréquence que les transcriptions ne permettent pas d'établir.
Contrôles d'acceptation.
Étant donné une transcription avec un passage sur un problème de configuration, quand le résumé inclut ce thème, alors le lecteur peut ouvrir le passage exact qui l'étaye.
Si un thème n'a aucun passage à l'appui, alors le système doit le marquer « incertain » au lieu de combler le vide.
Étant donné un résumé généré, quand le membre de l'équipe l'ouvre, alors il peut le modifier avant qu'il soit partagé.
Étant donné une transcription contenant des informations personnelles, quand la fonctionnalité la traite, alors les règles de données et d'accès existantes du workspace s'appliquent.
Base de référence. Inconnue. Avant de fixer un objectif, l'équipe chronomètre le temps nécessaire pour retrouver à la main les preuves de trois thèmes et compte les corrections des relecteurs. L'exemple ne suppose aucune amélioration particulière.
Comment transmettre le PRD à Claude Code, Cursor ou Copilot ?
Rédigez le PRD. Écrivez-le vous-même, partez du générateur de PRD gratuit, ou utilisez les prompts de comment rédiger un PRD avec l'IA. Dans Claude Code, vous pouvez lui demander de vous interviewer jusqu'à pouvoir rédiger la spec, puis l'enregistrer sous SPEC.md.
Placez-le là où l'agent peut le lire. Enregistrez-le dans le dépôt ou l'issue et référencez-le par son chemin (@docs/specs/saved-views.md dans Claude Code ou Cursor).
Demandez d'abord une reformulation et un plan. Le mode plan de Claude Code permet à l'agent de lire et d'explorer, mais bloque les modifications tant que vous n'avez pas approuvé le plan. Corrigez les malentendus ici, où cela ne coûte rien.
Construisez dans une session neuve. Anthropic suggère de lancer la construction dans une nouvelle session une fois la spec rédigée, afin de repartir sans le bavardage de planification et avec la spec comme définition du terminé.
Reportez les nouvelles décisions dans la trace écrite. Si le travail a fait émerger une décision, mettez à jour le PRD ou le journal des décisions, pas seulement le chat.
Avant de laisser tourner un agent sans surveillance, Anthropic propose cinq questions : sait-il à quoi ressemble le terminé, peut-il vérifier son propre travail, qu'a-t-il le droit de toucher, qu'est-ce qui l'arrête, et qui valide le résultat ? Les sections 3, 7 et 8 du modèle répondent à quatre d'entre elles.
Quand utiliser plutôt Spec Kit ou Kiro ?
Utilisez un workflow de spec structuré quand vous voulez toute la chaîne, pas seulement une meilleure passation. Spec Kit de GitHub, avec environ 150 000 étoiles, sépare la spec (« quoi construire et pourquoi ») du plan technique, puis génère les tâches et l'implémentation (GitHub, Spec Kit). Kiro découpe chaque spec en requirements.md, design.md et tasks.md (Kiro docs). Le modèle ci-dessus correspond à l'étape des exigences : les sections 1 à 4 et 7. Si votre équipe utilise déjà l'un de ces outils, collez les sections produit dans son étape de spec plutôt que de tenir deux documents.
Quelle longueur pour un PRD destiné à un agent de code IA ?
Proportionnelle au risque du changement. Ces fourchettes sont une règle empirique, pas un benchmark :
Changement
Ce qu'il faut inclure
Longueur approximative
Correction de texte ou petit ajustement d'interface réversible
Problème, périmètre, 1-2 contrôles
5-15 lignes
Tranche de fonctionnalité standard
Sections 1-5, 7 et 8
Environ une page
Autorisations, facturation, données personnelles ou affirmations générées par l'IA
Modèle complet avec la section 6, un contrôle de sécurité et un relecteur nommé
Jusqu'à deux pages, plus des liens
La borne supérieure suit la logique que les éditeurs appliquent aux fichiers d'instructions. Chaque ligne se dispute l'attention du modèle, si bien qu'un PRD de cinq pages cache la seule contrainte qui comptait. Si une section dépasse une demi-page, elle contient probablement plusieurs décisions ; scindez-la ou renvoyez vers un lien. Pour un PRD de release complète écrit pour des humains, voir comment rédiger un PRD.
Erreurs courantes avec les PRD pour agents de code IA
Coller tout le wiki produit. Plus de contexte n'est pas un meilleur contexte. Liez les deux ou trois sources qui changent la décision.
Mettre les détails de fonctionnalité dans CLAUDE.md ou AGENTS.md. Ces fichiers sont chargés à chaque tâche. Le prompt d'onboarding de GitHub exclut explicitement le contenu propre à une tâche du fichier d'instructions de Copilot.
Des exigences du type « rendre l'IA précise ». Énoncez ce qu'un utilisateur peut vérifier et ce que fait le système quand il ne peut pas satisfaire l'exigence.
Inventer un objectif. S'il n'existe pas de base de référence, écrivez « inconnue » et instrumentez d'abord.
Accepter « terminé » sans sortie. Demandez les commandes et leurs résultats.
Laisser l'agent rédiger et approuver son propre PRD. Un agent peut en rédiger un brouillon, mais une personne doit confirmer le problème, les preuves et le périmètre.
Écrire les règles strictes en prose. « Ne jamais toucher aux migrations » relève d'une règle de refus ou d'un hook, en plus du PRD.
Où Specky intervient
Specky rédige les PRD dans son éditeur de PRD avec des citations en ligne vers les appels clients, les tickets et les retours de votre Product Graph, de sorte que la section Preuves renvoie à de vraies sources. Son serveur MCP permet à Claude Code, Cursor et aux autres clients MCP de charger ce brief directement : get_coding_brief renvoie les PRD, décisions et preuves pertinents pour un ticket, et tout ce qu'un agent écrit en retour arrive sous forme de brouillon à relire par un humain. La configuration est décrite sur la page de configuration MCP pour agents IA.
Foire aux questions
Un PRD pour agent de code IA diffère-t-il d'un PRD classique ?
Les questions sont les mêmes : qui rencontre le problème, qu'est-ce qui doit changer et comment saurez-vous que cela a marché. La version pour agent est plus courte, limitée à une tâche, et plus explicite sur les non-objectifs, les règles d'arrêt et les contrôles que l'agent peut exécuter, car un agent agit sur l'ambiguïté au lieu de poser la question. Gardez le brief proportionné à la taille et au risque du changement.
Quelle longueur pour un PRD destiné à Claude Code ou Cursor ?
Environ une page pour une tranche de fonctionnalité standard, et jusqu'à deux pages pour les changements qui touchent aux autorisations, à la facturation, aux données personnelles ou aux affirmations générées par l'IA. Liez pour le détail. Les éditeurs donnent des limites comparables pour les fichiers d'instructions : moins de 200 lignes par CLAUDE.md, moins de 500 lignes par règle Cursor, et pas plus de 2 pages dans le prompt d'onboarding de GitHub.
Le PRD doit-il aller dans CLAUDE.md ou AGENTS.md ?
Non. CLAUDE.md et AGENTS.md sont chargés dans chaque session ; ils doivent donc contenir les règles durables du projet, comme les commandes, les conventions et les contraintes de sécurité. Placez le PRD de la fonctionnalité dans son propre fichier ou dans l'issue, et référencez-le pour cette tâche. Un lien vers l'endroit où vivent les décisions produit représente la bonne dose de contexte produit pour le fichier d'instructions.
L'agent de code peut-il rédiger lui-même le PRD ?
Il peut en rédiger un brouillon, organiser vos notes et suggérer des cas limites. Claude Code peut même vous interviewer et écrire un fichier de spec. Une personne doit néanmoins confirmer le problème utilisateur, les preuves, le périmètre et le signal de réussite, car un texte généré ne prouve pas que l'équipe a pris ces décisions. Considérez un PRD rédigé par un agent comme un brouillon.
Qu'est-ce que le spec-driven development ?
Le spec-driven development consiste à rédiger une spécification de ce qu'il faut construire et pourquoi avant qu'un agent IA ne planifie et n'implémente. Spec Kit de GitHub et Kiro le formalisent tous deux en étapes : exigences ou spec, puis plan technique ou conception, puis tâches, puis code. Le modèle de PRD de cet article couvre l'étape des exigences.
Comment rédiger des critères d'acceptation pour un agent de code IA ?
Écrivez chacun comme un énoncé réussite/échec relié à quelque chose que l'agent peut exécuter ou observer : un test, un build, un linter, une comparaison de fixture ou une capture d'écran. Utilisez la syntaxe Given/When/Then ou EARS, incluez au moins un cas « si quelque chose se passe mal, alors », et demandez à l'agent de coller les commandes et leur sortie.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing