Sujet
Les agents sont utiles quand leur boucle est bien conçue. Ce sujet rassemble les articles où j'explique la différence entre les démos, les workflows, la mémoire, les outils, les évaluations et les systèmes qui résistent aux vraies contraintes.
La partie utile n’est pas de donner plus de contexte aux agents. C’est de rendre vos recherches, vos notes et vos sources de nouveau accessibles lors de la prochaine session.
Les garde-fous, audits et boucles de révision humaine qui fonctionnent réellement
La façon la plus claire de comprendre la différence entre le prompt engineering, l’ingénierie du contexte et les harnesses
Agentic AI Engineering vous apprend à concevoir, évaluer et déployer des systèmes autonomes qui ne s’effondrent pas devant de vraies contraintes
Un aide-mémoire pour éviter de coûteux remaniements dans les systèmes d’agents.
Vous ne créez pas des agents. Vous créez des workflows (et c’est très bien)
Comment repérer et retirer le « slop IA » de vos textes
Deep Research d’OpenAI expliqué
Un contexte d’un million de tokens? Des outils bon marché? Le moment idéal pour les agents
La vérité sur l’IA « intelligente »
(séance de formation complète) (parcours typique des entreprises)
Dans les coulisses du Model Context Protocol d’Anthropic
Le changement majeur de DeepSeek pour l’efficacité des LLMs
Comment Utiliser l'IA pour Améliorer vos Textes
Génération augmentée par la recherche d’information ou long contexte : une comparaison complète
Une fenêtre de contexte infinie ?!
Apprenez le LLMOps maintenant. Un guide complet et gratuit.
Qu’est-ce que MetaGPT? Des agents LLM collaborent pour résoudre des tâches complexes
Gato : un seul Transformer pour les gouverner tous ! Le premier agent généraliste d’apprentissage par renforcement fondé sur les Transformers !
Autorisez les statistiques d'utilisation facultatives pour nous aider à améliorer le site. Détails sur la confidentialité
