Tag
agents-ia
Vos pilotes IA marchent. Votre SDLC, lui, ne change pas.
Vos pilotes IA marchent, mais votre chaîne de production logicielle n'a pas bougé. Trois couches manquent — discipline, architecture, apprentissage — et tant qu'elles ne sont pas câblées ensemble, l'expérimentation ne devient pas un SDLC industriel.
Que devient DBT quand l'IA écrit le code ?
Benoit Perigaud (DBT Labs) raconte quatre ans d'investissement sur l'IA chez DBT Labs — trois leviers techniques (skills, MCP server, DBT Index), l'épineux problème du token design, les trous du benchmark Analytics Engineering, et l'angle mort que les agents ne savent toujours pas franchir.
L'ontologie n'est pas louable : le vrai fossé concurrentiel des agents IA
Tony Seale vient de nommer l'évidence : la moitié qui manque aux agents IA n'est pas un framework supplémentaire, c'est l'ontologie de votre domaine. Pour la première fois, le fossé concurrentiel est clairement délimité — et il n'est pas technique.
Harness Engineering : le modèle compte moins que le harnais
Même modèle, 58% vs 81,8% de réussite. La variable décisive n'est pas l'IA — c'est le système qui l'entoure. Bienvenue dans l'ère du harness engineering.
AWS Bedrock, 6 personnes, 72 jours : rester aux commandes des agents de code
Julien Lépine (CTO AWS France) détaille le redéveloppement d'Amazon Bedrock par 6 personnes en 72 jours — code intégralement généré par IA, sans vibe coding. Un proof-point hyperscaler qui déplace la valeur du code vers le contexte et la responsabilité humaine.
Anthropic
Partenaire Select d'Anthropic (Claude Partner Network). SFEIR industrialise Claude et Claude Code en production, de l'interne aux projets clients.
Agent Sémantique
Composition symétrique (Modèle + Harnais) + (Ontologie + Données connectées) qui fait passer l'agent IA de la génération à la compréhension.
AI-First
Concevoir les applications pour être consommées par des agents d'abord (via MCP), au-delà de l'API-First : l'IA comme premier utilisateur du logiciel.
CDLC
Cycle de développement du contexte : le traiter comme une dépendance logicielle, versionnée et évaluée (Generate, Evaluate, Distribute, Observe).
Cold Memory
Troisième niveau de l'architecture 3-tier du contexte : la base de connaissances de référence, récupérée à la demande (souvent via RAG).
Harness Engineering
Discipline de conception du système (guides, sensors, outils) entourant un agent IA pour fiabiliser et amplifier ses résultats.
Hot Memory
Premier niveau de l'architecture 3-tier du contexte : la « constitution » de l'agent, toujours chargée (langage, conventions, règles).
Explorez tous nos articles
Plus de contenus techniques sur l'IA, le Cloud, la Data et le Software Engineering.
Tous les articles