API, automatisation, agents, MCP, évaluation et boucles d’amélioration.
Les articles paraissent d’abord en anglais. Leur version française suit, en commençant par le livre et les grands sujets.
Laissez un plus grand modèle comme Claude Sonnet 5.5 planifier le travail et rédiger la réponse finale, et confiez à Claude Haiku 5.5 les nombreux petits morceaux répétitifs entre les deux, chacun avec des…
5 min de lecture
GPT-5.5 a quitté Codex le 14 octobre pour toutes les personnes connectées avec un compte ChatGPT : tout réglage par défaut, paramètre enregistré, agent personnalisé, tâche planifiée ou script qui nomme encore…
4 min de lecture
Vous appelez GPT-6.1 Sol par la Responses API d’OpenAI en réglant le modèle sur gpt-6.1-sol, en choisissant un effort de raisonnement et en plaçant les consignes que vous réutilisez au début de chaque requête…
5 min de lecture
Un harnais d’agent est le logiciel ordinaire qui enveloppe un modèle de langage pour en faire un agent : il fait tourner la boucle qui demande au modèle quoi faire ensuite, exécute les appels d’outils que le…
5 min de lecture
Rédigez un mandat qui énonce le résultat attendu, les limites et la façon dont l’agent prouvera que c’est terminé, puis faites-lui tenir un journal de progression et enregistrer un point de contrôle après…
5 min de lecture
Trier, étiqueter, résumer et préparer des brouillons de réponse peuvent s’automatiser sans risque quand l’IA n’a que les autorisations dont elle a besoin et qu’une personne relit chaque brouillon avant son…
5 min de lecture
Rassemblez quelques centaines d’exemples de l’entrée et de la sortie exactes que vous voulez, puis entraînez un petit adaptateur LoRA par-dessus un modèle à poids ouverts gelé, avec les bibliothèques TRL et…
4 min de lecture
Donnez à Claude Opus 5 un plan écrit découpé en petits morceaux vérifiables, faites-le avancer un morceau à la fois avec un commit et une note de progression après chacun, et faites une revue aux points de…
4 min de lecture
Gardez vos notes en fichiers texte dans un petit nombre de dossiers aux noms clairs, ajoutez un fichier d’index qui indique à l’agent ce qui se trouve où et comment se comporter, et donnez à l’agent accès à…
4 min de lecture
Depuis le 9 juillet 2026, le répertoire d’applications de ChatGPT est devenu un répertoire de plugiciels, et un plugiciel est maintenant un ensemble qui peut contenir des applications, des compétences et des…
5 min de lecture
Donnez au modèle son propre compte de base de données, qui ne peut lire que les quelques tables ou vues dont il a besoin, et laissez votre code, pas le modèle, exécuter chaque requête, avec les valeurs…
5 min de lecture
Les permissions sont des règles qui décident quels outils un agent de programmation peut utiliser librement, lesquels exigent votre approbation et lesquels sont interdits.
5 min de lecture
OpenAI annonce qu’Agent Builder et Evals ne seront plus offerts sur sa plateforme à partir du 30 novembre 2026 : toute personne qui a un agent fonctionnel sur le canevas devrait noter dès maintenant comment…
4 min de lecture
Donnez aux deux agents un seul ensemble de règles de projet dans un fichier AGENTS.md, que Codex lit directement et que Claude Code lit grâce à une importation d’une ligne dans CLAUDE.md, puis donnez à chaque…
4 min de lecture
Concevez d’abord le déroulement de l’appel (accueil, ce que l’agent peut consulter, ce qu’il doit confirmer, quand il passe le relais à une personne), puis connectez-vous à la Realtime API d’OpenAI avec le…
5 min de lecture
Révisez-le comme une demande de fusion venue d’un nouveau venu rapide et sûr de lui : vérifiez d’abord la portée de ce qui a changé, puis si les tests sont réels et passent encore sur votre machine, ensuite…
5 min de lecture
Dressez la liste exacte des tâches que l’agent doit accomplir, puis accordez la permission la plus étroite pour chacune, sous forme de jeton d’accès limité et de courte durée plutôt que votre mot de passe ou…
5 min de lecture
Pour la plupart des petites entreprises, commencez par le RAG, parce que le besoin habituel est d’obtenir des réponses fondées sur vos propres faits, et que ces faits changent.
5 min de lecture
Écrivez de petits tests automatisés qui décrivent le comportement voulu, lancez-les pour confirmer qu’ils échouent, validez-les dans le dépôt, puis seulement ensuite demandez à l’agent de programmation…
4 min de lecture
Pour une petite collection, souvent non : si tout tient confortablement dans la fenêtre de contexte, tout coller est plus simple et peut bien fonctionner.
5 min de lecture
Envoyez chaque requête au plus petit modèle capable de la traiter : une première étape peu coûteuse, souvent nano lui-même, trie les requêtes selon leur difficulté, nano et mini font le travail courant, et le…
4 min de lecture
Les trois permettent maintenant de construire un agent d’IA qui décide des étapes à suivre, mais ils l’emballent différemment.
5 min de lecture
Enveloppez chaque tâche d’IA planifiée dans un petit garde-fou qui écrit une ligne de journal par exécution, refuse de démarrer quand un nombre quotidien d’exécutions ou un budget mensuel est épuisé, et vous…
4 min de lecture
Découpez le travail en étapes qui ont chacune un seul objectif clair, confiez chaque étape à son propre agent avec des consignes étroites et un format de sortie fixe, et laissez votre code transmettre le…
5 min de lecture
La mémoire d’un agent, c’est l’information qu’un agent d’IA conserve au-delà de la conversation en cours, comme vos préférences, vos projets en cours et vos décisions passées, stockée en dehors du modèle et…
5 min de lecture
Connectez-vous avec votre compte ChatGPT, ajoutez un dossier de projet et ouvrez un fil par tâche; chaque agent peut travailler dans sa propre copie du code, et vous examinez ses modifications sous forme de…
5 min de lecture
Une boucle d’auto-amélioration laisse un modèle proposer une meilleure version du prompt d’un agent, note chaque version sur un ensemble fixe de cas de test et garde la meilleure.
4 min de lecture
Rédigez-le comme un court manuel d’utilisation en sections identifiées : l’objectif et ses limites, le contexte dont l’agent a besoin, quand utiliser chaque outil, les règles qu’il ne doit jamais enfreindre,…
4 min de lecture
Un connecteur est un lien autorisé entre un assistant d’IA et un autre service, comme Google Drive ou Google Agenda, qui permet à l’assistant de chercher dans vos fichiers ou votre horaire et de citer ce…
4 min de lecture
Rassemblez une trentaine de vraies tâches que vous avez déjà faites, notez pour chacune l’entrée et ce que doit contenir une bonne réponse, et choisissez comment chacune sera notée : par correspondance…
5 min de lecture
Les agents d’IA sont le plus fiables pour des tâches courtes et bien définies qui donnent une rétroaction claire, comme exécuter du code et vérifier si les tests passent, ou rassembler l’information de…
5 min de lecture
Créez un dossier contenant un fichier SKILL.md dont l’en-tête donne à la compétence un nom et une description des cas où l’utiliser, puis écrivez les étapes en dessous et ajoutez les scripts ou modèles…
4 min de lecture
Placez le script de l’agent dans un dépôt GitHub et ajoutez un flux de travail GitHub Actions avec un déclencheur planifié, pour que les serveurs de GitHub l’exécutent à heure fixe chaque jour sans que votre…
3 min de lecture
Vous créez un serveur MCP qui offre un ou plusieurs outils, vous enregistrez un petit composant HTML que ChatGPT affichera et vous reliez chaque outil à ce composant.
4 min de lecture
Dans Agent Builder, vous dessinez votre agent comme un flux de travail sur un canevas visuel : un point de départ, des vérifications de garde-fous, une ou plusieurs étapes d’agent avec leurs outils et une…
5 min de lecture
Activez la revue de code de Codex pour un dépôt GitHub, puis laissez-le examiner automatiquement chaque demande de fusion quand elle est marquée comme prête, ou demandez une revue avec un commentaire comme «…
5 min de lecture
Un sous-agent est un agent auxiliaire à qui un agent principal confie une tâche ciblée; il travaille dans son propre contexte vierge, avec ses propres consignes et ses propres outils, puis renvoie un court…
5 min de lecture
Un bon cahier des charges dit à l’agent quoi construire, ce qu’il ne doit pas faire et comment tout le monde saura que c’est terminé, idéalement sous forme de tests qu’il peut exécuter.
4 min de lecture
Construisez une courte chaîne de nœuds n8n : un Schedule Trigger réglé sur une fois par semaine, une étape qui récupère les données de la semaine, une étape d’IA qui en tire un résumé, un courriel…
5 min de lecture
Installez-le avec npm (il exige Node.js 20 ou plus récent), tapez gemini dans un dossier de projet, connectez-vous avec un compte Google personnel et décrivez ce que vous voulez en langage courant.
5 min de lecture
Ajoutez une étape qui met le flux de travail en pause une fois que l’IA a fait sa part et avant que quoi que ce soit ne vous échappe, envoie l’ébauche à une personne et ne reprend que si cette personne…
5 min de lecture
Rédigez un ensemble de tâches réalistes, chacune avec une vérification de l’état final que l’agent doit laisser derrière lui (le résultat) et, quand c’est important, une vérification des outils qu’il a…
5 min de lecture
Rédigez un court fichier Markdown en texte brut, à la racine de votre dépôt, qui dit à un agent de programmation ce qu’est le projet, quelles commandes le compilent et le testent, et quelles règles suivre;…
5 min de lecture
Utilisez Codex d’OpenAI quand vous voulez confier plusieurs tâches bien définies à des bacs à sable infonuagiques et en examiner les résultats plus tard, et Claude Code d’Anthropic quand vous voulez un agent…
5 min de lecture
Un agent de programmation est un système d’IA qui ne se contente pas de suggérer du code, mais qui exécute lui-même une tâche de programmation : il lit votre projet, modifie des fichiers, lance des commandes…
5 min de lecture
Traitez-la comme tout autre changement à un logiciel dont vous dépendez : confirmez le changement à l’aide d’un ensemble fixe de prompts de test, ajustez vos instructions ou changez de version au besoin, et…
4 min de lecture
Installez-le avec npm, définissez votre clé d’API OpenAI, ouvrez un terminal dans le dossier de votre projet et tapez codex suivi de ce que vous voulez faire, par exemple « fix the failing test ».
4 min de lecture
Écrivez d’abord les tests, demandez au modèle d’écrire le code, exécutez les tests automatiquement et renvoyez les échecs au modèle en lui demandant de les corriger, jusqu’à ce que les tests passent ou qu’une…
5 min de lecture
Aucun serveur MCP n’est sûr par défaut : chacun est un programme qui tourne sur votre ordinateur et dont les descriptions d’outils sont lues par votre assistant d’IA.
5 min de lecture
Installez le SDK Python officiel de MCP, écrivez un court fichier qui crée un serveur FastMCP et transforme une fonction Python en outil grâce à un décorateur, puis ouvrez-le dans le MCP Inspector pour le…
4 min de lecture
L’API Responses est la nouvelle façon d’appeler les modèles d’OpenAI : un seul point de terminaison qui reçoit vos instructions et vos données d’entrée, peut conserver la conversation du côté d’OpenAI et peut…
4 min de lecture
Installez le paquet Python openai-agents, décrivez chaque agent par un nom, des instructions et les fonctions Python qu’il peut appeler comme outils, puis exécutez-le avec Runner, qui gère pour vous la boucle…
4 min de lecture
Ne comparez jamais le prix affiché seul : multipliez le prix d’entrée de chaque modèle par les jetons d’entrée que votre tâche utilise, multipliez son prix de sortie par les jetons de sortie, et additionnez…
5 min de lecture
Installez-le avec npm, ouvrez un terminal dans le dossier de votre projet, tapez claude et connectez-vous une fois avec un compte Anthropic Console dont la facturation est activée.
4 min de lecture
Le vibe coding consiste à créer un logiciel en décrivant ce qu’on veut à un assistant de programmation IA, à accepter ses modifications sans les lire et à lui recoller les erreurs jusqu’à ce que le programme…
5 min de lecture
Donnez à l’agent une tâche étroite et écrite, avec des limites claires, regardez-le travailler et reprenez vous-même les commandes pour tout ce qui est délicat, comme vous connecter, entrer des informations…
5 min de lecture
Testez les deux moitiés séparément. Vérifiez d’abord si la recherche trouve les bons passages pour un ensemble fixe de questions, vérifiez ensuite si les réponses s’en tiennent à ces passages, et faites…
5 min de lecture
L’appel de fonctions est une fonction de l’API d’un modèle : vous décrivez des outils dans votre requête, le modèle répond avec le nom et les arguments de celui qu’il veut, et votre propre code l’exécute.
4 min de lecture
Vous installez l’application Claude Desktop et Node.js, puis vous ajoutez le serveur officiel de système de fichiers au fichier de configuration de Claude Desktop, avec le chemin d’un dossier que vous…
5 min de lecture
Le Model Context Protocol (MCP) est une norme ouverte, publiée hier par Anthropic, qui définit une façon commune de connecter les assistants IA à des données et à des outils externes.
5 min de lecture
Vous donnez à un second modèle, le juge, la question, la réponse à vérifier et une courte grille d’évaluation écrite, et vous lui demandez de raisonner critère par critère avant de donner une note dans un…
5 min de lecture
Rassemblez les documents sur lesquels les gens posent vraiment des questions, nettoyez-les en texte simple, découpez-les en courts morceaux autonomes et transformez chaque morceau en plongement pour que l’IA…
6 min de lecture
Pas votre ordinateur de tous les jours, pas encore. La version bêta de *computer use* d’Anthropic vaut la peine d’être explorée, mais seulement dans une machine d’essai isolée, sans données personnelles, avec…
6 min de lecture
Vous placez une action OpenAI entre un déclencheur et le reste de votre flux de travail, vous lui donnez un prompt clair qui utilise des champs du déclencheur et vous demandez une sortie de forme fixe pour…
5 min de lecture
La mise en cache des prompts permet à un fournisseur d’IA de mémoriser le début d’un prompt que vous envoyez encore et encore, pour que les requêtes suivantes qui commencent de la même façon soient facturées…
5 min de lecture
Vous ouvrez une connexion WebSocket vers l’API Realtime d’OpenAI, vous configurez la session avec des consignes, une voix, un format audio et les outils voulus, puis vous transmettez en continu l’audio de la…
4 min de lecture
Écrivez un petit script qui fait une seule tâche bornée, comme résumer les derniers éléments d’un fil en un seul appel d’API, et laissez cron, le planificateur standard d’Unix, le lancer à heure fixe.
4 min de lecture
L’ajustement fin de GPT-4o vaut la peine quand vous avez une tâche étroite et répétée, de quelques dizaines à quelques centaines de bons exemples, et un prompt soigné qui rate encore le ton, le format ou les…
5 min de lecture
Décrivez la forme exacte que vous voulez sous forme de schéma, envoyez-le avec le mode strict activé, et la réponse aura cette forme à chaque fois, sauf si le modèle refuse ou manque de jetons.
5 min de lecture
Vous décrivez la tâche en langage courant, vous connectez les applications que l’agent peut utiliser et vous décidez exactement quelles actions il peut faire de lui-même, à l’aide d’un outil sans code comme…
5 min de lecture
Envoyez la plupart de vos demandes à GPT-4o mini, qui coûte 0,15 $ US par million de jetons en entrée et 0,60 $ US par million de jetons en sortie, et gardez le plus gros GPT-4o seulement pour les demandes…
5 min de lecture
Créez-le en six décisions : un objectif étroit, une courte liste d’outils, une boucle qui permet au modèle d’appeler ces outils par l’appel de fonctions, une mémoire pour ce qu’il a appris, des règles d’arrêt…
4 min de lecture
Un cadriciel d’agents est une bibliothèque de code qui fournit la tuyauterie dont tout agent d’IA a besoin, comme la boucle réfléchir-agir-observer, la définition des outils, la mémoire et les passages de…
5 min de lecture
Créez un GPT quand les personnes qui ont besoin de votre assistant utilisent déjà ChatGPT et que vous voulez quelque chose qui fonctionne cet après-midi, sans code.
5 min de lecture
Vous écrivez des exemples de conversations dans le format de clavardage d’OpenAI, chacun composé d’un message système, d’un message de l’utilisateur et de la réponse idéale de l’assistant, et vous les…
4 min de lecture
Une eval est un ensemble fixe d’entrées de test, chacune associée à ce qu’une bonne réponse doit contenir, que vous faites passer dans un modèle pour noter la performance d’un prompt ou d’un système.
5 min de lecture
Ollama est un nouvel outil gratuit à code source ouvert, publié pour la première fois en aperçu préliminaire le 8 juillet 2023, qui télécharge et fait tourner des grands modèles de langage ouverts sur votre…
5 min de lecture
Vous décrivez une fonction météo au modèle en JSON Schema, vous laissez gpt-3.5-turbo-0613 répondre avec les arguments qu’il veut utiliser, vous exécutez la vraie recherche météo dans votre propre code, puis…
4 min de lecture
Vous découpez vos documents en courts passages, vous transformez chaque passage en plongement et, pour chaque question, vous récupérez les quelques passages les plus proches par le sens; vous les collez…
4 min de lecture
Une base de données vectorielle stocke des plongements (*embeddings*), ces listes de nombres qui représentent le sens d’un texte ou d’une image, et trouve rapidement les éléments stockés dont les nombres sont…
5 min de lecture
L’injection de prompt est une attaque dans laquelle un texte écrit par quelqu’un d’autre que le créateur de l’application, tapé dans une conversation ou caché dans une page Web, un courriel ou un document,…
5 min de lecture
Une boucle d’agent demande au modèle d’écrire une pensée et une action dans un format texte fixe; votre programme lit cette action, exécute l’outil correspondant et renvoie le résultat comme message suivant.
4 min de lecture
Un agent d’IA est un programme qui donne à un modèle de langage un objectif, un ensemble d’outils comme la recherche sur le Web ou l’écriture de fichiers, et une boucle qui lui permet de choisir et d’exécuter…
5 min de lecture
Auto-GPT est un programme Python gratuit à code source ouvert, publié le 30 mars 2023, qui donne un objectif à GPT-4 et le laisse décider lui-même de ses prochaines étapes, comme chercher sur le Web, lire des…
5 min de lecture
llama.cpp est un petit programme à code source ouvert, publié sur GitHub le 10 mars 2023 par Georgi Gerganov, qui fait tourner les modèles de langage LLaMA de Meta en C/C++ pur sur le processeur d’un…
5 min de lecture
Un message système est le premier message d’une conversation dans l’API de ChatGPT, rédigé par le développeur plutôt que par l’utilisateur, qui indique au modèle qui il est, ce qu’il doit faire et comment il…
5 min de lecture
Écrivez le commentaire ou la docstring comme une petite spécification avant le code : ce qui entre, ce qui sort, les cas limites, et un ou deux exemples.
5 min de lecture
Vous montrez au modèle une poignée de photos, habituellement de trois à cinq, du sujet ou du style que vous voulez, et vous lancez un court entraînement qui associe ces images à un nouveau mot que vous…
6 min de lecture
Vous envoyez chaque texte au point de terminaison Moderation d’OpenAI, un classificateur gratuit lancé le 10 août, qui vous indique si le texte est signalé pour du contenu sexuel, haineux, violent ou lié à…
5 min de lecture
Dans Google Sheets, vous pouvez écrire une petite fonction personnalisée en Apps Script qui envoie le texte d’une cellule à l’API d’OpenAI et inscrit la réponse de GPT-3 dans la cellule.
4 min de lecture
Zapier et Make, le nouveau nom d’Integromat, relient tous deux des applications sans code, mais ils ne comptent pas l’utilisation de la même façon : Zapier facture une tâche pour chaque action exécutée, alors…
5 min de lecture
Une clé d’API est un code secret qui vous identifie auprès d’un service comme l’API d’OpenAI; chaque requête faite avec cette clé est donc facturée à votre compte.
5 min de lecture
Un plongement est une longue liste de nombres qui représente le sens d’un texte, de sorte que des textes de sens semblable reçoivent des nombres semblables.
5 min de lecture
L’ajustement fin entraîne une copie privée d’un modèle GPT-3 sur vos propres exemples, chacun formé d’un prompt et de la complétion voulue, pour que le modèle apprenne votre tâche et votre style au lieu de…
5 min de lecture
Rédigez votre demande comme le début du fichier voulu, dans des commentaires qui nomment le langage, les éléments et les cas limites, puis laissez Codex poursuivre.
5 min de lecture
OpenAI Codex est un descendant de GPT-3 entraîné sur du langage naturel et des milliards de lignes de code public; depuis le 10 août 2021, une version améliorée est offerte en version bêta privée par l’API…
4 min de lecture
L’automatisation sans code consiste à relier les applications que vous utilisez déjà pour qu’un événement dans l’une, comme une nouvelle réponse à un formulaire, déclenche automatiquement des actions dans les…
5 min de lecture
Avec l’API de GPT-3, vous pouvez construire presque n’importe quel outil dont l’entrée et la sortie sont du texte, d’un outil de réécriture de style ou d’un assistant de questions-réponses à un personnage de…
4 min de lecture
L’API d’OpenAI est un nouveau service Web, annoncé le 11 juin 2020, qui permet à un logiciel d’envoyer du texte aux modèles de la famille GPT-3 d’OpenAI et de recevoir une suite en retour.
4 min de lecture
Abonnez-vous à l’infolettre hebdomadaire et recevez le guide gratuit : ce qui a changé en IA cette semaine, une leçon, un prompt à essayer. Désabonnement en un clic.