Ondes de choc volcaniques dans les baromètres domestiques : alerte précoce à partir de 29 334 enregistrements de stations météorologiques
Comment les stations météorologiques Netatmo, la physique des ondes lamb et les agents d’intelligence artificielle ont localisé des cratères, estimé l’intensité des explosions et fourni des minutes d’avertissement sans fausses alertes.
Sources: Hearing the Mountain’s Roar: How Antigravity CLI’s AI Agents & IoT Data Track Volcanic Shockwaves
Lorsqu’un volcan entre en éruption de manière explosive, il émet des ondes Lamb : des ondes acoustico-gravitationnelles piégées dans la couche la plus basse de l’atmosphère qui se propagent horizontalement autour du globe à la vitesse du son. Une étude basée sur 29 334 enregistrements d’observations réels provenant de stations météorologiques grand public au Japon montre que des baromètres ordinaires de balcon peuvent détecter ces ondes. Ce système permet de déterminer la vitesse des ondes en fonction de la température, de localiser la direction d’un cratère non surveillé, d’estimer l’énergie de l’explosion et d’offrir aux villes situées en aval un délai d’alerte de 2,5 à 15 minutes, sans faux positifs lors des tempêtes violentes.
Deux éruptions de référence survenues en 2018 servent de base à cette étude : l’explosion phréatique au mont Kusatsu-Shirane et l’explosion magmatique au mont Shinmoedake. Les résultats présentés ici constituent une perspective académique parmi d’autres concernant l’infrason volcanique et la dynamique des ondes atmosphériques, dans le but d’encourager davantage de tests empiriques et de discussions au sein de la communauté des géophysiciens.
Le problème des capteurs peu nombreux
La surveillance professionnelle des volcans repose sur des microphones à infrason et des sismographes gérés par des agences gouvernementales ainsi que par des réseaux de surveillance de l’interdiction des essais nucléaires. Ces stations sont espacées de 100 à 500 kilomètres les unes des autres. Cette distance crée de grandes zones aveugles, provoque un fort aliasing spatial et expose les capteurs isolés aux turbulences du vent.
Les baromètres IoT destinés aux consommateurs offrent une solution pour combler cette lacune. Les milliers de stations Netatmo résidentielles réparties au Japon peuvent être considérées comme une antenne acoustique de la taille d’un continent. Les 29 334 enregistrements d’observation de l’étude indiquent que des capteurs de pression fixés sur les balcons des appartements peuvent avertir de l’arrivée d’une onde de choc et de ses cendres avant même qu’elles n’atteignent les centres urbains situés en aval.
Le processus de recherche
Tout le projet dépend de la transformation des données provenant des capteurs domestiques en un format permettant l’application des lois de la physique. Une illustration résume bien ce principe : une éruption génère une onde cylindrique bidimensionnelle de type Lamb qui se propage le long du sol à 1 134 km/h ; des milliers de stations résidentielles situées en zone urbaine la détectent, puis des outils d’analyse en nuage calculent l’explosivité en tonnes de TNT tout en émettant un avertissement de 2,5 à 15 minutes.
Ingestion continue
La base est un pipeline cloud automatisé qui fonctionne sans supervision. Un déclencheur Google Apps Script sans serveur s’active toutes les 20 minutes et appelle l’API Netatmo Connect afin d’obtenir la pression barométrique, la température extérieure et l’humidité relative provenant de stations situées dans les villes japonaises et aux pieds des montagnes. Les données reçues sont indexées, structurées et archivées dans un répertoire central de Google Drive.
Quatre étapes de travail
Avec l’accumulation continue de données, le projet s’est déroulé en quatre étapes, allant de l’archive brute à une théorie vérifiée.
- Ingestion en temps réel. Le script agit comme un moteur en arrière-plan, effectuant des requêtes toutes les 20 minutes pour créer un archive météorologique continue et étendue dans le temps.
- Cartographie des événements historiques. Les éruptions passées sont comparées à cet archivage en extrayant des périodes de 24 heures allant de 12 heures avant l’éruption à 12 heures après, tant pour l’explosion de vapeur de Kusatsu-Shirane que pour l’éruption de Shinmoedake. Des jours de contrôle en conditions calmes ou orageuses servent de références.
- Étude des anomalies avant et après l’éruption. Les séries temporelles atmosphériques avant et après chaque explosion sont analysées pour deux éléments : la présence éventuelle d’anomalies faibles de dégazage hydrothermique avant la rupture, et la manière dont l’onde de choc traverse les zones urbaines par la suite.
- Théorie et validation dans un environnement CLI. Des modèles mathématiques unifiés, à savoir l’enthalpie de Bolton, les équations bidimensionnelles compressibles des ondes Lamb, la formation de faisceaux de lenteur et l’intégration cylindrique du flux d’énergie, ont été mis à disposition de Gemini, exécuté à l’intérieur de l’environnement CLI Antigravity, afin de vérifier si les avertissements et les diagnostics liés aux cratères fonctionnaient sans aucun faux positif.
La physique à travers quatre images du quotidien
Comment un appareil non calibré d’une valeur de 150 dollars, placé sur un balcon, peut-il détecter une explosion se produisant à des centaines de kilomètres de distance ? Quatre analogies familières permettent de l’expliquer.
La foudre et le tonnerre
Un éclair apparaît immédiatement, suivi du tonnerre quelques secondes plus tard, car la lumière se déplace à 300 000 km/s tandis que le son se déplace à environ 340 m/s. Le système d’alerte exploite cette différence de vitesse. L’onde de choc d’une éruption traverse le sol à environ 315 m/s, soit près de 18,9 km par minute. Les stations situées à 10 à 30 km du cratère perçoivent le premier pic de pression en 30 à 90 secondes et envoient leurs données vers le cloud à la vitesse de la lumière.
Une objection évidente : si chaque station envoie ses données par lots de 20 minutes, comment un délai de plusieurs minutes pourrait-il être réel ? Deux principes répondent à cette question.
- Durée de propagation en fonction de la distance. L’onde a besoin de temps réel pour parcourir un territoire donné. Le délai augmente avec la distance et est inévitable : les communautés situées à 50 km attendent environ 2,6 minutes, celles situées à 100 km environ 5,3 minutes, Tokyo (à 180 km de Kusatsu-Shirane) environ 9,5 minutes, et le couloir de transport de Fukuoka (à 280 km de Shinmoedake) près de 15 minutes, soit 14,8 minutes. Les capteurs situés près du cratère atteignent le nuage en moins d’une minute, de sorte que les alertes arrivent bien avant l’onde.
- Rapports différés. Les stations locales ne transmettent pas en même temps, car leurs cycles de 20 minutes sont répartis dans le temps. Dans un groupe dense de 100 stations, un nouveau paquet atteint le nuage en moyenne toutes les 12 secondes, ce qui transforme des mises à jour discrètes toutes les 20 minutes en un flux presque continu. Les webhooks déclenchés par événement peuvent ajouter des impulsions de quelques dixièmes de seconde lorsque apparaît un fort gradient de pression.
Vagues ondulatoires dans un étang
Une explosion non contenue diffuse son énergie dans trois dimensions, et le signal s’amenuise rapidement, décroissant avec le carré de la distance. Les ondes de Lamb sont retenues à la surface par la gravité et la différence de densité de l’air, ce qui les fait se propager sous forme d’un anneau plat et bidimensionnel. L’énergie ne peut pas s’échapper vers le haut, ce qui fait que le pulse décroît beaucoup plus lentement, en proportion de la distance et non de son carré. Cet effet de guide d’ondes permet au signal de rester intact sur des centaines de kilomètres, c’est pourquoi un baromètre non calibré dans le centre de Tokyo peut enregistrer un micro-pulse intense provenant d’un cratère situé à 180 km de distance.
Audition binaurale sur 150 kilomètres
Les gens peuvent fermer les yeux et pointer vers un son, car le cerveau compare les temps d’arrivée des sons aux oreilles gauche et droite avec une précision allant jusqu’aux microsecondes. Le système fait de même pour toute une région. En comparant les différences de temps d’arrivée entre 25 et 88 stations disposées le long d’une ligne de base de 150 km, le formateur de faisceau à retard et somme, fonctionnant dans l’espace de la lenteur, aligne les traces enregistrées pour chaque azimut sur tout le cercle. L’angle à l’occasion duquel les formes d’onde se renforcent mutuellement indique l’emplacement du cratère, avec une précision sub-dégradée et sans nécessiter de connaissances préalables sur ses coordonnées.
Le portail de vitesse et le test du chœur
Le vent local représente le principal problème pour l’instrumentation. Selon le principe de Bernoulli, les rafales sur un balcon ouvert provoquent des chutes de pression locales importantes, et une seule station peut enregistrer des centaines de pics faux par temps orageux. Deux obstacles physiques permettent de les éliminer.
- La barrière de vitesse. Les rafales se déplacent avec une frontière météorologique à une vitesse allant de 10 à 25 m/s, soit de 36 à 90 km/h. Une véritable onde de Lamb volcanique se propage à la vitesse du son, entre 300 et 330 m/s, soit près de 1 134 km/h. Tout ce qui est plus lent que le son est rejeté immédiatement.
- Le test du chœur régional. Une rafale est un phénomène local et non corrélé qui frappe une maison à la fois. Une onde de choc volcanique est une frontière d’onde cohérente qui touche successivement des dizaines de maisons dans toute une préfecture.
La nécessité d’une cohérence de phase entre de nombreuses stations, avec un seuil d’au moins 0,70, a éliminé les 378 pics de rafales enregistrés lors de tempêtes violentes. Le taux de faux positifs était de 0,0 %.
Un exemple concret du calcul du délai d’arrivée
Les chiffres derrière cet avertissement sont faciles à vérifier. À 315 m/s, une vague parcourt 18,9 km par minute ; ainsi, une ville située à 50 km du cratère dispose d’environ 2,6 minutes entre la première détection et l’arrivée de la vague, tandis qu’une ville à 280 km dispose de près de 15 minutes. Ce qui est crucial pour l’alerte précoce, c’est que la détection ait lieu dans un rayon proche, de 10 à 30 km, où le signal est enregistré en 30 à 90 secondes, et que les serveurs cloud le reçoivent en moins d’une minute. Chaque kilomètre supplémentaire entre le cratère et une ville située en aval ajoute donc environ trois secondes supplémentaires d’avertissement utile. La fourchette de 2,5 à 15 minutes citée pour ce système correspond simplement à l’application de ces principes géométriques aux communautés les plus proches et les plus éloignées étudiées.
La même géométrie explique pourquoi une couverture dense est plus importante que la qualité du capteur. Un seul baromètre bon marché produit des signaux bruités, mais des dizaines d’unités qui concordent en termes de timing et de direction génèrent un signal que nul instrument isolé ne pourrait produire. Les appareils grand public ne sont pas calibrés, ce qui rend les valeurs de pression absolue peu fiables, mais la forme et le moment d’arrivée d’un pulse net survivent, et ce sont uniquement ces temps d’arrivée que nécessitent les techniques de formation de faisceau et d’inversion de vitesse.
Guider l’IA avec de la logique physique
L’IA générative excelle à détecter des motifs dans des données à haute dimension. Cependant, appliquée de manière aveugle à des séries météorologiques bruitées, un modèle non contraint peut s’accrocher à des corrélations artificielles et générer des artefacts dépourvus de fondement. Pour transformer les résultats bruts du modèle en découvertes vérifiables, il faut un système hybride : des agents de recherche de motifs couplés directement à la théorie des principes fondamentaux et à la logique du domaine.
L’idée directrice est simple : en alimentant un modèle non seulement avec des chiffres, mais aussi avec les lois physiques qui les régissent, les équations thermodynamiques et les contraintes géométriques, on lui fournit une approche structurée qui augmente les chances de détecter des motifs réels tout en filtrant le bruit. La même philosophie a été appliquée dans d’autres projets de prédiction des catastrophes. Pour les séismes, des équations de couplage lithosphère-atmosphère ainsi que des tenseurs de moment sismique ont été utilisés pour identifier des pics d’ionisation du radon et d’enthalpie allant de 5,96 à 15,47 K·heures avant la rupture. Pour les pluies torrentielles en milieu urbain, des équations de moment et d’hélicité de Navier-Stokes en 3D ont permis de détecter l’amorçage convectif localisé 45 minutes à l’avance. Pour les volcans, des équations d’ondes Lamb, des valeurs d’enthalpie de la vapeur selon Bolton ainsi que des contraintes liées à la formation des faisceaux lents ont permis de distinguer les motifs des ondes de choc et les orientations des cratères parmi 29 334 enregistrements bruyants.
Six étapes de traitement
Guidé par cette approche basée sur l’intervention humaine, ce processus permet de passer des mesures brutes à des grandeurs physiques, comme le montrent les étapes suivantes. En résumé, les mesures résidentielles de pression, de température et d’humidité sont soumises à des filtres, à une inversion de vitesse, à une formation de faisceau et à une intégration d’énergie, ce qui aboutit à une représentation de la taille de l’explosion et du refroidissement des cendres.
- Suivi de l’enthalpie avant l’éruption. La température, l’humidité et la pression sont converties en température potentielle équivalente selon la formule de Bolton. En soustrayant les tendances régionales, on détecte des anomalies thermiques liées à la vapeur, de 1,5 à 3,2 K, en aval du volcan quelques heures avant la rupture.
- Filtrage à phase zéro. Les séries de pression sont filtrées à l’aide de filtres bandpass bidirectionnels Butterworth allant de 0,0005 à 0,02 Hz, ce qui permet d’éliminer les cycles marins de 24 heures tout en conservant intactes les heures d’arrivée des vagues.
- Inversion du temps de propagation dépendant de la température. Au lieu d’une vitesse du son constante, le modèle intègre les champs de température locaux, ce qui permet de prendre en compte la lenteur du son sur les plateaux montagneux gelés.
- Formage de faisceau. Chaque groupe régional de stations a ses traces décalées dans le temps et sommées pour chaque direction sur un réseau de lenteur de 360 degrés. La direction où la somme est la plus forte et la plus cohérente, mesurée en termes de similarité, indique l’azimut inverse.
- Intégration cylindrique du flux d’énergie. La variation de pression est intégrée sur une surface cylindrique bidimensionnelle et mise à l’échelle par une hauteur d’échelle atmosphérique d’environ 8,4 km, ce qui permet de déterminer l’énergie acoustique totale et son équivalent en TNT.
- Rafraîchissement par les cendres. Des capteurs de température densément répartis en banlieue détectent l’effet de protection solaire sous les nuages de cendres en déplacement, ce qui se traduit par des baisses locales de 4,10 à 6,13 degrés Celsius.
Ce que révèlent 29 334 enregistrements
Deux événements contrastés constituent un test fiable. Une vague de froid hivernale et une explosion magmatique printanière modérée génèrent des vitesses d’onde différentes ainsi que des énergies très distinctes, ce qui rend difficile de qualifier de coïncidence une méthode capable de gérer les deux cas. Les enregistrements proviennent de deux éruptions majeures ainsi que de deux périodes de conditions météorologiques extrêmes, qui ont servi de références pour compter les faux signaux d’alarme.
La validation a porté sur 29 334 enregistrements réels de 20 minutes chacun, couvrant deux éruptions majeures et deux événements météorologiques extrêmes.
- Vitesse d’onde dépendante de la température. À Kusatsu-Shirane, l’onde de choc s’est déplacée à 304,38 ± 4,73 m/s. La vitesse du son au niveau de la mer est d’environ 340 m/s, mais le son ralentit dans l’air froid et dense. Ce matin de janvier, avec une température de -5 degrés Celsius dans les hautes terres de Gunma, la théorie prévoit une vitesse de 304,8 m/s. Le réseau non calibré a détecté ce ralentissement thermique avec une précision de 99,8 % (R carré égal à 0,980). À Shinmoedake, dans un air de printemps à 12 degrés, la vitesse était de 313,27 m/s, ce qui correspond à 98,5 % de la valeur prévue par la théorie.
- Localisation d’un cratère inconnu à 150 km. Grâce à la formation de faisceau entre les stations de Kyushu, on a déterminé que le cratère de Shinmoedake se trouvait à un azimut de 169,49 degrés, contre 167,72 en réalité, soit une erreur de seulement 1,78 degré.
Trois manières de l’utiliser
Transformer les stations météorologiques domestiques en sources d’informations géophysiques en temps réel permet de fournir trois types de protection, chacun dépendant du délai d’avertissement offert par la distance et la vitesse du réseau.
Aviation et infrastructures urbaines
Les aéronefs et les villes font face à la même menace, mais à des échelles de temps différentes. Les pilotes doivent éviter une colonne de cendres en ascension en quelques secondes, tandis qu’une ville a besoin de quelques minutes pour préparer ses espaces souterrains et intérieurs.
Les cendres volcaniques fondent à l’intérieur des moteurs à réaction à plus de 1 400 degrés Celsius, se transformant en verre liquide qui peut provoquer une panne totale du moteur. Un réseau capable d’estimer la quantité de cendres et la position du cratère en quelques secondes peut alerter le contrôle aérien et les systèmes de gestion des vols afin qu’ils redirigent les aéronefs autour des colonnes de cendres en ascension. Les villes situées en aval disposent d’un délai de 5 à 15 minutes pour sceller les conduits de ventilation des métros, passer le système de traitement de l’air des hôpitaux en mode filtration HEPA interne, interrompre les travaux en extérieur et commencer à ralentir les trains à grande vitesse.
Tsunamis volcaniques
Les calderas sous-marines qui explosent et les versants des îles qui s’effondrent, comme à Krakatoa en 1883 et à Hunga Tonga en 2022, génèrent des tsunamis mortels. Les tsunamis des profondeurs de l’océan se déplacent à près de 200 m/s et ralentissent à 30 à 50 m/s dans les eaux côtières peu profondes, tandis que les ondes Lamb atmosphériques se déplacent à 315 m/s et les dépassent en vitesse. Les baromètres côtiers qui détectent ces ondes aériennes permettent d’obtenir un délai de 15 à 45 minutes avant l’arrivée de l’eau, ce qui permet de fermer automatiquement les écluses des digues et d’arrêter les trains.
Localisation de cratères invisibles
Ce cas est particulièrement important pour les volcans que personne ne surveille.
Le pire danger volcanique est une éruption soudaine provenant d’une montagne endormie ou d’une fissure latérale non surveillée, sans instruments gouvernementaux à proximité. Deux méthodes permettent de y faire face. Avant la rupture, la vapeur qui s’échappe crée de petites anomalies locales d’une amplitude de 1,5 à 3,2 K en termes de température potentielle équivalente, et la résolution de l’équation d’advection-diffusion adjointe permet de tracer la colonne de fumée jusqu’à sa source, permettant ainsi d’anticiper les jours de dégazage imminents. Après une explosion, des sous-ensembles régionaux indépendants situés à Kanto, Nagoya et Kyushu calculent des lignes de croisement avec une erreur de 0,48 degré, ce qui permet de localiser le cratère actif à moins de 840 mètres en quelques minutes seulement.
La configuration de recherche collaborative avec l’IA
Un chercheur principal humain reste en charge de la supervision et de l’approbation, tandis qu’un groupe d’agents spécialisés s’occupe de l’ingestion des données, de la modélisation et de la simulation, du développement de code, de la falsification et de l’évaluation par des pairs simulés. Chacun a une tâche précise : l’un audite les plans à l’aide de simulations mathématiques, un autre évalue la faisabilité théorique, un autre écrit le code, d’autres encore audite les résultats, assurent l’intégrité des données et examinent la discussion théorique, et les deux derniers vérifient le respect des normes stylistiques et la mise en page.
La résolution des équations de mécanique du continuum, l’ingestion des données, les vérifications de falsification et la préparation d’un manuscrit LaTeX prêt pour publication ont toutes été effectuées dans Antigravity CLI, alimenté par Gemini ainsi que par un cadre de recherche auxiliaire appelé tanaike-lab. Le travail s’est déroulé en cinq phases.
- Induction stratégique par un humain. Le chercheur principal a commencé par une charte de recherche soumise à des contraintes mathématiques plutôt que par une demande ouverte, en énonçant six exigences précises : concevoir un détecteur d’ondes Lamb barométriques à petite échelle à partir de dispositifs IoT issus de la science citoyenne ; utiliser des périodes de 24 heures (plus ou moins 12 heures) autour des deux éruptions de 2018, en prenant en compte des données météorologiques de référence pour permettre la falsification des résultats ; appliquer la température potentielle équivalente de Bolton afin d’isoler le flux thermique pré-éruptif ; imposer un filtrage bidirectionnel à phase zéro pour conserver des timestamps exacts ; inverser les vitesses de propagation en fonction des variations de température dans l’espace ; et utiliser la formation de faisceau de lenteur pour déterminer les azimuts et les rendements à partir des différences d’arrivée des signaux entre plusieurs stations.
- Plan d’audit et essais mathématiques. Des sous-agents spécialisés ont vérifié la cohérence mathématique du plan, validé le modèle de flux d’énergie cylindrique et établi l’équation d’intégrale de chemin de température pour tenir compte du relief montagneux.
- Développement de pipelines avec des points d’assertion. Un sous-agent chargé du développement de code a créé des pipelines Python isolés, chacun doté d’assertions automatisées garantissant que l’ingestion de données via OAuth2, le filtrage et la formation de faisceaux s’effectuaient à partir de données 100 % réelles, sans utilisation d’ensembles de données synthétiques.
- Analyse empirique et discussions entre agents. Les sous-agents chargés de l’audit ont débattu des résultats concernant les 29 334 enregistrements, vérifié la correspondance de 304,38 m/s, évalué la précision de l’azimut arrière des cratères et confirmé le rejet total des pics de rafales de 378.
- Évaluation par les pairs et livraison. Un panel d’évaluation simulé à cinq axes, une étape de vérification du style et un outil de détection d’erreurs de mise en page effectuaient des audits avant soumission, s’assuraient que chaque citation dans le texte correspondait, compilaient le code LaTeX et généraient des figures accessibles aux personnes malvoyantes avant que l’être humain ne donne son approbation finale.
Contrairement à un script d’agent statique, ce cadre enregistre les leçons acquises au fur et à mesure. Le processus est délibérément automatique : les directives fournies par l’être humain ainsi que les leçons vérifiées pendant l’exécution sont notées en temps réel, inscrites immédiatement dans la documentation des compétences, puis réintégrées dans l’outil sans réinstallation manuelle. Les directives de pilotage et les leçons vérifiées sont enregistrées pendant l’exécution, écrites directement dans un fichier SKILL.md, puis exportées et réinstallées dans le répertoire local du plugin CLI, avec une synchronisation immédiate avec le serveur Git, permettant ainsi au kit d’outils de continuer à évoluer.
Sa conception repose sur trois éléments. Elle oppose la génération non supervisée, qui entraîne des hallucinations et des textes superficiels, à un modèle de synergie homme-IA dans lequel l’être humain définit la direction stratégique tandis que des sous-agents accélèrent la formulation, l’exécution du code, l’audit et la révision. Son objectif est d’éliminer les contraintes opérationnelles telles que le débogage de scripts, l’interpolation de grilles temporelles irrégulières, l’ajustement des données pour un design universellement adapté aux couleurs et la correction des erreurs LaTeX, afin que les chercheurs puissent se concentrer sur le raisonnement de haut niveau. Et il couvre trois domaines : les sciences naturelles telles que la modélisation géophysique, la dynamique des fluides, la chimie quantique et les matériaux ; l’ingénierie de l’IA générative, y compris la conception de prompts, la récupération de données via RAG, l’orchestration de multiples agents, la compression du budget de tokens et les benchmarks ; ainsi que l’écosystème Google, qui inclut les bibliothèques Apps Script et l’automatisation de Workspace dans Drive, Sheets, Docs, Gmail et Forms, avec une gestion des quotas.
En résumé
Les dispositifs météorologiques résidentiels, combinés à une intelligence artificielle fondée sur les lois de la physique, peuvent former un réseau d’alerte précoce à l’échelle continentale : on y capte les ondes de Lamb et l’énergie des explosions grâce à des baromètres partagés par le public, sans aucun faux positif par rapport aux données de référence des tempêtes. Ces conclusions ne représentent qu’une des nombreuses perspectives en physique volcanique, et une validation empirique continue ainsi qu’un débat scientifique ouvert restent essentiels. Au-delà de la géophysique, le modèle consistant à ce que les humains définissent les stratégies et les contraintes physiques tandis que des agents d’intelligence artificielle s’occupent de la dérivation, du codage, de l’audit et de l’évaluation semble être un modèle scalable pour l’adaptation au climat, l’ingénierie multi-agents et l’automatisation des API de Google.
Lectures complémentaires
- L’exécution dans un navigateur pour les agents IA : Playwright, MCP et un exécuteur sécurisé — Pourquoi les agents ont besoin d’un navigateur en tant qu’environnement d’exécution, comment il s’intègre avec MCP et le mode code, ainsi que comment le sécuriser grâce à des profils, des limites de domaine et des politiques d’action.
- Les fondements des agents IA : objectif, conception des prompts et sélection du modèle — Comment poser les bases d’un agent IA opérationnel : définir l’objectif et les métriques de succès, rédiger des prompts avec des objectifs et des contraintes, puis choisir le bon modèle.