Des articles pour ceux qui
livrent le stack
Textes sur React, Node.js, TypeScript et AI. Un corps traduit est affiché quand il existe. Sinon vous voyez le texte anglais et une note qui le dit.
Tag : Observability
Mettre les agents en production grâce au Foundry Agent Service et au Agent Framework
Comment un agent de préparation des ventes passe d’un code local à une déploiement hébergé, ciblé sur l’identité, isolé et surveillé, publié dans Microsoft 365 et basé sur des données commerciales.
11 min de lectureIngénierie des outils d’agent : état, vérification et contrôle autour du modèle
Une vue en temps réel des agents de production : pourquoi les prompts et le contexte ne suffisent pas, et comment l’état durable, la mise en œuvre, la vérification et l’observabilité comblent cette lacune.
13 min de lectureArchitecture d’IA pour les agents de production : modes de défaillance et couches de contrôle.
Un guide d’architecture couche par couche pour les systèmes d’agents de production : modes de défaillance, mécanismes de protection, évaluations, observabilité, contrôle des coûts, principe de confiance zéro et gouvernance.
12 min de lectureLorsque le tableau de bord affiche un état vert mais que l’agent se trompe : le traçage de l’état
Le tableau de bord est vert et l’agent a tort : les échecs se cachent dans l’état transmis entre les étapes fonctionnelles. Quels enregistrements de suivi, d’acheminement et d’évaluation doivent être capturés.
12 min de lectureL’IA de printemps dans les entreprises : un agent de support équipé d’outils, de RAG et d’outils de révision
Spring AI pour un assistant de tri des incidents : prompts en tant que contrats, sortie structurée, appel d’outils, découverte MCP, Qdrant RAG, suivi et boucles d’agent bornées.
13 min de lectureAgents auto-améliorateurs : guérison, apprentissage et changement contrôlé
Des agents capables d’améliorer eux-mêmes sans risque : auto-réparation en temps de exécution, apprentissage entre différentes exécutions, ainsi que des modifications qui ne sont déployées qu’après évaluation et utilisation de canaris, sur LangGraph.
15 min de lectureLes journaux d’audit des agents IA nécessitent 12 champs : ce que LangChain, CrewAI et quatre autres enregistrent.
Un décompte statique de six frameworks d’agents, allant de LangChain et CrewAI au OpenAI Agents SDK, par rapport à un projet de trace d’audit de 12 champs : la couverture médiane est de 5 sur 12.
10 min de lectureQui évalue l’évaluateur ? Validation des suites d’évaluation d’agents avant de leur faire confiance.
Qui valide l’ensemble d’évaluation ? L’évolution des juges, l’évaluation basée uniquement sur les résultats, les modes de défaillance privés et les coûts cachés peuvent faire en sorte que les évaluations des LLM soient trompeuses. Vérifications concernant l’ensemble d’évaluation lui-même.
7 min de lecturePourquoi les agents d’IA en production ont besoin de plus qu’un bon prompt.
Les agents de production basés sur l’IA ont besoin de plus qu’un bon prompt : du contexte, des outils, de la mémoire, une gestion des échecs, de l’observabilité, des tests et une autonomie adaptés au risque réel.
7 min de lecture
À propos de ces articles
Devis en 24 h
Besoin du même stack en couche opérateur ? Envoyez le brief — devis sous 24 h.