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 : python
Cinq agents qui enquêtent sur les alertes de fraude au lieu de se contenter de les noter.
Voir comment un système de fraude à cinq agents associe une note XGBoost à la collecte d’éléments de preuve déterministes, à la corrélation des journaux de connexion, ainsi qu’à des explications Gemini qui ne modifient jamais cette note.
6 min de lectureLes bases de LangChain : à quoi il sert et quand il est préférable de l’éviter complètement.
Découvrez ce que LangChain offre réellement, pourquoi les outils utilisant plusieurs fournisseurs incitent les équipes à l’adopter, quels paquets installer, et quand un wrapper simplifié est la meilleure solution.
7 min de lectureÉquipe multi-agents auto-réparatrice dans LangGraph : architecte, testeur, débogueur
Créez une machine à états LangGraph en Python dans laquelle un Architecte, un Développeur, un environnement de test pytest, un Débogueur et un Réviseur collaborent et itèrent jusqu’à ce que les tests réussissent.
31 min de lectureLangGraph en Python : États, nœuds parallèles, points de contrôle et révision humaine
Une visite pratique de LangGraph en Python : état et réducteurs de TypedDict, arêtes, outils de sauvegarde, interruptions, ainsi qu’un flux de travail de tri des e-mails avec approbation humaine.
25 min de lectureUn flux de travail d’agent LLM local construit à partir de dossiers et de fichiers Markdown
Créez un pipeline d’agents locaux à plusieurs étapes avec des contrôles d’accès, où chaque étape correspond à un dossier, les prompts sont en markdown modifiable, et un humain examine le résultat avant l’étape coûteuse.
25 min de lectureL’ingénierie de contexte en pratique : un agent de recherche du Claude Agent SDK
Créez un agent de recherche en Python à l’aide du Claude Agent SDK en utilisant les modèles d’écriture, de sélection, de compression et d’isolation, puis comparez-le à une version de base naïve lors d’exécutions mesurées.
20 min de lectureUne feuille de route pour l’ingénierie IA en 2026 : de Python aux agents et aux outils LLMOps.
Un parcours d’apprentissage en plusieurs étapes pour 2026 en ingénierie IA, allant de Python et des mathématiques, en passant par l’apprentissage automatique classique et l’apprentissage profond, jusqu’aux techniques RAG, MCP, aux agents, aux évaluations et au déploiement.
14 min de lectureIntelligence contractuelle avec OCR, RAG hybride et LangGraph
Un pipeline d’extraction de contrats : nettoyage des images, PaddleOCR avec un fallback GPT-4o, récupération via FAISS et BM25, RAG multi-requête et un rapport Excel avec des scores.
27 min de lectureAudit de la récupération RAG en ce qui concerne les fragments obsolètes, la dérive et le contexte bruité.
Un audit Python pour la récupération RAG : requêtes idéales, seuils de pertinence par cosinus, vérifications de dérive Kolmogorov-Smirnov et efficacité contextuelle, ainsi que la manière de lire le rapport.
12 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.