Tag
agents-ia
Cinq agents fiables à 90 % ne font pas un système fiable à 90 %. Ils font 59 %.
La fiabilité des chaînes d'agents est multiplicative, pas additive. Boucles d'évals, passerelle unifiée, FinOps des tokens, sécurité PII : les quatre piliers du plan de contrôle qui protège votre facteur 10x quand une flotte d'agents passe en production.
L'Anatomie d'une Loop : les 5 Blocs Fondamentaux
Une boucle d'agent n'est pas un while true : c'est un assemblage de cinq blocs - declencheur, action, preuve, memoire, condition d'arret. Anatomie d'une boucle qui transforme la repetition en amelioration, et grille de diagnostic quand elle deraille.
Les outils natifs du Loop Engineering : /loop, /goal et la boucle Ralph Wiggum dans Claude Code
Le guide des boucles natives de Claude Code : /loop et /goal, intervalles, loop vs schedule, skills SKILL.md, worktrees et la technique Ralph Wiggum de Geoffrey Huntley — avec leurs garde-fous.
Le Guide Complet du Loop Engineering
Cessez de prompter vos agents : concevez les boucles qui les pilotent. Le guide complet du Loop Engineering — définition, généalogie prompt→context→harness→loop, anatomie en 5 blocs, écosystème et limites.
Loop Engineering pour les Product Managers : la compétence de demain n'est pas le prompt
La prochaine compétence des Product Managers n'est pas le prompt engineering mais la conception de boucles : signal produit hebdomadaire, evals comme tests unitaires, et un dépôt versionné comme mémoire du produit.
Pourquoi le Prompt Engineering est mort (Vive le Loop Engineering)
Le prompt engineering optimise une exécution unique ; le Loop Engineering optimise un système qui s'améliore à chaque tour. Pourquoi le paradigme bascule, et ce qui survit de l'art du prompt.
Le contexte de vos agents IA est une surface d'attaque
Le contexte des agents IA est à la fois leur carburant opérationnel et leur principale surface d'attaque. Injection de contexte, exfiltration via la Knowledge Base, empoisonnement de la Hot Memory : trois vecteurs distincts, cinq leviers de gouvernance concrets.
Le TDD du contexte : comment maintenir un contexte d'agent vivant face à la pourriture
Le contexte se dégrade comme le code — en silence, par accumulation. Playbook concret pour appliquer le TDD du contexte : évaluations, règle des deux explications, CDLC de Debois, ownership. 5 gestes actionnables pour garder un contexte vivant sans y passer des jours.
Context engineering vs RAG, fine-tuning et MCP : le guide de décision
RAG, fine-tuning, MCP, context engineering : ces quatre approches répondent à quatre problèmes distincts. Un guide de décision pour savoir quoi choisir, quand, et dans quel ordre les combiner.
MCP : votre agent de code est aveugle sans ce protocole
Le Model Context Protocol expliqué : connecter les agents aux outils et données, le problème N×M, et la sécurité côté machine.
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.
Explorez tous nos articles
Plus de contenus techniques sur l'IA, le Cloud, la Data et le Software Engineering.
Tous les articles