Tag
agents-ia
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 que personne ne vous a donné
RAG, fine-tuning, MCP, context engineering : ces quatre approches ne s'opposent pas — elles 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.
L'ontologie n'est pas louable : le vrai fossé concurrentiel des agents IA
Tony Seale vient de nommer l'évidence : la moitié qui manque aux agents IA n'est pas un framework supplémentaire, c'est l'ontologie de votre domaine. Pour la première fois, le fossé concurrentiel est clairement délimité — et il n'est pas technique.
Harness Engineering : le modèle compte moins que le harnais
Même modèle, 58% vs 81,8% de réussite. La variable décisive n'est pas l'IA — c'est le système qui l'entoure. Bienvenue dans l'ère du harness engineering.
Anthropic
Partenaire Select d'Anthropic (Claude Partner Network). SFEIR industrialise Claude et Claude Code en production, de l'interne aux projets clients.
Agent Sémantique
Composition symétrique (Modèle + Harnais) + (Ontologie + Données connectées) qui fait passer l'agent IA de la génération à la compréhension.
Harness Engineering
Discipline de conception du système (guides, sensors, outils) entourant un agent IA pour fiabiliser et amplifier ses résultats.
Explorez tous nos articles
Plus de contenus techniques sur l'IA, le Cloud, la Data et le Software Engineering.
Tous les articles