Tag
agents-ia
AI-First
Concevoir les applications pour être consommées par des agents d'abord (via MCP), au-delà de l'API-First : l'IA comme premier utilisateur du logiciel.
CDLC
Cycle de développement du contexte : le traiter comme une dépendance logicielle, versionnée et évaluée (Generate, Evaluate, Distribute, Observe).
Cold Memory
Étage d'archivage du contexte : la base de connaissances de référence, non chargée par défaut mais récupérée à la demande.
Harness Engineering
Discipline de conception du système (guides, sensors, outils) entourant un agent IA pour fiabiliser et amplifier ses résultats.
Hot Memory
Étage du contexte toujours chargé : la « constitution » de l'agent (langage, conventions, règles), présente à chaque session.
Loop Engineering
Discipline qui consiste à concevoir le système, la boucle, qui prompte un agent IA à votre place, au lieu de le prompter soi-même tour après tour.
Loopcraft
Art d'empiler et de combiner plusieurs boucles agentiques — boucle cœur, vérification, événementielle, hill-climbing — plutôt que d'en exécuter une seule.
RAG
Génération augmentée par récupération : le LLM interroge une base documentaire pour ancrer ses réponses sur des sources à jour et vérifiables.
Ralph Wiggum
Technique de boucle agentique naïve mais robuste : relancer sans relâche le même objectif jusqu'à convergence — pilier empirique du loop engineering.
Warm Memory
Étage intermédiaire du contexte d'un agent : l'expertise chargée à la demande selon la tâche, entre le contexte permanent et l'archive.
ADLC
Cycle de développement agentique publié par Chris Williams en juin 2026 : huit phases, deux portes humaines, des portes machine entre toutes les autres.
AI DLC
Cycle de développement piloté par l'IA (méthode AWS) où les sprints laissent place à des Bolts pluri-quotidiens.
Explorez tous nos articles
Plus de contenus techniques sur l'IA, le Cloud, la Data et le Software Engineering.
Tous les articles