Intelligence artificielle
Intégrer les modèles de langage (LLM) dans le travail de développement et dans les produits : savoir leur parler, choisir le bon modèle et les faire tourner là où il faut.
Rédiger des instructions précises et structurées : rôle, contexte, exemples (few-shot), contraintes et format de sortie attendu. Itérer et comparer les résultats pour obtenir des réponses fiables et reproductibles.
Comprendre les forces et limites des grandes familles de modèles (GPT d'OpenAI, Claude d'Anthropic, Gemini de Google, Mistral, Llama de Meta) : fenêtre de contexte, raisonnement, coût, latence, hallucinations. Choisir le bon modèle selon la tâche.
Faire tourner des modèles open source en local (Llama, Mistral, Qwen…) pour prototyper sans coût d'API, travailler hors ligne et garder les données sensibles sur sa machine.
Intégrer les modèles dans des applications Node.js et Next.js : réponses en streaming, sorties structurées en JSON, gestion des erreurs, des quotas et des coûts.
Utiliser les assistants et agents de code au quotidien avec méthode : contexte, plan, petites itérations, relecture et tests. J'en détaille la démarche dans un article du blog.