tl;dr

Le langage naturel, le pseudocode et le code ne sont pas des outils concurrents. Ils sont des langues différentes pour des niveaux de précision différents.

À l’ère de la programmation assistée par l’IA, apprendre à programmer ne consiste pas seulement d'écrire chaque ligne de code à la main. Il s’agit aussi de savoir quand une idée doit devenir plus précise, comment contrôler cette traduction, et comment distinguer les décisions prises par un humain des décisions remplies par un système d'IA.

BlackBoxApproach: Construction d'applications lorsque l'IA continue de tout briser

Recherche de preuve de concept. github.com/amiune/theblackboxapproach

L'IA est très bonne à générer du code. Elle est également très bonne à réécrire tout votre projet lorsque vous lui demandez de modifier un seul bouton. BlackBoxApproach est notre expérience pour corriger cela.

MokuML: Prédictions ML locales sans pipeline

Recherche de preuve de concept. github.com/amiune/MokuML

Et si une petite entreprise pouvait se connecter à Postgres, décrire une prédiction en anglais simple, et obtenir des résultats sur son Mac sans équipe de science des données, pile de machine learning en cloud, ou abonnement du type Kumo ?

C'est ce que nous explorons avec MokuML. Pensez à une version légère de Kumo.ai : connectez une base de données, demandez des prédictions, obtenez des réponses. Mais tout fonctionne localement.

LLM et IA en 2025 : des expériences, des frustrations et quelques grandes surprises

2025 a été une année d'expérimentation pratique pour nous avec les LLMs et l'IA appliquée. Au lieu de simplement observer le secteur de loin, nous avons passé l'année à construire, à tester, à faire échouer des choses et à essayer des idées qui parfois fonctionnaient et parfois pas.

Notre impression générale est mitigée. Certaines parties de la technologie sont impressionnantes et progressent incroyablement rapidement. D'autres parties semblent encore jeunes et fragiles. Voici un résumé de ce que nous avons appris et de la manière dont cela façonne ce que nous voulons faire à l'avenir.

LLMs : Un cas d'usage réel

TLDR : Nous avons travaillé à l'implémentation de LLMs, de BDD vectorielle et de RAG pour elMejorTrato.com. Nous avons conclu que :

• Travailler avec le langage espagnol a ses particularités
• L'API ChatGPT est trop coûteuse
• LangChain et les agents sont parfois excessivement complexes
• Avec SentenceBert et une BDD vectorielle, des choses marquantes peuvent être réalisées
• Les LLMs quantisés open source donnent de très bons résultats

Comment apprendre l'intelligence artificielle de zéro ?

Pour apprendre l'intelligence artificielle de zéro, FreeCodingTour propose trois cours qui doivent être suivis dans l'ordre suivant :

1. Programmation
2. Science des données
3. Intelligence artificielle