L'IA en pratique

L'IA arrive après une infra propre.
Voilà comment je l'intègre.

Ce que je fais aujourd'hui sur mes propres systèmes — et la grille de lecture que ça me donne sur les systèmes en production en général.

Ce que j'opère aujourd'hui

Skills et auto-apprentissage

Une mémoire LLM partagée, c'est le wiki interne de ton équipe — sauf que l'IA le lit avant chaque tâche. Le temps de mise au courant d'un nouvel arrivant ou d'un agent autonome chute drastiquement.

Machine learning appliqué

  • Catégorisation de 100 000 tickets clients via Kaggle
  • Contrôle qualité de 150 000+ adresses postales selon la norme AFNOR NF Z 10-011 (RNVP La Poste)

Boucles d'auto-itération et scheduled prompts

L'IA travaille la nuit pendant que tu dors. Concrètement : un prompt s'exécute toutes les 6 heures, audite l'état du système, et alerte un humain si quelque chose dévie. Pas de magie — du cron amélioré, avec un cerveau dedans.

Ce que je teste en ce moment

Mémoire LLM enrichie collaborativement

Un dépôt centralisé que toute l'équipe peut faire évoluer, chaque modification revue par un humain. Objectif : que l'IA bénéficie immédiatement de chaque retour d'expérience, sans qu'on ait besoin de la ré-instrumenter.

Ce sur quoi je n'ai pas encore assez de recul

Honnêteté radicale : voilà les sujets sur lesquels je n'ai pas suffisamment de recul pour les déployer en autonomie. Je préfère le dire que le maquiller.

  • Orchestration multi-agents en production sans superviseur humain
  • Fine-tuning de modèles sur corpus métier propriétaires à grande échelle
  • Évaluation automatique de la qualité des sorties LLM en flux continu

Sécurité — le non-négociable

  • Human-in-the-loop par défaut sur tout ce qui touche à la production : l'IA propose, un humain valide.
  • Gardes-fous sur les actions destructives : suppression, écriture massive, envoi externe, transferts financiers.
  • Sécurisation des API : rotation des clés, scoping minimal, audit des appels.

Méthode en trois mots

1. Simplifier

Minimiser les informations et les actions afin de réduire le temps de maintenance et de documentation, et de faciliter les améliorations.

« Keep it simple and stupid. »

2. Standardiser

Unifier les informations et les actions pour faciliter le monitoring et réduire les possibilités d'erreurs.

S'appuie sur la simplification

3. Automatiser

Automatiser les informations et les actions pour minimiser le temps passé et se concentrer sur la valeur ajoutée.

S'appuie sur la standardisation

La dernière étape ne marche que si les deux premières sont propres. C'est aussi vrai pour l'IA que pour l'infra classique. La plupart des projets IA qui échouent ratent à l'étape 1 ou 2 — l'IA n'y est pour rien.