Articles
Notes détaillées sur la conception des systèmes IA: ce qui s'exécute où, combien cela coûte et où se situent les points de rupture.
Comment livrer des MCP 10/10
Les humains contournent les mauvaises API sans rien dire. Les agents vous indiquent précisément quel champ leur a posé problème. Voici la boucle en deux étapes que j’utilise pour tester les MCP, API, CLI et SDK, ce que les tests automatisés ont détecté sur 94 exécutions, ainsi que le banc de test que j’ai publié en open source.
Votre agent n’a pas lu le contenu de votre dossier
Ouvrir un dossier dans Claude Code ou Codex ne place pas ses fichiers dans la tête du modèle. Au départ, il ne sait presque rien et doit aller lire les fichiers. C’est une bonne chose, et c’est ce qui fait d’AGENTS.md le fichier le plus important que vous écrirez.
Un agent IA ne fait que deux choses
À chaque étape, un agent vous envoie un message ou appelle un outil. C’est tout le mécanisme. Une fois qu’on l’a compris, Claude Code, ChatGPT et un agent n8n fonctionnent de la même manière, avec des outils différents. Et on sait où chercher quand l’un d’eux se trompe.
Votre MCP ne peut pas recevoir de fichiers binaires : voici la solution
Un argument d’outil est du texte : impossible d’y joindre un PDF ou un XLSX. L’astuce : le MCP renvoie une URL d’envoi à usage unique, puis l’agent y transmet le fichier avec une simple requête HTTP. Voici comment je l’ai mise en place pour mon SaaS AI Glot et comment la sécuriser.
Les outils que je donne à chaque agent que je lance
Cinq clés que j'intègre à tout agent utilisé : Linkup pour la recherche web, Apify pour le scraping, Softr pour le stockage, Cloudflare pour les déploiements, OpenRouter pour des appels de modèles peu coûteux. Leurs usages et les règles associées.
La curiosité, c’est ce qui vous rend doué pour utiliser l’IA
Les agents masquent tout ce qui était visible quand vous construisiez chaque étape vous-même. Vous pouvez toujours regarder : consulter la liste des outils, ouvrir les appels, demander comment l’agent compte s’y prendre. Voici ce que j’examine, et ce que ça m’a apporté.
Jev a réduit de 61% le coût de cet agent IA
61% pour sa meilleure tâche et 29% en moyenne sur huit tâches, mesurés sur 192 exécutions avec une évaluation déterministe et sans perte de qualité. J’ai utilisé Jev, le nouveau modèle décisionnel de TypeSafe, pour choisir les compétences qu’un agent précharge et retirer de chaque réponse d’outil les champs qu’il ne lira jamais.
Donnez aux agents un outil pour vous envoyer leurs commentaires
Ce sont désormais les agents qui utilisent votre MCP, et ils rencontrent des obstacles que vous ne voyez jamais. Un outil supplémentaire leur permet de vous dire ce qui n'a pas marché, ce à quoi ils s'attendaient, ainsi que le modèle et le harnais qu'ils utilisaient. Voici la configuration que j'utilise et un vrai rapport que j'ai reçu.
J'ai arrêté d'utiliser MCP pour la majeure partie de mon travail
MCP est idéal pour des tâches ponctuelles. Pour tout volume important, c'est lent, cela consomme trop de tokens et force mon agent à ressaisir des données. Voici mes alternatives: des appels API directs via scripts, une compétence pour les documenter et un proxy pour sécuriser les clés.
Gardez vos dépôts indépendants des environnements d’exécution
J’utilise quatre outils de programmation assistée par l’IA au cours d’une semaine normale. Trois pratiques permettent à mes dépôts de fonctionner avec chacun d’eux, et il reste un problème que je n’ai toujours pas résolu.
Les petits modèles devraient décider de ce que voient les grands
Confier à un grand modèle l’orchestration de modèles plus petits est désormais courant. Selon moi, le principal gain consiste plutôt à placer de petits modèles autour de lui : ils choisissent son contexte, filtrent les réponses de ses outils et condensent les résultats tant qu’ils sont encore récents.
Toutes les applications métier que j'ai créées nécessitaient les quatre mêmes pages
Quatre ans d'outils internes et de portails clients, et la structure des pages a peine changé : une page d'accueil par groupe d'utilisateurs, les pages utilitaires classiques, une page d'entité par objet et une page de détail associée. Voici quoi y mettre et comment choisir.
Une astuce simple pour optimiser les produits de chat IA
La plupart des apps de chat AI nomment une conversation une seule fois, ou la renomment après chaque message. Une simple règle logique permet de garder des titres à jour et réduit le coût de la fonction d'environ 75%.
Maîtriser les sous-workflows n8n peut vous rendre redoutablement efficace avec l'IA
Cela ressemble à un article sur n8n, mais ça n'en est pas un. Découper une tâche répétitive en étapes, ne donner à chaque étape que le contexte nécessaire et choisir un modèle par étape : voilà les compétences qui déterminent si ce que vous construisez avec l'IA est rentable. n8n est simplement l'endroit où elles sont les plus visibles.
La plupart des agents IA ne devraient pas être des agents
En quelques mois, j’ai réduit d’environ cinq le nombre d’agents dans mes workflows en production. Je les ai remplacés par un petit modèle qui achemine les requêtes, des étapes définies à l’avance plutôt que décidées à l’exécution, et une mémoire de conversation chargée et enregistrée manuellement. Voici le schéma.
Conseils concrets pour passer d'un RAG simple à un meilleur RAG
La configuration classique ne vous donne aucun contrôle sur la requête : une seule requête par appel et quatre segments retournés. Voici six changements pour y remédier, du multi-query au seuil de pertinence, nœud par nœud sur n8n.