27 août 2026
Combien coûte un projet GenAI en 2026 : budget, délais, ROI
Budget, délais et ROI d'un projet GenAI en 2026 : coûts de cadrage, POC, production, run, et choix Build, Audit ou Train.
Lire l'articleBlog
Notes courtes sur l'IA générative en production
Trente articles courts sur l'IA générative en production : qualité RAG en production, choix de modèle LLM en 2026 entre GPT, Claude, Gemini et open-source, setup quotidien avec Claude Code, workflow d'agent de code, évaluation LLM, mémoire IA pour agents, leçons terrain avant de déployer un premier agent, déploiement à l'échelle chez Google et Microsoft, agents IA en 2026, expériences production-first après les POCs, vibe coding, déploiement LLM, RAG en production, qualité des données, cadrage en entreprise, audit IA, architecture, mesure du ROI IA, prompt engineering, intégration en équipe, erreurs classiques, evals, agents, agents de code, systèmes multi-agents, automatisation, et choix concrets de frameworks comme LangGraph et CrewAI une fois que l'on sort de la démo.
22 août 2026
RAG en production : les 7 erreurs qui cassent la qualité (et comment les corriger)
Les 7 erreurs RAG que je corrige en production : chunking, evals, reranking, métadonnées, hallucinations, latence, coût et monitoring.
Lire l'article18 août 2026
Choisir son modèle LLM en 2026 : GPT, Claude, Gemini, open-source — comment je décide
Mon cadre concret pour choisir GPT, Claude, Gemini ou un modèle open-source en production : fit tâche, latence, coût, evals, contexte et contraintes UE.
Lire l'article29 juillet 2026
Coder avec un agent IA : mon setup Claude Code + MCP au quotidien
Mon setup quotidien pour coder avec Claude Code, Cursor et des serveurs MCP : contexte de repo, rails d'evals, revue, déploiement et leçons Brut/Ellipse.
Lire l'article27 juillet 2026
Claude Code en production : mon workflow d'ingénieur IA
Mon workflow concret avec Claude Code, Cursor et MCP pour livrer des builds clients IA : cadrage, contexte, agents de code, revues, evals et passage en équipe.
Lire l'article22 juillet 2026
Évaluer un LLM en production : construire une suite d'évals qui compte
Construire des evals LLM utiles en production : succès métier, groundedness, latence, coût, golden dataset, juges LLM et CI.
Lire l'article30 juin 2026
RAG en production : les 5 erreurs que j'ai vues partout
Les cinq erreurs RAG les plus fréquentes en production : mauvais chunking, absence de reranking, pas d'évaluation, promesse trop large, et budget latence/coût oublié — avec les correctifs concrets.
Lire l'article29 juin 2026
Pourquoi le RAG ne suffit plus : vers des systèmes de mémoire intelligents
Le RAG reste utile, mais les agents de production ont besoin d'une vraie mémoire : court terme, épisodes, connaissances, procédures et règles de mise à jour.
Lire l'article27 juin 2026
Ce que j'aurais voulu savoir avant de déployer mon premier agent en production
Retour honnête sur le premier agent IA livré à de vrais utilisateurs : dérive de prompt, coût du contexte, fallbacks, monitoring, UX et confiance utilisateur.
Lire l'article27 juin 2026
Ce que Google et Microsoft m'ont appris sur le déploiement à l'échelle
Leçons personnelles tirées de Google et Microsoft pour déployer des systèmes IA fiables : culture d'ingénierie, observabilité, documentation, vitesse et expérimentation.
Lire l'article24 juin 2026
Agents IA en 2026 : ce qui a changé (et ce qui ne change pas)
Retour terrain sur les agents IA en production en 2026 : ce qui progresse vraiment, ce qui reste difficile, et les principes de 2022-2023 qui tiennent encore.
Lire l'article22 juin 2026
Pourquoi j'ai arrêté de faire des POCs et ce que je fais à la place
Les POCs IA donnent souvent une illusion de vitesse. Ce qui transforme une idée en produit utile, c'est une expérimentation plus petite, branchée au réel, et pensée production dès le premier jour.
Lire l'article21 juin 2026
Vibe coding : ce que ça change vraiment pour les équipes produit
Le vibe coding n'est pas une baguette magique : c'est une nouvelle façon de livrer plus vite, à condition de garder du jugement produit, de l'architecture et de la responsabilité humaine.
Lire l'article19 juin 2026
Ce que j'ai appris en déployant des LLM pour de vrais clients
Leçons honnêtes de déploiement LLM chez de vrais clients : ce qui casse entre la démo et la production, comment gérer latence, prompt, coût, adoption, et ce qui fait vraiment tenir une IA en production.
Lire l'article18 juin 2026
IA et data : pourquoi la qualité des données fait tout
Pourquoi la plupart des projets IA bloquent moins sur le modèle que sur la qualité des données : sources incomplètes, schémas incohérents, contexte absent, exports obsolètes, et checklist avant de lancer un système IA en production.
Lire l'article29 mai 2026
Mesurer le ROI d'un projet IA : ce que les directions attendent
Comment mesurer le ROI IA sans tomber dans les vanity metrics : les KPI qui comptent pour la direction, la baseline à poser avant le projet IA, et la manière de raconter une valeur défendable en comité.
Lire l'article28 mai 2026
Prompt engineering en 2026 : ce qui compte vraiment
Retour d'expérience honnête sur le prompt engineering en production : ce qui compte encore, ce qui casse à la première mise à jour de modèle, et ce qui a réellement changé avec les sorties structurées, les outils et les evals.
Lire l'article27 mai 2026
De l'audit IA au déploiement : anatomie d'un projet réel
À quoi ressemble vraiment un projet IA bien mené : échange initial, audit IA honnête, décisions d'architecture, construction itérative, formation de l'équipe, puis déploiement en production.
Lire l'article26 mai 2026
Construire un système multi-agents : ce que j'ai appris
Retour d'expérience honnête sur la construction d'un système multi-agents en production : l'orchestrateur compte, les contrats entre agents IA comptent encore plus, et la complexité d'état arrive plus vite que prévu.
Lire l'article25 mai 2026
Claude Code en production : retour d'expérience
Retour d'expérience honnête sur Claude Code en production : très bon sur l'exécution bornée et le refactor, beaucoup moins solide dès que le contexte, les priorités ou les garde-fous restent implicites.
Lire l'article24 mai 2026
Quand automatiser et quand ne pas automatiser : le vrai arbitrage
En production, le vrai arbitrage n'est pas de savoir si l'automatisation IA est possible, mais si elle réduit vraiment le coût du travail sans détruire le jugement utile.
Lire l'article23 mai 2026
Formation IA en entreprise : ce qui marche vraiment
La formation IA devient utile quand elle part des workflows réels, équipe les participants pour le lendemain, et transforme quelques personnes en relais internes durables.
Lire l'article22 mai 2026
LangGraph vs CrewAI : ce que j'ai appris en production
Deux frameworks, deux philosophies. Après avoir déployé des agents avec les deux outils, voici ce que j'ai vraiment appris.
Lire l'article22 mai 2026
Pourquoi l'agent IA seul ne suffit pas : le rôle du contexte métier
Le vrai différenciateur d'un agent IA en production n'est ni le modèle ni le framework, mais la qualité du contexte métier qui borne ses décisions et ses sorties.
Lire l'article20 mai 2026
Pourquoi l'évaluation des LLM est le vrai travail d'ingénierie
Pourquoi le vrai levier sur un système LLM en production n'est ni le prompt ni le modèle, mais une boucle d'évaluation capable d'attraper les régressions avant vos utilisateurs.
Lire l'article18 mai 2026
MCP, LangGraph, agents : ce que les vrais projets enseignent
Ce que les systèmes à base d'agents apprennent en production sur MCP, LangGraph, la coordination multi-agent et les garde-fous qui évitent de transformer une démo en incident.
Lire l'article15 mai 2026
Comment évaluer un modèle IA en production : métriques, evals et pièges à éviter
Un cadre concret pour évaluer un système LLM en production sans se tromper de métriques, ni confondre benchmark, qualité réelle et valeur métier.
Lire l'article12 mai 2026
L'IA générative en entreprise : par où commencer vraiment
Un cadre simple pour démarrer un projet d'IA générative en entreprise sans se perdre dans le bruit, les démos et les roadmaps inutiles.
Lire l'article11 mai 2026
Pourquoi votre POC IA ne passe pas en production (et comment y remédier)
Pourquoi un POC IA reste bloqué avant la production, et comment traiter données, ops, gouvernance et dette technique pour le déployer enfin.
Lire l'article10 mai 2026
Comment intégrer l'IA générative dans une équipe tech en 2025
Une méthode concrète pour intégrer l'IA générative dans une équipe tech en 2025, sans détruire la qualité, la sécurité ou la responsabilité.
Lire l'article3 mai 2026
Les 3 erreurs les plus communes dans les projets IA en entreprise
Trois erreurs récurrentes qui ralentissent les projets IA en entreprise, et une approche plus saine pour cadrer, construire et déployer.
Lire l'article