Tutoriels pratiques
Guides pratiques. Du code qui tourne vraiment.
Fine-tuning, RAG ou prompting : quel levier pour adapter un modèle
Une méthode reproductible pour choisir entre prompting, RAG et fine-tuning : diagnostiquer le vrai problème, puis appliquer le bon levier sur un cas concret.
Observabilité d'un système LLM en production : tracer, mesurer, monitorer
Instrumenter ses appels LLM pour suivre coût, latence et taux d'échec, et repérer une régression avant que les utilisateurs ne la subissent.
Router entre plusieurs LLM selon la tâche et le coût
Diriger chaque appel vers le bon modèle selon la tâche, avec bascule automatique sur un modèle de secours en cas de panne ou de crédits épuisés.
Construire un chatbot en streaming sur son site avec une API IA
Afficher la réponse d'un LLM token par token (effet « ça s'écrit en direct ») avec une route serveur qui relaie le flux et un client qui le lit.
Brancher une IA à ses outils avec MCP (Model Context Protocol)
Écrire un premier serveur MCP qui expose un outil à un assistant IA, pour lui donner accès à tes données ou actions sans recâbler à chaque intégration.
Obtenir du JSON fiable d'un LLM : structured outputs et validation
Arrêter de parser du texte au petit bonheur : forcer un LLM à répondre en JSON valide, valider la sortie contre un schéma et gérer proprement les cas malformés.
Transcrire et résumer ses réunions automatiquement avec l'IA
Passer d'un enregistrement audio à un compte-rendu structuré (décisions et actions) grâce à la transcription puis au résumé par IA.
Se créer un assistant IA personnalisé sans écrire de code
Configurer un assistant IA qui répond toujours dans ton contexte (rôle, ton, documents) via les GPT personnalisés ou les Projects de Claude, sans une ligne de code.
Générer ses premières images avec l'IA : de l'idée au visuel utilisable
Produire un visuel exploitable avec un générateur d'images IA : choisir l'outil, écrire une description qui marche, l'affiner et l'exporter proprement.