Blog
J’écris sur Java, l’architecture logicielle, les design patterns, l’intelligence artificielle appliquée, le RAG, les agents IA et l’ingénierie logicielle. À travers mes articles, je partage des retours d’expérience, des analyses techniques et des approches concrètes pour concevoir des applications robustes, maintenables et utiles.
Passer du code aux spécifications exploitables
Un agent peut produire une documentation claire en quelques minutes. Transformer cette analyse en spécifications exploitables, capables de distinguer l'observé de l'interprété et de séparer l'existant de la cible, demande une discipline différente.
Moderniser un système legacy avec l'IA : comprendre avant de transformer
Explorer un dépôt de code avec un agent est devenu rapide. Comprendre les comportements, les règles et les contraintes à préserver avant de transformer un système legacy reste un problème d'ingénierie, fondé sur des preuves plutôt que sur des hypothèses.
Comparer deux versions d'un système LLM
Identifier et qualifier les changements de comportement d'un système LLM lorsque le modèle, le prompt, les outils ou les règles évoluent, pour distinguer une amélioration d'une régression.
Construire un jeu d'évaluation représentatif
Construire un corpus d'évaluation qui représente les usages, les cas limites et les invariants d'un système LLM, pour donner aux comparaisons de versions un fondement solide.
Détecter et qualifier les dérives comportementales
Distinguer une dérive comportementale acceptable d'une véritable régression dans un système LLM, en la qualifiant par sa nature, sa fréquence, sa portée et son impact plutôt que par un score global.
Tester les décisions plutôt que les formulations
Vérifier les décisions et les invariants qu'un système LLM a respectés plutôt que la formulation exacte de sa réponse, pour construire des tests qui résistent aux évolutions du modèle et du prompt.
Définir les invariants comportementaux d'un système LLM
Transformer les comportements qu'un système LLM doit préserver en propriétés explicites, observables et vérifiables, pour distinguer ce qui peut varier de ce qui doit rester stable.
