
David Schkiwisk
Agents IA & automatisation
Utiliser des modèles pour assister la création, l’analyse et le traitement de l’information.
Dans les projets web, l’IA peut aider à classer des demandes, explorer des documents ou préparer des contenus. Une réponse plausible ne suffit pas : il faut définir ce qui constitue un résultat correct. Le métier consiste autant à choisir les données, les contrôles et les usages qu’à rédiger une instruction.
Le guide porte sur l’usage de modèles dans un produit web : rédaction assistée, classification, extraction et recherche dans des documents. Il aborde la préparation du contexte, le format des réponses et l’évaluation. L’enjeu technique est de transformer une sortie probabiliste en aide vérifiable pour une tâche précise.
Choisissez une tâche précise et réunissez des exemples de résultats attendus, y compris des cas difficiles.
Comparez les sorties du modèle à votre méthode actuelle. Vérifiez les faits et les informations qui doivent rester confidentielles.
Gardez une validation adaptée aux conséquences de l’action et mesurez les corrections nécessaires.
Un modèle reçoit des instructions et du contexte, puis génère une sortie. Pour une recherche documentaire, une étape de récupération peut sélectionner des passages avant la génération : c’est le principe du RAG. Cette récupération apporte du contexte, mais ne dispense ni de vérifier les références ni de contrôler la réponse.
Choisissez une tâche limitée et rédigez une grille permettant de reconnaître une bonne réponse.
Testez plusieurs formulations sur les mêmes exemples, sans modifier simultanément le jeu de référence.
Déployez sur un petit périmètre, journalisez les erreurs pertinentes et prévoyez un retour à un traitement humain.
Pour classer des demandes de support, créez dix exemples dont deux ambigus. Comparez les décisions du modèle à celles de l’équipe avant de connecter le classement à un outil métier.
Mise en situation : une équipe demande à un modèle de ranger des messages dans des catégories de support. Elle réserve les messages ambigus à une personne et évalue les erreurs sur un jeu d’exemples avant d’utiliser le classement au quotidien.
Dans son retour d’expérience publié en 2024, Anthropic explique que de nombreuses applications se satisfont d’un appel au modèle bien préparé, avec du contexte et des exemples, sans architecture d’agents complexe.
Source : Anthropic — Building effective agentsÉvaluez un usage concret avant de généraliser l’IA à tout un processus.

Agents IA & automatisation

Développement, IA & automatisation · GPSEM

Génération de leads & acquisition

Création de contenus, IA & automatisation

Cofondateur des Wizards · YouTube, affiliation & IA

Développeur fullstack · SEO & IA
Retrouvez leurs ateliers et podcasts. Les échanges peuvent aussi aborder d’autres thématiques de leur activité.
PodcastAntoine Sacco
AtelierArnaud Decurninge
PodcastArnaud Decurninge
AtelierDavid Schkiwisk
PodcastDavid SchkiwiskProposez un atelier ou venez en parler au micro de la maison.