Intelligence Artificielle

Dans le développement agile, l'IA générative donne un coup d'accélérateur aux équipes de dév. Ce gain de vitesse n'est pas sans conséquence pour le reste des acteurs du cycle agile. Comme dans un moteur auquel on injecte un surplus de puissance, il faut s'assurer que le reste du système en tire bénéfice, sinon gare à la surchauffe, voire la casse.

CR Duck Conf: L'IA générative ne supprime pas les goulots d'étranglement du développement logiciel : elle les déplace. Spécification, feedback, adoption deviennent les nouveaux facteurs limitants. 5 apprentissages concrets pour adapter les pratiques d'architecture à l'ère agentic.

L’intelligence artificielle promet de transformer le développement logiciel. Mais que change-t-elle réellement lorsqu’elle s’applique à des systèmes existants, souvent complexes, imparfaits et hérités d’années d’évolution ?

Personne n’a envie de se faire disrupter par l’IA. Familier de la technologie, nous surestimons la vitesse de sa diffusion organisationnelle et sociétale. Repenser les processus avant d’y intégrer efficacement l’IA. Et si le pouvoir politique s’en mêlait.

Vous êtes-vous déjà demandé combien consomment réellement vos projets intégrant de l’IA générative ? Et surtout, comment en réduire l’impact environnemental ?Ces questions ont été au cœur d’une série de conférences que nous avons animées dans plusieurs villes en France, que nous synthétisons dans cet article.

Ce papier évalue l'inférence d'un LLM (14B) et d'un VLM (7B) sur une NVIDIA T4. Avec 91% de succès sur 7310 requêtes, l'architecture prouve sa résilience malgré un matériel d'entrée de gamme. Une exploration entre coût, SLO et expérience utilisateur pour optimiser le déploiement de modèles auto-hébergés.

Pour les éditeurs, qui développent des logiciels même très complexes, le risque de disruption par de nouveaux entrants s’appuyant sur l’IA générative est bien réel. Mais cette analyse est-elle toujours valable pour les éditeurs de logiciels évoluant dans des environnements réglementés ?

De 6 mois à 2 jours. De 100 000€ à 500€. Les LLM multimodaux (GPT-4 Vision, Gemini, Claude) révolutionnent l'OCR et l'extraction automatique de documents. Fini l'entraînement de modèles, les datasets annotés et les pipelines complexes. Un prompt et une image suffisent. Retour d'expérience sur projet IA RAD/LAD : CNI, RIB. Code et benchmarks inclus.

Et si l'article de blog devenait un dialogue ? Avec les LLM, un texte n'est plus un chemin imposé : c'est une cartouche de connaissances à interroger, synthétiser, transformer en podcast. Le même contenu s'adapte à chaque lecteur. Découvrez ce nouveau paradigme de lecture et d'écriture.

En tant qu’ESN, ne pourrait-on pas voir apparaître de nouveaux acteurs aux business modèles disruptifs dont des modèles low cost ? Quels profils recruter alors et/ou comment les former ? Assiste-t-on à une innovation de rupture qui bouleverse les modèles d'affaires de tout un secteur, ou bien est-ce une transformation accélérée de nos modèles ?