Concevoir un produit numérique implique de prendre des décisions dans un environnement incertain : contraintes techniques, évolutions des usages, etc. sans compter nos jugements faillibles par nature. Comment des ces conditions, prendre des décisions éclairées ?
Vers un auto-hébergement des modèles VLM/LLM : étude empirique sur une infrastructure entrée de gamme, défis et recommandations
Data & AI
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.
Comment débiter la transformation digitale de l'activité industrielle à la bonne échelle pour un retour de valeur rapide
AI eats software vendor for breakfast : l’IA cannibalise t-elle le modèle de l’édition logicielle ?
Data & AI
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 ?
Depuis quelque temps, les réseaux sociaux sont submergés par une vague autour de l’IA générative. Tout le monde en parle. De nouveaux ténors du sujet émergent et s’expriment avec une grande assurance, arborant des titres tels que experts IA ou assimilés. Le discours dominant est souvent le même ...
On adopte l'IA générative massivement. On questionne peu. Résultat : on délègue sans comprendre, on invisibilise les coûts réels (sociaux, écologiques et cognitifs), on perd la maîtrise. Cet article propose la littératie IA et le prompting réflexif comme leviers de réappropriation, à condition de les inscrire dans une gouvernance collective.
Comment faire de la recherche utilisateur efficace en menant de front le Delivery ? Je vous raconte mes expérimentations et apprentissages.
Après avoir décrit de manière succincte les ingrédients nécessaires à une modélisation du domaine menée dans de bonnes conditions, il est désormais pertinent de s’interroger sur la façon d’opérer un tel changement au sein de l’organisation.
Comment passer d’un produit à 36 % de conformité A11y à plus de 80 % en quatre mois ? Dans ce retour d’expérience, nous partageons notre stratégie, nos méthodes et nos conseils concrets pour remettre un produit non conforme sur de bons rails, durablement.
La modernisation technique doit être progressive, sécurisée et alignée avec la capacité réelle des équipes.