Glossaire IA & développement

Un AI agent est un système logiciel capable de poursuivre des objectifs via une prise de décision autonome et une interaction avec son environnement. Contrairement à un assistant AI classique qui traite simplement des entrées, une AI agentique utilise des boucles de raisonnement, l'utilisation d'outils et une mémoire pour exécuter des flux de travail complexes en plusieurs étapes avec un minimum de supervision humaine afin d'atteindre des objectifs métier précis.

Les Claude Skills désignent les capacités fonctionnelles et les mécanismes d'utilisation d'outils qui permettent au modèle d'IA d'Anthropic d'interagir avec des environnements externes. Ces compétences permettent à Claude d'exécuter des opérations spécifiques comme l'exécution de code, la récupération de données et l'intégration d'API, transformant ainsi le modèle en un agent autonome capable de résoudre des tâches techniques complexes de manière indépendante.

Le Prompt Caching est une technique qui stocke en mémoire les jetons d'entrée fréquemment utilisés afin d'accélérer l'inférence et de réduire considérablement les coûts liés aux LLM. En réutilisant le contexte de requêtes précédentes, les modèles évitent le traitement redondant de prompts statiques, ce qui diminue la latence et améliore l'efficacité opérationnelle des systèmes utilisant les stratégies de Prompt Caching d'Anthropic ou d'OpenAI.

Le Generative Engine Optimization est une discipline de marketing de recherche qui optimise le contenu pour les plateformes d'IA et les moteurs de réponse. Il se concentre sur la citation par les LLM et la structuration de données de haute qualité pour garantir que les marques apparaissent comme des sources faisant autorité au sein des réponses générées, plutôt que de dépendre uniquement des classements basés sur des liens traditionnels présents dans les pages de résultats des moteurs de recherche standards.

L'AI Computer use est une catégorie d'agents logiciels autonomes conçus pour manipuler des interfaces de bureau ou web en traitant des entrées visuelles et en exécutant des commandes clavier et souris. Ces systèmes imitent l'interaction humaine avec les systèmes d'exploitation pour automatiser des flux de travail complexes comme la navigation sur navigateur, la saisie de données et l'orchestration multi-applications via le langage naturel.

Genkit est un framework IA open source développé par Google qui me permet de concevoir, déployer et surveiller des applications IA prêtes pour la production. Il s'intègre parfaitement avec Firebase AI et Google Cloud, en fournissant des outils d'abstraction de modèles, d'orchestration de workflows et de gestion de prompts pour optimiser le cycle de développement des applications utilisant des modèles de langage avancés.

L'orchestration multi-agent est un cadre qui régit les interactions, la délégation des tâches et les protocoles de communication entre des agents AI autonomes. Elle permet des flux de travail complexes en autorisant des agents spécialisés à collaborer au sein d'un essaim d'agents, utilisant une logique de coordination pour résoudre des problèmes en plusieurs étapes qui dépassent les capacités d'un déploiement unique de LLM.

L'utilisation d'outils est la capacité des grands modèles de langage à interagir avec des logiciels ou des API externes pour effectuer des tâches spécifiques. Grâce à l'appel de fonctions structuré, les modèles génèrent des requêtes vers des fonctions externes, reçoivent des données dynamiques et intègrent ces résultats dans leurs réponses, surmontant ainsi efficacement les limites des données d'entraînement statiques et du traitement du langage naturel standard.

llms.txt est un fichier texte standardisé que les propriétaires de sites placent sur leurs serveurs pour communiquer leurs politiques d'utilisation et la disponibilité de leur contenu aux crawlers AI. Agissant comme un robots.txt pour les LLM, ce standard GEO permet aux développeurs de spécifier quels jeux de données sont disponibles pour l'entraînement de modèles et les applications de retrieval.

n8n est un outil d'automatisation de workflows en fair-code qui permet d'intégrer diverses applications et services via des nœuds visuels. Conçu pour les utilisateurs techniques et les développeurs, il prend en charge l'automatisation auto-hébergée et le déploiement cloud, offrant un contrôle granulaire sur le traitement des données et les tâches d'automatisation no-code, sans les restrictions souvent présentes sur les plateformes propriétaires fermées.

Un Background Agent est un processus logiciel autonome conçu pour exécuter des tâches complexes et chronophages indépendamment de l'interface utilisateur principale. En fonctionnant comme un agent asynchrone, il effectue des tâches d'IA asynchrones, comme le traitement de données ou la recherche, permettant au système de maintenir ses performances tout en gérant des opérations gourmandes en ressources sans bloquer l'interaction utilisateur.

Un serveur MCP est une interface de communication standardisée qui connecte les modèles d'IA à des sources de données externes et à des outils de développement via le Model Context Protocol. En fournissant un cadre unifié pour l'intégration des données, il permet aux LLM d'interagir avec des bases de données locales, des systèmes de fichiers et des API internes sans nécessiter d'intégrations sur mesure pour chaque nouvelle application.

Un reasoning model est une architecture d'intelligence artificielle conçue pour effectuer une réflexion approfondie avant de fournir une réponse. En utilisant le traitement par chaîne de pensée (chain of thought), ces systèmes décomposent les problèmes complexes en étapes logiques. Des exemples comme OpenAI o1, o3 et DeepSeek R1 démontrent de meilleures performances sur des tâches de raisonnement en plusieurs étapes par rapport aux modèles de langage standard.

Le RAG est un framework qui connecte les LLM à des sources de données externes pour améliorer la précision des réponses. En combinant la retrieval-augmented generation avec la recherche vectorielle, le système identifie des informations pertinentes et les utilise comme base de référence pour le modèle. Ce processus réduit les hallucinations en garantissant que les résultats sont fondés sur des jeux de données métiers vérifiés et propriétaires.

Le Vibe coding est une méthodologie de développement assisté par AI où je privilégie le prompt en langage naturel à la syntaxe traditionnelle pour définir les exigences d'une application. En utilisant des outils comme Claude code, Cursor et Windsurf, je me concentre sur l'architecture de haut niveau et l'itération des fonctionnalités, permettant aux LLM de générer, d'interpréter et de refactoriser le code source sous-jacent.