AISkillsPro Le context engineering : donner le bon contexte Les volets précédents ont installé un déplacement : l'IA produit une part croissante du code, et le métier glisse vers spécifier, vérifier, décider. Une croyance résiste pourtant à ce déplacement — ce... Concepts Métier & IA 4 juil. 2026
AISkillsPro Tests à l'ère de l'IA : le test reste une décision Les volets précédents ont installé un déplacement : l'IA produit une part croissante du code, et le métier glisse vers spécifier, vérifier, décider. Le test semblait pourtant un refuge : un test qui p... Concepts Métier & IA 4 juil. 2026
AISkillsPro Revue de code assistée par l'IA : qui décide ? Les volets précédents ont installé un déplacement : l'IA produit une part croissante du code, et le métier glisse vers spécifier, vérifier, décider. La revue de code est l'endroit exact où cette vérif... Concepts Métier & IA 4 juil. 2026
Mustapha BENHAMIDA Pourquoi l'IA hallucine, et pourquoi ça ne disparaîtra pas CONCEPTS — NATURE & LIMITES DE L'IA · POURQUOI L'IA HALLUCINE U ne réponse impeccable. La grammaire est parfaite, le ton assuré, la structure limpide — et l'information est fausse. Un arrêt de justice... Concepts 4 juil. 2026
Perroquet stochastique ou raisonnement ? Ce que « comprendre » veut dire pour une IA CONCEPTS — NATURE & LIMITES DE L'IA · PERROQUET OU RAISONNEMENT P osez une énigme logique à un assistant conversationnel : il déroule une explication propre, numérote ses étapes, conclut avec assuranc... Concepts 4 juil. 2026
Injection de prompt : la faille de sécurité sans correctif CONCEPTS — NATURE & LIMITES DE L'IA · INJECTION DE PROMPT U n assistant qui résume vos e-mails tombe sur un message anodin. Quelque part dans le corps du texte, une phrase s'adresse non pas à vous, ma... Concepts 4 juil. 2026
Mustapha BENHAMIDA Multimodalité : quand l'IA voit, entend et parle CONCEPTS — TECHNIQUES SOCLES · MULTIMODALITÉ P endant une décennie, une intelligence artificielle savait faire une chose à la fois. Un modèle lisait du texte, un autre reconnaissait des visages, un tr... Concepts 4 juil. 2026
Mustapha BENHAMIDA Les biais d'un modèle : d'où ils viennent, pourquoi on ne les efface pas CONCEPTS — NATURE & LIMITES DE L'IA · LES BIAIS D'UN MODÈLE U n modèle trie des candidatures et retient, sans qu'on le lui ait demandé, davantage de profils d'un certain genre. Un système de reconnais... Concepts 4 juil. 2026
Données synthétiques : quand l'IA s'entraîne sur l'IA (et s'effondre) CONCEPTS — NATURE & LIMITES DE L'IA · DONNÉES SYNTHÉTIQUES L e carburant d'un modèle, ce sont les données. Or les données réelles sont rares, chères, souvent verrouillées par le droit ou la vie privée... Concepts 4 juil. 2026
Le vrai coût d'un modèle : tokens, inférence, et pourquoi « gratuit » ne l'est pas CONCEPTS — NATURE & LIMITES DE L'IA · LE VRAI COÛT D'UN MODÈLE U ne fenêtre de chat s'ouvre, une réponse arrive, rien ne semble se déclarer à la caisse. L'impression de gratuité est si forte qu'on oub... Concepts 4 juil. 2026
Scaling laws & le mythe de l'AGI : ce que « plus gros » apporte (et pas) CONCEPTS — NATURE & LIMITES DE L'IA · SCALING LAWS & MYTHE DE L'AGI U ne idée s'est imposée comme une évidence dans le récit de l'intelligence artificielle : il suffirait de faire « plus gros ». Plus ... Concepts 4 juil. 2026
Mustapha BENHAMIDA Embeddings & recherche sémantique : comment l'IA saisit le sens CONCEPTS — TECHNIQUES SOCLES · EMBEDDINGS & RECHERCHE SÉMANTIQUE (côté pratique: digérer un PDF en podcast avec NotebookLM ) U n moteur de recherche classique cherche des mots. Tapez « résilier mon ab... Concepts 4 juil. 2026
