#UneTassedeTech☕️ #podcast spécial #GoHabsGo
#OpenAI préparerait un téléphone d'IA #agentique pour détruire l' #iPhone et son App Store. Vous y croyez?
Aussi: pourquoi votre addiction à l'IA n'est pas un accident 👇
🍏 https://podcasts.apple.com/ca/podcast/votre-addiction-à-lia-nest-pas-un-accident-la-banque/id1466835989?i=1000765644003
🎧 https://open.spotify.com/episode/0fxPJrJFkLp4jUXQOjVcHh
📡 https://www.985fm.ca/balados/456963/episode/774251/votre-addiction-a-l-ia-n-est-pas-un-accident-la-banque-d-elon-musk-le-smartphone-d-openai
Comment ça marche ?
1️⃣ J’explique mes besoins de veille en langage naturel à l’agent #IA qui m’aide à les affiner.
2️⃣ L’agent IA se met en veille selon mes critères et mes besoins que je peux faire évoluer ensuite.
3️⃣ Je reçois les livrables directement dans ma boite mail et à tout moment je peux interroger mon agent de #veille.
Quelques minutes suffisent pour se lancer !
Pour participer à la phase Bêta test et nous faire vos retours, c’est par ici 👉 https://www.detectup.com
La semaine dernière, j'ai fait un petit bilan de mes lectures sur le #leak du code source de #Claudecode. Je me dis que ça pourrait intéresser ici aussi :
Le source de Claude code, principal outil d'#IAg #agentique de développement, a fuité (à la suite d'une maladresse de ses développeurs/euses) : https://www.theguardian.com/technology/2026/apr/01/anthropic-claudes-code-leaks-ai.
La conséquence la plus intéressante, c'est que nous pouvons désormais étudier comment les concepteurs des #LLM d’#Anthropic envisagent l’interface avec le LLM. Voici le source : https://github.com/chatgptprojects/clear-code/tree/642c7f944bbe5f7e57c05d756ab7fa7c9c5035cc/src.
Analyse 1 (écrite avec un LLM) : https://kuber.studio/blog/AI/Claude-Code's-Entire-Source-Code-Got-Leaked-via-a-Sourcemap-in-npm,-Let's-Talk-About-it
Analyse 2 (moins conciliante) : https://neuromatch.social/@jonny/116324676116121930
TL;DR :
- Les ingénieurs d'Anthropic, pensent que les pré-prompts sont suffisants pour conditionner un LLM (exemples : https://github.com/chatgptprojects/clear-code/blob/642c7f944bbe5f7e57c05d756ab7fa7c9c5035cc/src/constants/prompts.ts#L234 ou https://github.com/chatgptprojects/clear-code/blob/642c7f944bbe5f7e57c05d756ab7fa7c9c5035cc/src/coordinator/coordinatorMode.ts#L116 ou https://github.com/chatgptprojects/clear-code/blob/642c7f944bbe5f7e57c05d756ab7fa7c9c5035cc/src/utils/undercover.ts#L43). Certains parlent de « #autocompleading » (faire des demandes, voire supplier un LLM). Vous en trouvez un condensé ici : https://github.com/Leonxlnx/agentic-ai-prompt-research/tree/main
- Leurs travaux ne sont pas très économes : les « agents » exécutent une tonne de process et font une tonne de requêtes (très consommatrices de tokens) vers le LLM.
- Malgré le fait d'avoir un LLM sous la main, ils/elles utilisent volontiers des systèmes à base de règles, avec des expressions régulières (exemple : pour détecter une humeur négative dans le prompt https://github.com/chatgptprojects/clear-code/blob/642c7f944bbe5f7e57c05d756ab7fa7c9c5035cc/src/utils/userPromptKeywords.ts#L8).
En tant qu'informaticiens/iennes, une question qui se pose est : comment est-ce possible que… ça fonctionne !
L'ère de la "téléphonie agentique"
Renaud JOLY
Claude Trudel
mcken
Mickaël Réault
Bertrand Marne
~/devbyben
karibu