IA AGENTIQUE
Faire la démo d'un agent, tout le monde sait.
Moi, je les fais tourner en production.
Quarante prestataires vous montreront un agent qui prend un rendez-vous. La vraie question, c'est ce qu'il fait à 3 h du matin quand l'API part en timeout, que les données arrivent cassées et que personne ne regarde. C'est cette partie-là que je construis.
CE QU'AGENTIQUE VEUT DIRE ICI
Décide, n'exécute pas.
Un script
Fait exactement ce qu'on lui a dit, dans l'ordre, ou il meurt. Quand l'entrée change, il sort des réponses fausses, sans bruit.
Un agent
Regarde ce qui revient, décide de l'étape suivante, réessaie avec une autre approche, escalade vers un humain quand il le faut.
La différence
État, outils, evals et plafonds de coût - de l'ingénierie, pas des prompts. C'est ce qui sépare un système d'une démo.
LE STACK
CONSTRUIT DE ZÉRO
J'ai construit mon propre harness d'agents. Plusieurs fois.
Une fois pour les contraintes du cloud, une fois pour une machine locale - parce que les deux n'ont rien en commun. Files d'attente, retries, budgets de tokens et observabilité dans le cloud ; latence, confidentialité et fonctionnement hors ligne sur le bureau. La plupart des gens consomment un framework. Construire le harness deux fois, c'est comme ça qu'on apprend ce que les frameworks cachent.
CE QUE JE CONSTRUIS POUR LES ENTREPRISES
Des agents avec une mission précise.
Des agents d'exploitation qui vident les files d'attente. De la recherche et de l'ingestion qui lisent ce que votre équipe n'a pas le temps de lire. De la décision avec un humain dans la boucle là où il doit rester. De l'automatisation interne branchée sur un chiffre que quelqu'un suit vraiment - pas des capacités, des résultats.
ENTRAÎNÉ DE ZÉRO
Je n'ai pas appelé une API.
J'ai entraîné le modèle.
L'essentiel du travail en IA, c'est un prompt devant le modèle de quelqu'un d'autre. BSLM est l'inverse. Chaque poids part de zéro : son propre tokenizer, son propre corpus, sa propre boucle d'entraînement. Un routeur de 5M lit la demande, un décodeur de 72M décide quoi en faire, en anglais et en grec, livré en un seul fichier de 78 Mo qui tourne sur un CPU ordinaire ou sur un téléphone. Pas de clé API, pas de facture au token, rien qui sorte de la maison.
Comment il a été fait, dans l'ordre : fixer d'abord le plafond à 80 Mo pour qu'il tienne sur un téléphone, générer le corpus, entraîner un tokenizer byte level maison, pré-entraîner le décodeur depuis une initialisation aléatoire sur du GPU loué, puis lui apprendre à se servir d'outils à partir de trajectoires réelles plutôt que de scripts : il cherche, lit, réessaie et juge ses propres étapes. Treize tours mesurés, et ceux qui ont dégradé le résultat sont publiés avec les autres.
91,2% sur des tâches d'agent inédites, 94,8% de récupération après un premier essai raté, 2,8% de réponse fausse livrée sans avertissement. La seule famille sous la barre, la recherche de faits ouverts à 68%, figure au tableau au lieu d'être cachée.
Voir le code Télécharger le modèle Licence MIT, 78 Mo GGUF, tourne sur un CPU
QUAND ÇA TOURNE MAL
Construire un agent, tout le monde sait.
En garder un en vie, peu de monde.
La partie architecte, parce que c'est là que meurent les démos :
Retries & fallbacks
Tout appel d'outil finit par échouer. La réponse du système à ça se conçoit, elle ne se découvre pas.
Evals
Une mise à jour de modèle peut changer le comportement en silence. Les evals l'attrapent avant vos clients.
Plafonds de coût
Un agent dans une boucle, c'est une carte bancaire dans une boucle. Les budgets s'imposent dans le code, pas dans l'espoir.
Humain dans la boucle
Certaines décisions ne devraient jamais être autonomes. Savoir lesquelles, c'est le métier.
JE L'ENSEIGNE AUSSI
learnery.io
Une formation IA que votre équipe finira vraiment : un séminaire pratique en cinq étapes qui apprend à vos gens à se servir des outils d'IA avec assurance, taillé pour votre secteur et pour leurs postes exacts. Enseigner une matière est la preuve la plus forte qu'on la maîtrise. Et certaines équipes ont besoin de la compétence en interne, pas louée à l'extérieur.
Voir learnery.ioDÉJÀ EN LIGNE
De l'IA en production avant 2026.
seethemenu.online sert un assistant IA à de vraies entreprises depuis avant l'année du grand virage. learnery.io est un produit IA en ligne en ce moment. Ce que cette page affirme a des preuves antérieures au hype - des URL, pas des adjectifs.
DONNÉES & RGPD
Où vont vos données,
la réponse avant la question.
Posture européenne par défaut : minimisation des données, traitement dans l'UE quand le stack le permet, une durée de conservation décidée plutôt que subie, et une réponse écrite à « qu'est-ce que le modèle voit ». Je construis des systèmes conformes au RGPD depuis dix ans - le travail sur les agents en hérite, il n'y échappe pas.
CONSTRUITS, PAS PROMIS
Dix systèmes déjà construits,
en attente d'un premier client.
Rapprochement fiscal, gouvernance des agents, dossiers de conformité IA, paiement agentique, communication associative, stock et coût en commerce de détail, support client, tri de candidatures, ventes et logistique. Terminés, en fonctionnement, et honnêtes sur le fait qu'ils n'ont pas encore de client.
Voir les dixUn processus qui devrait tourner tout seul ?
Apportez le processus et le chiffre qu'il brûle. En un appel, je vous dis si un agent est la bonne réponse - y compris quand il ne l'est pas.
Démarrer un projet