[{"content":"","date":"1 avril 2026","externalUrl":null,"permalink":"/fr/tags/ai/","section":"Tags","summary":"","title":"Ai","type":"tags"},{"content":"","date":"1 avril 2026","externalUrl":null,"permalink":"/fr/tags/french/","section":"Tags","summary":"","title":"French","type":"tags"},{"content":"Je me suis récemment posé une question simple : quel est le cas d\u0026rsquo;usage le plus immédiatement utile des LLMs pour une petite entreprise qui n\u0026rsquo;a ni développeur, ni budget tech ? Pas un cas d\u0026rsquo;usage spectaculaire \u0026ndash; un cas d\u0026rsquo;usage ennuyeux, concret, qui fait gagner du temps dès le premier jour.\nLa génération de devis m\u0026rsquo;a semblé être un candidat idéal. Un devis, c\u0026rsquo;est un document semi-structuré, rédigé dans un ton précis, qui combine des données propriétaires (catalogue, tarifs, marges) avec un besoin client spécifique. C\u0026rsquo;est exactement le type de tâche où les LLMs excellent : transformer une entrée courte (\u0026ldquo;couple, 3 000 €, Grèce, septembre\u0026rdquo;) en une sortie longue et structurée, en s\u0026rsquo;appuyant sur un contexte fourni.\nJ\u0026rsquo;ai exploré l\u0026rsquo;idée en prenant comme exemple les agences de voyage, où un conseiller passe en moyenne 1 à 2 heures par devis. Le résultat : avec un simple abonnement Team à ChatGPT, Claude ou Mistral \u0026ndash; sans aucun développement \u0026ndash; on peut ramener ce temps à 5-10 minutes. Voici comment.\nLe principe : un LLM ancré sur des données métier # L\u0026rsquo;idée centrale est d\u0026rsquo;utiliser la fonctionnalité \u0026ldquo;Projets\u0026rdquo; des plateformes IA (incluse dans les abonnements Team) pour ancrer le LLM sur les données de l\u0026rsquo;agence. L\u0026rsquo;assistant ne va pas chercher d\u0026rsquo;informations sur internet et n\u0026rsquo;invente rien. Il s\u0026rsquo;appuie sur trois bases fournies par l\u0026rsquo;agence :\nLe catalogue d\u0026rsquo;établissements et de prestataires \u0026ndash; hôtels, riads, villas, activités, compagnies aériennes et transferts, avec leurs tarifs par saison. C\u0026rsquo;est le carnet d\u0026rsquo;adresses professionnel de l\u0026rsquo;agence, traduit dans un format que le LLM peut exploiter.\nLes meilleurs devis passés \u0026ndash; une sélection de devis acceptés par des clients, anonymisés. L\u0026rsquo;assistant s\u0026rsquo;en inspire pour calibrer ses propositions : niveau de prix, structure, type de prestations qui fonctionnent pour tel profil.\nLes règles commerciales \u0026ndash; marges, remises, frais de dossier, conditions d\u0026rsquo;annulation, format et ton des documents. L\u0026rsquo;assistant les applique systématiquement.\nCe qui rend cette approche intéressante, c\u0026rsquo;est qu\u0026rsquo;elle exploite une force souvent sous-estimée des LLMs : leur capacité à appliquer des contraintes multiples simultanément. Un devis doit respecter le bon tarif saisonnier, la bonne marge, le bon format, le bon ton, tout en étant adapté au profil du client. Un humain fait ça en jonglant entre plusieurs documents. Le LLM le fait en une passe.\nCe que l\u0026rsquo;assistant produit # Pour chaque demande, l\u0026rsquo;assistant génère un devis structuré :\nUne accroche personnalisée adaptée au profil du client Deux options de voyage : une dans le budget annoncé, une légèrement au-dessus pour montrer une alternative premium Pour chaque option : destination recommandée avec justification, hébergement sélectionné dans le catalogue, résumé d\u0026rsquo;itinéraire, activités suggérées, budget détaillé ventilé (transport, hébergement, activités, transferts, frais de dossier) Le prix total et le prix par personne, avec les marges appliquées automatiquement Les conditions commerciales (validité, acompte, solde, annulation) Les mentions obligatoires Ce que l\u0026rsquo;assistant ne fait pas # Il ne remplace pas les conseillers. Il ne contacte pas les fournisseurs. Il ne vérifie pas les disponibilités en temps réel. Il ne gère ni la facturation, ni les réservations, ni le suivi client.\nL\u0026rsquo;assistant est un rédacteur de brouillons intelligent qui fait gagner du temps sur la partie la plus chronophage du processus. Le conseiller reste maître de la relation client et de la décision finale.\nSi une information manque dans la base (un hôtel pas encore référencé, un tarif non renseigné), l\u0026rsquo;assistant le signale clairement au lieu d\u0026rsquo;inventer.\nPourquoi il faut toujours vérifier le devis avant envoi # L\u0026rsquo;IA génère un brouillon. Pas un document final.\nChaque devis doit être relu et validé par un conseiller avant d\u0026rsquo;être envoyé au client.\nC\u0026rsquo;est le point le plus important, et c\u0026rsquo;est aussi celui qui révèle les limites réelles des LLMs dans un contexte métier.\nLes erreurs possibles # L\u0026rsquo;IA peut se tromper sur un calcul. Une multiplication de nuits par un tarif, un total mal additionné, une marge mal appliquée. Les LLMs sont des outils de langage, pas des calculatrices. C\u0026rsquo;est un point fondamental qu\u0026rsquo;on a tendance à oublier quand le résultat \u0026ldquo;a l\u0026rsquo;air correct\u0026rdquo; : les chiffres doivent toujours être revérifiés.\nL\u0026rsquo;IA peut appliquer la mauvaise saison tarifaire. Si le client part fin juin, l\u0026rsquo;assistant peut hésiter entre moyenne et haute saison. C\u0026rsquo;est au conseiller de vérifier que le bon tarif s\u0026rsquo;applique.\nL\u0026rsquo;IA peut proposer une combinaison incohérente. Un vol qui arrive tard le soir avec une excursion prévue le lendemain matin à l\u0026rsquo;autre bout de l\u0026rsquo;île, ou un hôtel adapté aux couples pour une famille avec enfants en bas âge. Le conseiller connaît le terrain, pas l\u0026rsquo;IA.\nL\u0026rsquo;IA peut halluciner. Même avec des instructions strictes et un contexte fourni, il arrive qu\u0026rsquo;un LLM invente un détail qui n\u0026rsquo;est pas dans la base \u0026ndash; un service d\u0026rsquo;hôtel qui n\u0026rsquo;existe pas, une activité disponible à une saison où elle ne l\u0026rsquo;est pas. C\u0026rsquo;est rare quand la base est bien construite, mais ça peut arriver. C\u0026rsquo;est d\u0026rsquo;ailleurs un bon test de la qualité du prompt : moins l\u0026rsquo;assistant hallucine, mieux les instructions sont rédigées.\nLe prix affiché sur un devis engage l\u0026rsquo;agence. Si un client accepte un devis avec un prix erroné, l\u0026rsquo;agence est dans une situation commerciale délicate. Cinq minutes de relecture évitent ce risque.\nEn pratique, la vérification prend 3 à 5 minutes # Les prix \u0026ndash; le total correspond-il à la somme des lignes ? La marge est-elle correcte ? La bonne saison est-elle appliquée ? Les établissements \u0026ndash; sont-ils bien dans le catalogue ? Sont-ils adaptés au profil du client ? La cohérence \u0026ndash; l\u0026rsquo;itinéraire est-il réaliste ? Les dates correspondent-elles ? Les activités sont-elles disponibles à cette période ? Les conditions \u0026ndash; la validité, l\u0026rsquo;acompte, les conditions d\u0026rsquo;annulation sont-ils corrects ? Le ton \u0026ndash; le texte est-il adapté à ce client spécifique ? Le gain de temps reste considérable : 5 minutes de relecture + 1 minute de génération, au lieu de 1 à 2 heures de rédaction complète. Mais ces 5 minutes ne sont pas optionnelles.\nLa fréquence de ces erreurs peut être significativement réduite en rédigeant des instructions précises et bien structurées. Plus les consignes sont claires \u0026ndash; sur les marges, les saisons, le format attendu \u0026ndash; moins l\u0026rsquo;assistant a de marge d\u0026rsquo;interprétation, et moins il se trompe. C\u0026rsquo;est un point important : la qualité du prompt est le vrai levier de fiabilité, bien plus que le choix du modèle.\nOrganisation des rôles # Le système fonctionne mieux avec une séparation claire entre deux rôles.\nLes conseillers voyage utilisent l\u0026rsquo;assistant au quotidien pour générer des devis. Ils n\u0026rsquo;ont aucune configuration à faire. Ils ouvrent l\u0026rsquo;outil, décrivent le besoin du client, et récupèrent le devis. En parallèle, ils remontent les informations du terrain : nouveau partenariat avec un hôtel, changement de tarif, devis particulièrement réussi accepté par un client.\nLa direction (ou le responsable produit) est garante de la base de données. Elle reçoit les remontées des conseillers, vérifie les informations, anonymise les devis de référence, et met à jour la base. Elle décide aussi des règles commerciales : marges, remises, conditions, format des documents. C\u0026rsquo;est un travail léger \u0026ndash; environ 30 minutes par mois pour les mises à jour courantes, plus une révision saisonnière des tarifs.\nCette séparation garantit que les conseillers ne peuvent pas modifier la base par erreur, et que les données restent cohérentes et validées.\nLes conseillers La direction L\u0026rsquo;assistant IA Négocient avec les fournisseurs → Vérifie et valide les nouveaux tarifs → Connaît les établissements et tarifs à jour Ferment des devis acceptés → Anonymise et ajoute les bons devis à la base → S\u0026rsquo;inspire des meilleurs devis pour calibrer Fixe les marges, remises, conditions → Applique les règles à chaque devis généré Décrivent le profil du nouveau client → Génère le devis en 30 secondes Relisent, ajustent et envoient ← Le système s\u0026rsquo;améliore naturellement avec le temps : plus on ajoute de bons devis en référence, plus l\u0026rsquo;assistant comprend ce qui fonctionne pour chaque type de client. C\u0026rsquo;est une forme d\u0026rsquo;apprentissage par l\u0026rsquo;exemple, sans fine-tuning \u0026ndash; juste du few-shot learning via le contexte.\nProtection des données # Trois points importants.\nLes données ne servent pas à entraîner l\u0026rsquo;IA. Les abonnements Team de ChatGPT, Claude et Mistral offrent des garanties contractuelles explicites : les données ne sont jamais utilisées pour améliorer leurs modèles. C\u0026rsquo;est la différence essentielle avec les versions gratuites.\nAucune donnée client identifiable ne transite dans le système. Les devis de référence sont anonymisés avant d\u0026rsquo;être intégrés : pas de nom, pas d\u0026rsquo;email, pas de numéro de téléphone. On conserve uniquement le profil type (couple, famille, budget) et les données commerciales. Quand le conseiller décrit un nouveau client, il utilise des termes génériques, pas des informations personnelles.\nL\u0026rsquo;agence garde le contrôle total. Les données vivent dans l\u0026rsquo;espace projet, accessible uniquement à l\u0026rsquo;équipe. Elles peuvent être modifiées, supprimées ou exportées à tout moment.\nQuelle plateforme choisir # Le système ne nécessite aucun logiciel spécialisé. Tout fonctionne sur les plateformes d\u0026rsquo;IA grand public, via un abonnement \u0026ldquo;Team\u0026rdquo; (~25 EUR/utilisateur/mois). Trois options :\nChatGPT Team (OpenAI) \u0026ndash; le plus connu. Si l\u0026rsquo;équipe utilise déjà ChatGPT, la prise en main est immédiate. Hébergé aux États-Unis, avec garanties contractuelles de non-utilisation des données.\nClaude Team (Anthropic) \u0026ndash; le plus généreux en volume de données. Permet d\u0026rsquo;intégrer un catalogue d\u0026rsquo;établissements très large sans perte de qualité. Excellente qualité de rédaction en français. Hébergé aux États-Unis.\nMistral Le Chat (Mistral AI) \u0026ndash; le choix européen. Entreprise française, données hébergées en France et en Union européenne. L\u0026rsquo;option la plus rassurante si la souveraineté des données est un sujet.\nLes trois offrent la même fonctionnalité clé : un espace Projet dans lequel on stocke les données une fois, et chaque conversation dans ce projet y a accès automatiquement. C\u0026rsquo;est cette fonctionnalité qui rend le système possible \u0026ndash; et elle est incluse dans l\u0026rsquo;abonnement Team, sans surcoût.\nAu-delà des devis # Ce qui m\u0026rsquo;intéresse dans cet exemple, c\u0026rsquo;est qu\u0026rsquo;il illustre un pattern plus général. Les LLMs sont particulièrement efficaces quand la tâche combine :\nDes données propriétaires qu\u0026rsquo;on peut fournir en contexte (catalogue, historique, règles) Un format de sortie structuré et répétitif (le devis suit toujours le même squelette) Un besoin de personnalisation qui rend la tâche pénible pour un humain (adapter le ton, les recommandations, les calculs à chaque client) Une vérification humaine possible en quelques minutes (le conseiller sait repérer une erreur) Dès qu\u0026rsquo;une tâche coche ces quatre cases, l\u0026rsquo;approche \u0026ldquo;Projet + fichiers de référence + prompt bien rédigé\u0026rdquo; fonctionne, sans écrire une seule ligne de code.\nLe système peut aussi évoluer : si le volume augmente ou que le catalogue s\u0026rsquo;élargit significativement, on peut passer à une architecture plus avancée (base de données connectée, intégration avec un logiciel de gestion), sans repartir de zéro. Mais dans la grande majorité des cas, l\u0026rsquo;approche décrite ici couvre les besoins d\u0026rsquo;une agence de 3 à 15 conseillers.\nGuide pratique : mise en place sur ChatGPT Team # Ce guide pas à pas couvre la mise en place de bout en bout. Comptez 2 à 3 heures la première fois.\n1. Créer le compte ChatGPT Team # Rendez-vous sur chat.openai.com Connectez-vous ou créez un compte avec un email professionnel Cliquez sur votre nom/photo en bas à gauche → \u0026ldquo;My plan\u0026rdquo; ou \u0026ldquo;Upgrade\u0026rdquo; Sélectionnez \u0026ldquo;Team\u0026rdquo; (et non \u0026ldquo;Plus\u0026rdquo; qui est individuel et sans garanties de confidentialité suffisantes) Renseignez le nom du workspace, le nombre d\u0026rsquo;utilisateurs, et les informations de facturation Important : ChatGPT Team garantit que les données ne sont pas utilisées pour entraîner les modèles d\u0026rsquo;OpenAI. Ce n\u0026rsquo;est pas le cas des plans gratuit et Plus. 2. Inviter l\u0026rsquo;équipe # Nom → \u0026ldquo;Settings\u0026rdquo; → \u0026ldquo;Members\u0026rdquo; → \u0026ldquo;Invite people\u0026rdquo; Entrer les adresses email de chaque conseiller Rôles recommandés : Admin : direction + responsable produit Member : conseillers voyage 3. Créer le Projet # Barre latérale → \u0026ldquo;Projects\u0026rdquo; → \u0026ldquo;New project\u0026rdquo; Nom : Génération de devis Description : Assistant pour créer des devis voyage personnalisés 4. Rédiger les instructions # C\u0026rsquo;est la partie la plus importante. Tout ce qui est écrit dans les instructions du projet sera appliqué automatiquement à chaque conversation.\nPartie 1 \u0026ndash; Le comportement de l\u0026rsquo;assistant # Tu es l\u0026#39;assistant devis de [NOM DE L\u0026#39;AGENCE], spécialisée dans [SPÉCIALITÉ]. Quand un conseiller te donne un profil client, tu génères un devis professionnel en t\u0026#39;appuyant UNIQUEMENT sur : - Les établissements et tarifs fournis dans les fichiers du projet - Les devis de référence fournis dans les fichiers du projet - Les règles commerciales ci-dessous RÈGLES ABSOLUES : - N\u0026#39;invente JAMAIS un établissement, un prix ou une activité qui n\u0026#39;est pas dans les fichiers - Si une information manque, écris \u0026#34;[À CONFIRMER]\u0026#34; - Applique TOUJOURS les marges définies ci-dessous - Propose TOUJOURS 2 options : une dans le budget, une légèrement au-dessus Partie 2 \u0026ndash; Les règles commerciales # À adapter selon l\u0026rsquo;agence :\n=== RÈGLES COMMERCIALES === MARGES : - Standard : 12 % - Haute saison (juillet-août) : 15 % - Groupes \u0026gt; 6 personnes : 10 % - Client fidèle (2e voyage+) : 10 % FRAIS DE DOSSIER : 45 EUR par dossier REMISES : - Early booking (\u0026gt; 4 mois avant départ) : -5 % sur hébergement - Parrainage : -50 EUR sur le total - Les remises ne se cumulent pas CONDITIONS : - Acompte : 30 % à la réservation - Solde : 45 jours avant le départ - Validité du devis : 10 jours - Annulation gratuite : jusqu\u0026#39;à 60 jours avant - Annulation 30-60 jours : 50 % de frais - Annulation \u0026lt; 30 jours : 100 % MENTIONS OBLIGATOIRES : - \u0026#34;Prix sous réserve de disponibilité\u0026#34; - \u0026#34;Assurance voyage non incluse — nous consulter\u0026#34; TON : Chaleureux et passionné, professionnel. Vouvoiement. Partie 3 \u0026ndash; Le format du devis # === FORMAT DU DEVIS === 1. ACCROCHE : 2-3 phrases personnalisées 2. OPTION A -- [Nom accrocheur] (dans le budget) - Destination + justification - Hébergement : nom, catégorie, nb nuits x prix/nuit - Transport : vol + transferts - Activités : liste avec prix unitaire - Récapitulatif ventilé - TOTAL : montant EUR | montant EUR/personne 3. OPTION B -- [Nom accrocheur] (premium) Même structure 4. CE QUI REND CE VOYAGE SPÉCIAL 5. PROCHAINES ÉTAPES 6. MENTIONS OBLIGATOIRES Conseil : relire les instructions à voix haute. Si quelque chose semble ambigu, l\u0026rsquo;IA le trouvera ambigu aussi.\n5. Préparer et uploader les fichiers # ChatGPT Projects permet d\u0026rsquo;attacher des fichiers que l\u0026rsquo;assistant consulte automatiquement.\nFichier \u0026ldquo;Établissements\u0026rdquo; # Créer un fichier etablissements.txt structuré comme ceci :\n========== DESTINATION : Crète, Grèce ========== Saisons : Basse (nov-avr) | Moyenne (mai-juin, sept-oct) | Haute (juil-août) Vol depuis Paris : 3h30 | Visa : Non (UE) HÉBERGEMENTS : - Blue Marine Resort -- 4* all-inclusive -- Héraklion Double : 180 EUR/nuit (basse), 220 EUR/nuit (moy), 310 EUR/nuit (haute) Familiale : 240 EUR/nuit (basse), 290 EUR/nuit (moy), 400 EUR/nuit (haute) Idéal : familles, couples détente - Villa Ariadne -- Villa 3 chambres -- Réthymnon Entière : 250 EUR/nuit (basse), 350 EUR/nuit (haute) Idéal : familles, groupes amis ACTIVITÉS : - Palais de Knossos -- visite guidée -- 35 EUR/adulte, 20 EUR/enfant - Journée bateau Spinalonga -- 45 EUR/adulte, 30 EUR/enfant TRANSPORTS : - Vol Paris-Héraklion : Transavia 250-400 EUR/pers A/R - Transfert aéroport : 35 EUR taxi - Location voiture : 35-55 EUR/jour Fichier \u0026ldquo;Devis de référence\u0026rdquo; # Créer un fichier devis-references.txt :\n=== DEVIS #1 -- Couple Crète -- ACCEPTÉ === Profil : Couple 30-40 ans, 1re visite Destination : Crète | 7 nuits | Septembre Budget annoncé : 2 500-3 000 EUR Détail : - Vol Transavia Paris-Héraklion : 520 EUR (2 pers) - Blue Marine Resort, double, 7n x 220 EUR : 1 540 EUR - Transfert A/R : 70 EUR - Knossos : 70 EUR | Spinalonga : 90 EUR - Location voiture 3j : 135 EUR Total net : 2 425 EUR | Marge 12 % | Prix client : 2 716 EUR + 45 EUR frais TOTAL : 2 761 EUR (1 380 EUR/pers) Retour : Mix organisé + liberté très apprécié. Rappel RGPD : aucun nom, email, téléphone ou numéro de passeport dans ce fichier. Uniquement le profil type et les données commerciales. Upload # Dans le projet → \u0026ldquo;Files\u0026rdquo; → \u0026ldquo;Upload\u0026rdquo; ou glisser-déposer les fichiers Pour mettre à jour : supprimer l\u0026rsquo;ancien, uploader la nouvelle version 6. Configurer les droits d\u0026rsquo;accès # Personne Rôle Peut faire Direction Editor Tout : instructions, fichiers, devis Responsable produit Editor Tout Conseillers voyage Viewer Générer des devis uniquement Les conseillers ne peuvent pas modifier les instructions ni les fichiers par erreur.\n7. Tester # Dans le projet, ouvrir un \u0026ldquo;New chat\u0026rdquo; et taper un profil client :\nNouveau devis : 2 adultes, la trentaine, en couple Budget : 2 500-3 000 EUR 7 à 10 jours en septembre Envie de Grèce, plutôt les îles Plage + snorkeling + bonne cuisine locale Vol direct depuis Paris Premier grand voyage ensemble Pas de remise applicable Vérifier :\nPoint de contrôle OK ? Les établissements proposés sont dans le fichier Les prix correspondent aux tarifs renseignés La bonne saison tarifaire est appliquée La marge est correcte Les frais de dossier sont inclus Le format est respecté (accroche, 2 options, récap, conditions) Le ton est correct Les mentions obligatoires sont présentes Rien n\u0026rsquo;est inventé Faire 5 tests sur des profils différents avant de déployer à l\u0026rsquo;équipe.\n8. Entretien # Chaque mois (30 minutes) :\nCollecter les retours des conseillers (nouveaux tarifs, bons devis acceptés) Mettre à jour etablissements.txt et devis-references.txt Projet → Files → supprimer l\u0026rsquo;ancien → uploader le nouveau Tester un devis rapide pour vérifier Chaque saison (1 heure) :\nVérifier tous les tarifs basse/moyenne/haute saison Ajouter les nouveaux partenaires, retirer ceux qui ne sont plus actifs Problèmes courants # Symptôme Cause Solution L\u0026rsquo;assistant invente un hôtel Fichier mal uploadé Vérifier Files, réuploader Prix faux Tarifs obsolètes Mettre à jour etablissements.txt Devis trop long/court Format imprécis Ajouter consigne de longueur Marge mal appliquée Règle ambiguë Reformuler clairement Mauvais ton Instructions vagues Ajouter un exemple de devis Oubli d\u0026rsquo;établissements Fichier trop volumineux Scinder par destination Instructions modifiées Mauvais rôle Passer en Viewer ","date":"1 avril 2026","externalUrl":null,"permalink":"/fr/posts/20260401-assistant-devis-ia/","section":"Posts","summary":"Les devis personnalisés sont un cas d\u0026rsquo;usage idéal pour les LLMs : documents structurés, données propriétaires, besoin de ton cohérent. Voici comment ça fonctionne concrètement pour une agence de voyage.","title":"Générez vos devis voyage en 5 minutes grâce à l'IA","type":"posts"},{"content":"","date":"1 avril 2026","externalUrl":null,"permalink":"/fr/tags/llm/","section":"Tags","summary":"","title":"Llm","type":"tags"},{"content":"","date":"1 avril 2026","externalUrl":null,"permalink":"/fr/posts/","section":"Posts","summary":"","title":"Posts","type":"posts"},{"content":"","date":"1 avril 2026","externalUrl":null,"permalink":"/fr/","section":"Robin Nicole — IA \u0026 Ingenierie","summary":"","title":"Robin Nicole — IA \u0026 Ingenierie","type":"page"},{"content":"","date":"1 avril 2026","externalUrl":null,"permalink":"/fr/tags/","section":"Tags","summary":"","title":"Tags","type":"tags"},{"content":"","date":"26 mars 2026","externalUrl":null,"permalink":"/fr/tags/cli/","section":"Tags","summary":"","title":"Cli","type":"tags"},{"content":"","date":"26 mars 2026","externalUrl":null,"permalink":"/fr/tags/resources/","section":"Tags","summary":"","title":"Resources","type":"tags"},{"content":" Traduction automatique — Cet article a ete traduit automatiquement depuis l\u0026rsquo;anglais. Vous pouvez consulter la version originale en anglais via le selecteur de langue en haut de la page. Cet article a été ébauché avec l\u0026rsquo;aide d\u0026rsquo;une IA et édité par un humain (moi), mais chaque outil listé ici est un outil que j\u0026rsquo;utilise vraiment au quotidien — ils viennent tous de mon history shell.\nLes outils CLI sont vieux — et c\u0026rsquo;est justement pour ça qu\u0026rsquo;ils sont bons. Tout comme un bon bricoleur a toujours besoin d\u0026rsquo;un simple tournevis, peu importe la sophistication de ses outils électriques, tout développeur a besoin de solides fondamentaux en ligne de commande. Les abstractions de base (pipes, fichiers, flux de texte) ont survécu des décennies parce qu\u0026rsquo;elles sont composables et universelles.\nVoici une liste de quelques outils simples qui améliorent vraiment mon workflow au quotidien. Comme nous sommes à l\u0026rsquo;ère de l\u0026rsquo;IA, j\u0026rsquo;ai aussi ajouté Claude Code à la fin. Je suis convaincu que l\u0026rsquo;IA et le CLI sont faits l\u0026rsquo;un pour l\u0026rsquo;autre — l\u0026rsquo;essentiel de ce qui rend les LLMs puissants aujourd\u0026rsquo;hui, c\u0026rsquo;est leur capacité à utiliser des outils, et le terminal est la plus ancienne interface d\u0026rsquo;utilisation d\u0026rsquo;outils que nous ayons (voir cette conférence pour approfondir cette idée).\nÉmulateurs de terminal # iTerm2 — J\u0026rsquo;ai quitté Terminal.app il y a des années et je n\u0026rsquo;ai jamais regardé en arrière. Panneaux divisés, recherche, autocomplétion — il fait tout ce dont on a besoin sans en faire des tonnes. Shell et prompt # Zsh — C\u0026rsquo;est le shell par défaut sur macOS depuis Catalina, donc vous l\u0026rsquo;utilisez peut-être déjà. Je l\u0026rsquo;associe à Oh My Zsh pour les plugins, même si le plus léger zinit mérite d\u0026rsquo;être considéré si vous trouvez Oh My Zsh trop lourd. Starship — Mon prompt. Il affiche le statut git, les versions des langages et le contexte cloud directement dans la ligne de prompt. Fonctionne avec tous les shells et ne demande quasiment aucune configuration. Zoxide — Probablement l\u0026rsquo;outil avec le meilleur ratio effort/récompense de cette liste. Il apprend vos répertoires les plus utilisés pour que vous puissiez taper z blog au lieu de cd ~/Documents/projects/my-blog. Une fois qu\u0026rsquo;on commence à l\u0026rsquo;utiliser, le simple cd semble cassé. Remplaçants modernes des outils classiques # Il y a toute une vague de réécritures en Rust et Go des outils Unix classiques, avec de meilleurs paramètres par défaut et de la couleur. En toute honnêteté : je tape encore ls, cat et grep par habitude. J\u0026rsquo;utilise The Silver Searcher (ag) pour la recherche dans le code, ce qui est déjà un gros progrès par rapport à grep. Le reste est sur ma liste à essayer — l\u0026rsquo;analogie du tournevis s\u0026rsquo;applique ici aussi, les originaux fonctionnent très bien mais ceux-ci sont juste plus agréables à manier.\nClassic Modern replacement Why ls eza Colour, icons, git status, tree view cat bat Syntax highlighting, git integration, paging find fd Simpler syntax, respects .gitignore, faster grep ripgrep (rg) Much faster, smart defaults, .gitignore aware du dust Visual directory size breakdown top btop Beautiful resource monitor with mouse support sed sd Simpler regex syntax, string literal mode diff delta Syntax highlighting, side-by-side view, git integration curl xh Coloured output, simpler syntax for JSON APIs man tldr Community-maintained cheat sheets with practical examples Si vous voulez essayer ces outils sans changer vos habitudes, créez simplement des alias pour que votre mémoire musculaire continue de fonctionner :\nalias ls=\u0026#34;eza --icons --group-directories-first\u0026#34; alias cat=\u0026#34;bat --style=auto\u0026#34; alias find=\u0026#34;fd\u0026#34; alias grep=\u0026#34;rg --smart-case\u0026#34; alias du=\u0026#34;dust -r\u0026#34; alias top=\u0026#34;btop\u0026#34; alias sed=\u0026#34;sd\u0026#34; alias diff=\u0026#34;delta --side-by-side\u0026#34; alias curl=\u0026#34;xh\u0026#34; alias man=\u0026#34;tldr\u0026#34; Navigation dans les fichiers # fzf — Celui-ci est difficile à expliquer tant qu\u0026rsquo;on ne l\u0026rsquo;a pas essayé. C\u0026rsquo;est un chercheur flou (fuzzy finder) — vous lui envoyez n\u0026rsquo;importe quoi via un pipe et vous obtenez un sélecteur interactif. La vraie puissance vient de sa composition avec d\u0026rsquo;autres outils : rg \u0026quot;pattern\u0026quot; | fzf pour chercher dans le code de manière interactive, ou git log --oneline | fzf pour choisir un commit. Une fois installé, il vous donne aussi ctrl+t pour la recherche de fichiers et ctrl+r pour un historique de commandes bien meilleur. Multiplexage # tmux — Le multiplexeur de terminal classique, et un autre outil qui a résisté à l\u0026rsquo;épreuve du temps. Je l\u0026rsquo;utilise surtout pour garder des serveurs de dev en arrière-plan pendant que je travaille dans un autre panneau. Les sessions persistantes permettent de se déconnecter et de revenir plus tard sans rien perdre. À associer avec tpm pour les plugins. Utilitaires pour développeurs # jq — Si vous travaillez avec du JSON (et c\u0026rsquo;est probablement le cas), c\u0026rsquo;est indispensable. La syntaxe de requête demande un peu d\u0026rsquo;apprentissage, mais ça paie vite. Pour une approche plus douce, essayez jnv qui vous donne un aperçu en direct pendant que vous construisez votre requête. lazygit — J\u0026rsquo;ai un alias lg pour cet outil et je l\u0026rsquo;ouvre avant presque chaque commit. Il rend le rebase, le staging de hunks individuels et la résolution de conflits tellement moins pénibles que les commandes git brutes. Si le CLI de git vous intimide, commencez par là. Fork — Je l\u0026rsquo;utilise en complément de lazygit. fork . ouvre le dépôt courant dans une interface graphique native et propre, ce qui est utile quand on a besoin de visualiser l\u0026rsquo;historique des branches ou de comprendre la vue d\u0026rsquo;ensemble. lazydocker — Même concept que lazygit mais pour Docker. Voir les logs, redémarrer des conteneurs, gérer les volumes — le tout depuis une seule interface TUI. tectonic — Si vous utilisez LaTeX, cet outil vous épargnera bien des douleurs. Il télécharge les paquets à la demande, pas de configuration tlmgr manuelle. tectonic document.tex et ça marche, tout simplement. Configuration SSH # Ce n\u0026rsquo;est pas un outil mais une astuce qui me fait gagner du temps tous les jours. Au lieu de taper ssh -i ~/.ssh/key user@long-hostname.example.com -p 2222, vous pouvez définir des alias courts dans ~/.ssh/config :\nHost dev HostName my-server.example.com User deploy Port 2222 IdentityFile ~/.ssh/my_key Ensuite, un simple ssh dev. Six caractères au lieu de soixante. Ça fonctionne aussi avec scp, rsync et VS Code remote.\nL\u0026rsquo;IA dans le terminal # Claude Code — C\u0026rsquo;est l\u0026rsquo;outil qui m\u0026rsquo;a donné envie d\u0026rsquo;écrire cet article. Il tourne dans votre terminal, lit votre codebase, édite des fichiers, exécute des commandes et fait des commits. Je commence désormais la plupart de mes projets en tapant claude plutôt qu\u0026rsquo;en ouvrant un éditeur. Le terminal s\u0026rsquo;avère être une bien meilleure interface pour l\u0026rsquo;IA qu\u0026rsquo;une fenêtre de chat — il donne au modèle un accès direct à votre système de fichiers, votre historique git et vos outils de build. Ce qui, pour revenir à l\u0026rsquo;analogie du tournevis, fait du terminal le manche et du LLM l\u0026rsquo;embout interchangeable. Ressources d\u0026rsquo;apprentissage # The Art of Command Line — Un guide complet que je revisite de temps en temps. Couvre tout, de la navigation de base aux astuces auxquelles je n\u0026rsquo;aurais jamais pensé. Modern Unix — C\u0026rsquo;est là que j\u0026rsquo;ai découvert la plupart des outils du tableau ci-dessus. Les zines de Julia Evans — La meilleure façon que je connaisse de développer une intuition sur le fonctionnement réel du réseau, de bash, de git et du DNS. Courts, illustrés et étonnamment profonds. Command Line Interface Guidelines — Si vous construisez vos propres outils CLI, c\u0026rsquo;est le guide de style à suivre. Tout installer sur macOS # La plupart de ces outils sont disponibles via Homebrew. Voici un script unique pour tout installer :\n#!/bin/bash set -e # Check for Homebrew if ! command -v brew \u0026amp;\u0026gt; /dev/null; then echo \u0026#34;Installing Homebrew...\u0026#34; /bin/bash -c \u0026#34;$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)\u0026#34; fi # Terminal emulator brew install --cask iterm2 # Shell and prompt brew install starship zoxide atuin # Modern replacements brew install eza bat fd ripgrep dust btop sd git-delta xh tldr the_silver_searcher # File navigation brew install fzf yazi $(brew --prefix)/opt/fzf/install --key-bindings --completion --no-update-rc # Multiplexing brew install tmux # Developer utilities brew install jq lazygit lazydocker tectonic brew install --cask fork # AI brew install claude-code echo \u0026#34;\u0026#34; echo \u0026#34;Done! Add the following to your ~/.zshrc:\u0026#34; echo \u0026#34;\u0026#34; echo \u0026#39;# Starship prompt\u0026#39; echo \u0026#39;eval \u0026#34;$(starship init zsh)\u0026#34;\u0026#39; echo \u0026#34;\u0026#34; echo \u0026#39;# Zoxide\u0026#39; echo \u0026#39;eval \u0026#34;$(zoxide init zsh)\u0026#34;\u0026#39; echo \u0026#34;\u0026#34; echo \u0026#39;# Atuin\u0026#39; echo \u0026#39;eval \u0026#34;$(atuin init zsh)\u0026#34;\u0026#39; echo \u0026#34;\u0026#34; echo \u0026#39;# Modern tool aliases\u0026#39; echo \u0026#39;alias ls=\u0026#34;eza --icons --group-directories-first\u0026#34;\u0026#39; echo \u0026#39;alias cat=\u0026#34;bat --style=auto\u0026#34;\u0026#39; echo \u0026#39;alias find=\u0026#34;fd\u0026#34;\u0026#39; echo \u0026#39;alias grep=\u0026#34;rg --smart-case\u0026#34;\u0026#39; echo \u0026#39;alias du=\u0026#34;dust -r\u0026#34;\u0026#39; echo \u0026#39;alias top=\u0026#34;btop\u0026#34;\u0026#39; echo \u0026#39;alias sed=\u0026#34;sd\u0026#34;\u0026#39; echo \u0026#39;alias diff=\u0026#34;delta --side-by-side\u0026#34;\u0026#39; echo \u0026#39;alias curl=\u0026#34;xh\u0026#34;\u0026#39; echo \u0026#39;alias man=\u0026#34;tldr\u0026#34;\u0026#39; echo \u0026#39;alias lg=\u0026#34;lazygit\u0026#34;\u0026#39; Enregistrez ce script sous install-cli-tools.sh, lancez chmod +x install-cli-tools.sh et exécutez-le. Si certains outils sont déjà installés, Homebrew les ignorera.\nCette liste est subjective et reflète ce que j\u0026rsquo;utilise vraiment. Je la mettrai à jour au fur et à mesure que je découvre de nouveaux outils dignes d\u0026rsquo;être ajoutés à la boîte à outils.\n","date":"26 mars 2026","externalUrl":null,"permalink":"/fr/posts/20260326-modern-cli-resources/","section":"Posts","summary":"Une liste d\u0026rsquo;outils et de ressources qui ont changé ma façon d\u0026rsquo;utiliser le terminal","title":"Ressources CLI modernes","type":"posts"},{"content":"","date":"26 mars 2026","externalUrl":null,"permalink":"/fr/tags/tools/","section":"Tags","summary":"","title":"Tools","type":"tags"},{"content":"","date":"21 février 2026","externalUrl":null,"permalink":"/fr/tags/paperreading/","section":"Tags","summary":"","title":"PaperReading","type":"tags"},{"content":" Traduction automatique — Cet article a ete traduit automatiquement depuis l\u0026rsquo;anglais. Vous pouvez consulter la version originale en anglais via le selecteur de langue en haut de la page. Dans cet article, je passe en revue un article intitule SkillRL que j\u0026rsquo;ai lu recemment.\nCe que l\u0026rsquo;article propose # L\u0026rsquo;affirmation centrale de l\u0026rsquo;article est qu\u0026rsquo;il est possible d\u0026rsquo;enseigner a de petits LLMs l\u0026rsquo;utilisation de competences (skills) en combinant trois techniques :\nDistillation de competences par l\u0026rsquo;experience : ils utilisent OpenAI o3 comme modele enseignant pour distiller des enseignements a partir des trajectoires d\u0026rsquo;agents, tant reussies qu\u0026rsquo;echouees, sous forme de competences compactes et reutilisables. Les trajectoires echouees sont transformees en \u0026ldquo;lecons d\u0026rsquo;echec\u0026rdquo; plutot que d\u0026rsquo;etre ecartees.\nBibliotheque hierarchique de competences (SkillBank) : les competences sont organisees en deux categories : les competences generales (strategies universelles applicables a toutes les taches) et les competences specifiques a une tache (heuristiques au niveau des categories). Les competences generales sont toujours incluses dans le contexte, tandis que les competences specifiques sont recuperees par similarite semantique a l\u0026rsquo;aide de Qwen3-Embedding-0.6B, essentiellement un mecanisme de RAG.\nEvolution recursive des competences : le pipeline d\u0026rsquo;entrainement comporte deux phases. D\u0026rsquo;abord, une phase de fine-tuning supervise a froid (SFT) ou le modele enseignant genere des traces de raisonnement augmentees par les competences pour apprendre au modele de base comment utiliser les competences. Ensuite, l\u0026rsquo;apprentissage par renforcement base sur GRPO demarre, au cours duquel la bibliotheque de competences co-evolue avec la politique en analysant les echecs de validation et en generant de nouvelles competences pour combler les lacunes.\nLes auteurs comparent leur approche avec des methodes basees sur les prompts (ReAct, Reflexion), des baselines RL classiques (RLOO, GRPO) et des methodes RL augmentees par la memoire (MemRL, EvolveR). SkillRL surpasse systematiquement toutes les baselines : 89,9 % de taux de reussite sur ALFWorld (+12,3 % par rapport au GRPO classique), 72,7 % sur WebShop et 47,1 % en moyenne sur sept taches de QA avec recherche augmentee.\nLes etudes d\u0026rsquo;ablation sont instructives : supprimer la structure hierarchique fait chuter la performance d\u0026rsquo;environ 13 %, remplacer les competences par des trajectoires brutes entraine une degradation allant jusqu\u0026rsquo;a 25 %, et supprimer le SFT a froid provoque une baisse d\u0026rsquo;environ 20 %. Ils rapportent une compression de 10 a 20 fois des tokens par rapport au stockage de trajectoires brutes, bien que ce soit un sous-produit attendu de la synthese plutot qu\u0026rsquo;un resultat nouveau. La conclusion plus significative des ablations est que l\u0026rsquo;utilisation de competences distillees surpasse en fait les trajectoires brutes de jusqu\u0026rsquo;a 25 %, ce qui suggere que la compression preserve (voire ameliore) l\u0026rsquo;information utile plutot que de simplement reduire la longueur du contexte.\nIls partagent leur implementation complete dans un depot GitHub, qui utilise la bibliotheque verl pour l\u0026rsquo;entrainement RL et Qwen2.5-7B-Instruct comme modele de base.\nMon avis # C\u0026rsquo;est davantage un article d\u0026rsquo;ingenierie qu\u0026rsquo;un article theorique. Les trois techniques ne sont pas nouvelles individuellement : la premiere etape consiste a apprendre des competences a partir de l\u0026rsquo;historique d\u0026rsquo;un LLM via un modele enseignant, la deuxieme est une recuperation basee sur les embeddings pour trouver les competences pertinentes par tache, et la troisieme est un SFT suivi de RL avec des mises a jour continues de la bibliotheque de competences. En consequence, je n\u0026rsquo;ai pas trouve l\u0026rsquo;article particulierement captivant a lire. De plus, leur langage est excessivement complexe pour des sujets simples : par exemple, leur \u0026ldquo;bibliotheque hierarchique de competences\u0026rdquo; n\u0026rsquo;est pas vraiment hierarchique mais simplement constituee de competences etiquetees, et la \u0026ldquo;distillation de competences\u0026rdquo; n\u0026rsquo;est en fait que l\u0026rsquo;utilisation d\u0026rsquo;un grand modele pour apprendre des competences a partir de l\u0026rsquo;historique de conversation.\nCela dit, la valeur reside dans l\u0026rsquo;integration. La partie la plus interessante de ce travail n\u0026rsquo;est pas l\u0026rsquo;article lui-meme mais l\u0026rsquo;implementation qu\u0026rsquo;ils partagent, qui fournit un pipeline fonctionnel combinant ces techniques existantes. Les resultats rapportes sont solides, en particulier les gains sur les taches complexes a plusieurs etapes comme \u0026ldquo;PickTwo\u0026rdquo; et \u0026ldquo;Cool\u0026rdquo; ou SkillRL surpasse GRPO de plus de 20 %.\nUne question ouverte concerne le cout. Ce pipeline implique un SFT a froid, un entrainement GRPO continu et des appels repetes a o3 pour la distillation et l\u0026rsquo;evolution des competences. L\u0026rsquo;article ne fournit pas de ventilation detaillee des couts. Combien d\u0026rsquo;inferences le petit LLM doit-il executer avant que les gains de performance ne compensent les couts d\u0026rsquo;entrainement ?\nSources # Article : Xia, P., Chen, J., Wang, H., et al. (2026). SkillRL: Evolving Agents via Recursive Skill-Augmented Reinforcement Learning. arXiv:2602.08234. https://arxiv.org/abs/2602.08234 Code : https://github.com/aiming-lab/SkillRL Modele de base : Qwen2.5-7B-Instruct — https://huggingface.co/Qwen/Qwen2.5-7B-Instruct Bibliotheque RL : verl — https://github.com/volcengine/verl ","date":"21 février 2026","externalUrl":null,"permalink":"/fr/posts/20260221-paper-reading-skillsrl/","section":"Posts","summary":"Traduction automatique — Cet article a ete traduit automatiquement depuis l\u0026rsquo;anglais.","title":"Revue : SkillsRL","type":"posts"},{"content":" Traduction automatique — Cet article a ete traduit automatiquement depuis l\u0026rsquo;anglais. Vous pouvez consulter la version originale en anglais via le selecteur de langue en haut de la page. Claude Code comme éditeur Markdown dopé à l\u0026rsquo;IA # La différence entre Claude Code et l\u0026rsquo;interface chatGPT classique est-elle la même que celle entre un simple éditeur Markdown et un éditeur WYSIWYG comme Word ?\nClaude Code semble être davantage une interface IA vers un LLM utilisable pour de nombreuses tâches au-delà du code, et pour laquelle les connaissances de chaque tâche sont stockées dans des fichiers Markdown plutôt que dans une base de données.\nListe de lecture\nhttps://every.to/source-code/how-to-use-claude-code-for-everyday-tasks-no-programming-required https://pieterma.es/syntopic-reading-claude/ Génération de documents # Lorsque vous générez des documents tels que des présentations ou des diagrammes, je recommande de privilégier les formats en texte brut qui peuvent ensuite être convertis vers le format de sortie souhaité. Pour les présentations, demandez à votre LLM d\u0026rsquo;utiliser Beamer, le framework de présentation LaTeX. En bonus, Claude peut lui-même lancer la compilation LaTeX et déboguer les erreurs éventuelles (voir cette conversation par exemple). Essayez de l\u0026rsquo;utiliser pour générer des présentations résumant des articles d\u0026rsquo;arXiv. Pour les diagrammes, Mermaid et TikZ sont d\u0026rsquo;excellents choix. Pour les documents textuels plus longs, LaTeX reste mon option préférée.\n","date":"11 janvier 2026","externalUrl":null,"permalink":"/fr/posts/20260111-llm-thoughts/","section":"Posts","summary":"Quelques réflexions et questions ouvertes sur les LLMs","title":"Astuces LLM","type":"posts"},{"content":" Traduction automatique — Cet article a ete traduit automatiquement depuis l\u0026rsquo;anglais. Vous pouvez consulter la version originale en anglais via le selecteur de langue en haut de la page. Juste pour le plaisir # Voici quelques projets personnels de sites web en JavaScript créés par vibe-coding. Certains ont été créés uniquement avec Claude/chatGPT, d\u0026rsquo;autres avec des assistants de codage agentiques comme Claude Code :\nTaginator convertit le prix des biens en équivalent Tagine. Pourquoi ? Parce que pourquoi pas ? Range ta chambre GPT Certains disent que les chatbots peuvent faire perdre du temps et distraire les enfants de leurs tâches quotidiennes comme ranger leur chambre, c\u0026rsquo;est pourquoi j\u0026rsquo;ai créé rangeTaChambre GPT, un site web à la chatGPT qui dit à votre enfant de ranger sa chambre. Même s\u0026rsquo;il ressemble à chatGPT, il est 100% sans IA générative. Obsidian-Hugo Sync un utilitaire en ligne de commande pour écrire des articles de blog dans Obsidian et les synchroniser avec un blog Hugo. Je l\u0026rsquo;utilise pour rédiger les articles de ce blog. Synoptik.app est la suite du travail commencé dans l\u0026rsquo;article book_graph_for_llms. Par souci de simplicité, les graphes sont affichés sous forme de diagrammes Mermaid. Xmas List un CRM de liste de Noël (en cours de développement). ","date":"23 décembre 2025","externalUrl":null,"permalink":"/fr/posts/1766486250383-personal-projects/","section":"Posts","summary":"Traduction automatique — Cet article a ete traduit automatiquement depuis l\u0026rsquo;anglais.","title":"Mon atelier de projets personnels","type":"posts"},{"content":"","date":"23 décembre 2025","externalUrl":null,"permalink":"/fr/tags/projects/","section":"Tags","summary":"","title":"Projects","type":"tags"},{"content":" Traduction automatique — Cet article a ete traduit automatiquement depuis l\u0026rsquo;anglais. Vous pouvez consulter la version originale en anglais via le selecteur de langue en haut de la page. Andrej Karpathy Je recommande particulièrement sa vidéo grand public \u0026ldquo;Deep Dive into LLMs like ChatGPT\u0026rdquo; sur les fondamentaux des LLMs sous le capot. \u0026ldquo;How I use LLMs\u0026rdquo;, un guide plus pratique avec des exemples d\u0026rsquo;utilisation des LLMs. Vous trouverez aussi sur sa chaîne des vidéos destinées à un public plus avancé où il vous apprend à construire un LLM simple au niveau des caractères, comme chatGPT, en PyTorch pur. Vous pouvez également trouver son blog ici. Deep learning with Yacine : de bonnes explications de base en machine learning. J\u0026rsquo;apprécie le fait que les explications sur cette chaîne visent une compréhension fondamentale du fonctionnement des LLMs et non une compréhension de haut niveau ou business. Je recommande ses vidéos sur le modèle DeepSeek. Yannick Kilcher Des revues de papiers intéressantes, son canal Discord est aussi une mine d\u0026rsquo;or avec des discussions fréquentes sur des articles portant sur les LLMs et des sujets connexes. ","date":"2 septembre 2025","externalUrl":null,"permalink":"/fr/posts/llm_sources/","section":"Posts","summary":"Traduction automatique — Cet article a ete traduit automatiquement depuis l\u0026rsquo;anglais.","title":"Une liste (croissante ?) de ressources sur les LLMs","type":"posts"},{"content":" Traduction automatique — Cet article a ete traduit automatiquement depuis l\u0026rsquo;anglais. Vous pouvez consulter la version originale en anglais via le selecteur de langue en haut de la page. Dans cet article, je souhaite aborder mon approche de la prise de notes et la tendance récente du « second cerveau » et des jardins numériques. Le second cerveau étant en quelque sorte à la mode en ce moment, il y a eu beaucoup d\u0026rsquo;engouement autour de ce sujet sur YouTube, et cet article tente de séparer le fond du battage médiatique.\nJardins numériques # Récemment, je me suis intéressé au concept de « jardin numérique »1 2, qui est essentiellement une collection de connaissances personnelles similaire à un Wikipédia, mais avec des différences fondamentales. Un jardin numérique est un espace en ligne personnel où l\u0026rsquo;on collecte et connecte ses pensées, idées et connaissances. Contrairement à Wikipédia, qui vise à présenter l\u0026rsquo;information de manière objective pour un public général, un jardin numérique reflète intentionnellement la façon dont son créateur pense et apprend. Le principal avantage d\u0026rsquo;un jardin numérique par rapport aux encyclopédies traditionnelles est que le contenu et les connexions entre les sujets représentent les schémas de pensée personnels et le parcours d\u0026rsquo;apprentissage de l\u0026rsquo;auteur. Il n\u0026rsquo;y a aucune tentative de standardiser la présentation ou l\u0026rsquo;organisation pour convenir à un public général.\nPour les lecteurs qui explorent le jardin numérique de quelqu\u0026rsquo;un, l\u0026rsquo;expérience va au-delà de l\u0026rsquo;apprentissage de sujets spécifiques. On obtient un aperçu du fonctionnement de l\u0026rsquo;esprit de l\u0026rsquo;auteur — ses processus de réflexion, les connexions qu\u0026rsquo;il établit et sa façon d\u0026rsquo;organiser l\u0026rsquo;information. Après avoir exploré un jardin numérique, de nombreux lecteurs ont l\u0026rsquo;impression de mieux comprendre la personnalité du créateur que le contenu lui-même. Les jardins numériques mettent naturellement en valeur la nature multifacette de leurs créateurs. On peut découvrir que quelqu\u0026rsquo;un n\u0026rsquo;est pas seulement un ingénieur logiciel talentueux, mais aussi voir comment cette personne relie des concepts de programmation à des techniques culinaires, des préoccupations environnementales ou d\u0026rsquo;autres centres d\u0026rsquo;intérêt apparemment sans rapport. Cela montre que les gens sont complexes, et comprendre comment les différentes facettes d\u0026rsquo;une personne se connectent nous donne une image plus complète de qui elle est.\nSi vous voulez voir par vous-même, je recommande vivement les deux ressources suivantes : 1 et 2 qui sont des exemples de jardins numériques.\nConstruire son propre jardin numérique # Après avoir parcouru quelques jardins numériques listés dans 1, j\u0026rsquo;ai commencé à me demander comment je pourrais construire le mien. C\u0026rsquo;est là que j\u0026rsquo;ai découvert la communauté du « second cerveau »3 qui discute de comment construire un second cerveau, surfant sur l\u0026rsquo;engouement autour de ce domaine. Bien que j\u0026rsquo;apprécie la quantité d\u0026rsquo;informations que cela a généré, ça me dérange que cela ait conduit à présenter la gestion des connaissances personnelles comme un moyen d\u0026rsquo;atteindre une haute productivité plutôt qu\u0026rsquo;une façon de représenter élégamment son savoir. Je trouve aussi quelque peu décevant de voir 50 variantes différentes de méthodes pour construire son système de gestion des connaissances, chaque YouTubeur affirmant que la sienne est la meilleure. C\u0026rsquo;est un phénomène similaire à celui des YouTubeurs fitness qui vous vendent différentes variantes de leurs programmes d\u0026rsquo;entraînement pour atteindre le physique parfait, alors que nous savons tous qu\u0026rsquo;un programme simple (le 5x5 par exemple 4) peut répondre aux besoins de la plupart des débutants.\nLa théorie : retour aux fondamentaux # J\u0026rsquo;ai décidé de revenir aux fondamentaux et de lire le livre original sur la méthode Zettelkasten, qui est une façon de construire un jardin numérique développée par Niklas Luhmann, un sociologue allemand qui a utilisé ce système pour produire un corpus de travail considérable. L\u0026rsquo;approche de Luhmann ne portait pas sur des astuces de productivité ou l\u0026rsquo;optimisation des connaissances pour la production ; c\u0026rsquo;était un système pour penser et développer des idées tout au long d\u0026rsquo;une vie. Elle part du constat que, contrairement aux notes ou articles classiques où la structure de la pensée est linéaire (on écrit un article du début à la fin), notre structure de pensée est hautement non linéaire et le système que nous utilisons pour digérer nos idées devrait refléter cette propriété. Cela est réalisé en reliant les notes connexes entre elles, ce qui permet à la structure des notes d\u0026rsquo;émerger d\u0026rsquo;elle-même au lieu d\u0026rsquo;être imposée par une hiérarchie prédéfinie. Cela fait des merveilles pour la créativité et la recherche car cela permet de trouver des connexions entre des idées que l\u0026rsquo;on aurait cru déconnectées autrement.\nLe fait que les plus grandes avancées proviennent de la découverte de liens entre des sujets a priori sans rapport est fondamental. Cette percolation5 du savoir est similaire à la percolation qui survient dans les phénomènes naturels comme les feux de forêt6 où le feu ne peut se propager que si la forêt est suffisamment dense pour permettre au feu de sauter d\u0026rsquo;un arbre à l\u0026rsquo;autre. Par analogie, on pourrait penser que la véritable force du système Zettelkasten réside dans le fait d\u0026rsquo;avoir un graphe de connaissances dense (jardin numérique) avec un maillage extensif qui permettra au savoir de circuler et de se propager à travers le jardin numérique.\nPour en apprendre davantage sur la méthode, j\u0026rsquo;ai trouvé le livre de Sönke Ahrens, « How to Take Smart Notes », vraiment utile pour plusieurs raisons :\nIl vous donne les briques de base pour implémenter votre propre système de prise de notes mais n\u0026rsquo;est pas trop prescriptif, suivant la maxime : « Donne un poisson à un homme et tu le nourris pour un jour ; apprends-lui à pêcher et tu le nourris pour la vie ». On voit qu\u0026rsquo;il a été écrit en utilisant des connaissances stockées dans un système de prise de notes de type Zettelkasten lorsque l\u0026rsquo;auteur fait une analogie entre un concept qu\u0026rsquo;il explique et un sujet apparemment sans rapport. La façon dont je recommande de lire ce livre est de commencer par regarder l\u0026rsquo;une des vidéos de cette playlist YouTube 7 pour vous lancer, puis de plonger dans le livre lui-même pour construire votre propre système adapté à vos besoins.\nChaîne de pensée linéaire graph LR A[\"202505050: Starting Point - Zettelkasten Method\"] --\u003e B[\"202505051: Atomic Notes Principle\"] B --\u003e C[\"202505052: Creating Effective Note Titles\"] C --\u003e D[\"202505053: Writing Permanent Notes\"] D --\u003e E[\"202505054: Explicit Connections Between Notes\"] E --\u003e F[\"202505055: Developing Arguments Through Links\"] F --\u003e G[\"202505056: Emergent Structures in Notes\"] G --\u003e H[\"202505057: Knowledge Synthesis\"] H --\u003e I[\"202505058: Publishing From Your Zettelkasten\"] Chaîne de pensée non linéaire (permet un maillage plus fin entre les sujets)\ngraph TD A[\"202505060: Core Concepts\"] --- B[\"202505061: Atomic Notes\"] A --- C[\"202505062: Linking Strategy\"] A --- D[\"202505063: Note Organization\"] B --- E[\"202505064: Information Chunking\"] B --- F[\"202505065: Single-Idea Focus\"] C --- G[\"202505066: Direct References\"] C --- H[\"202505067: Concept Bridges\"] C --- I[\"202505068: Surprising Connections\"] D --- J[\"202505069: Folgezettel Numbering\"] D --- K[\"2025050610: Tags vs. Links\"] E --- L[\"2025050611: Cognitive Load\"] F --- L G --- M[\"2025050612: Citation Practice\"] H --- N[\"2025050613: Metaphorical Thinking\"] I --- N I --- O[\"2025050614: Serendipity\"] J --- P[\"2025050615: Sequential Thought\"] K --- Q[\"2025050616: Emergent Structure\"] L --- R[\"2025050617: Memory Enhancement\"] M --- S[\"2025050618: Building on Others' Ideas\"] N --- S N --- O O --- Q P --- T[\"2025050619: Linear Learning\"] Q --- U[\"2025050620: Non-linear Creativity\"] R --- V[\"2025050621: Knowledge Retention\"] S --- W[\"2025050622: Intellectual Development\"] T --- W U --- W V --- W Zettelkasten numérique # Au départ, Niklas Luhmann a implémenté son Zettelkasten à l\u0026rsquo;aide de fiches papier qu\u0026rsquo;il référençait entre elles. Aujourd\u0026rsquo;hui cependant, le numérique offre un moyen plus pratique de stocker, accéder et parcourir ses notes. Les deux logiciels que j\u0026rsquo;ai essayés pour cela sont Notion et Obsidian. Pour la prise de notes en particulier, j\u0026rsquo;ai choisi Obsidian plutôt que Notion pour les raisons suivantes : toutes vos notes sont stockées en Markdown, c\u0026rsquo;est-à-dire en texte brut ; si vous décidez de stocker vos notes sur le serveur d\u0026rsquo;Obsidian, elles sont chiffrées de bout en bout, ce qui signifie que personne d\u0026rsquo;autre que vous ne peut y accéder (pas même l\u0026rsquo;équipe d\u0026rsquo;Obsidian) ; le processus de liaison entre les notes est plus simple qu\u0026rsquo;avec Notion.\nPour commencer à construire votre propre graphe de connaissances numérique, je vous suggère de regarder quelques vidéos YouTube 7 pour démarrer et de compléter cela avec le livre « Taking Smart Notes » mentionné dans la section #The theory back to basics.\nConclusion # J\u0026rsquo;espère que vous avez apprécié autant que moi la perspective de pouvoir construire un ensemble de notes organisées d\u0026rsquo;une manière qui a du sens pour vous, ce qui est toute la beauté de la méthode Zettelkasten et consorts, et qui en fait un outil de choix pour la recherche et la créativité. Cette façon de stocker et d\u0026rsquo;évaluer les connaissances semble particulièrement importante à l\u0026rsquo;ère des LLM, qui sont experts dans l\u0026rsquo;interpolation d\u0026rsquo;idées, et où je vois le corpus de connaissances croître plus vite que jamais.\nRéférences # Une collection de jardins numériques https://github.com/lyz-code/best-of-digital-gardens\u0026#160;\u0026#x21a9;\u0026#xfe0e;\u0026#160;\u0026#x21a9;\u0026#xfe0e;\u0026#160;\u0026#x21a9;\u0026#xfe0e;\nUn exemple de jardin numérique https://lyz-code.github.io/blue-book/digital_garden/\u0026#160;\u0026#x21a9;\u0026#xfe0e;\u0026#160;\u0026#x21a9;\u0026#xfe0e;\nSecond brain sur YouTube https://www.youtube.com/results?search_query=second+brain\u0026#160;\u0026#x21a9;\u0026#xfe0e;\nhttps://www.healthline.com/health/fitness/5x5-workout#weekly-program\u0026#160;\u0026#x21a9;\u0026#xfe0e;\nhttps://en.wikipedia.org/wiki/Percolation\u0026#160;\u0026#x21a9;\u0026#xfe0e;\nhttps://drive.google.com/file/d/12R9jPDtHOULkwcl4XF2T9wsndbazD1UM/view\u0026#160;\u0026#x21a9;\u0026#xfe0e;\nLe résultat d\u0026rsquo;une recherche YouTube sur Obsidian et Zettelkasten https://www.youtube.com/results?search_query=zettelkasten+and+obsidian\u0026#160;\u0026#x21a9;\u0026#xfe0e;\u0026#160;\u0026#x21a9;\u0026#xfe0e;\n","date":"1 mai 2025","externalUrl":null,"permalink":"/fr/posts/obsidian_and_note_taking/","section":"Posts","summary":"50 nuances de prise de notes","title":"♪ Notes sur la prise de notes ♪","type":"posts"},{"content":"","date":"1 mai 2025","externalUrl":null,"permalink":"/fr/tags/note-taking/","section":"Tags","summary":"","title":"Note-Taking","type":"tags"},{"content":"","date":"1 mai 2025","externalUrl":null,"permalink":"/fr/tags/productivity/","section":"Tags","summary":"","title":"Productivity","type":"tags"},{"content":"","date":"25 avril 2024","externalUrl":null,"permalink":"/fr/tags/knowledge-graphs/","section":"Tags","summary":"","title":"Knowledge-Graphs","type":"tags"},{"content":" Traduction automatique — Cet article a ete traduit automatiquement depuis l\u0026rsquo;anglais. Vous pouvez consulter la version originale en anglais via le selecteur de langue en haut de la page. Les graphes créés dans le cadre de ce projet # A Tale of Two Cities Dream of the Red Chamber The Alchemyst The Little Prince Une image du graphe de connaissances créé pour Le Petit Prince\nIntroduction # Les grands modèles de langage comme ChatGPT ont la capacité remarquable d\u0026rsquo;extraire des informations de documents et de les présenter dans un format concis et facile à comprendre. Cependant, la sortie standard de ChatGPT se limite au texte et aux images. Dans cet article, nous allons explorer comment exploiter les capacités de ChatGPT et contraindre sa sortie pour créer des graphes de connaissances visuellement attrayants qui résument des livres, à l\u0026rsquo;image de ce graphe qui résume le célèbre « A Tale of Two Cities ».\nLa raison pour laquelle j\u0026rsquo;ai voulu explorer les visualisations par graphes de connaissances est qu\u0026rsquo;elles peuvent constituer un outil pédagogique complémentaire à la lecture d\u0026rsquo;un livre. Il est important de noter que ces graphes ne sont pas destinés à remplacer l\u0026rsquo;acte de lire en lui-même, car ils ne peuvent pas capturer pleinement la profondeur et les nuances du texte. En fait, le graphe peut ne pas être très utile sans le contexte et les connaissances acquis en lisant réellement le livre. Cependant, les graphes de connaissances peuvent servir d\u0026rsquo;aide précieuse, surtout lorsque les lecteurs se sentent perdus ou submergés au milieu d\u0026rsquo;un livre complexe. En offrant une vue d\u0026rsquo;ensemble des concepts principaux et de leurs relations, ces visualisations peuvent aider les lecteurs à voir le livre dans sa globalité et faciliter la compréhension de la façon dont les différentes parties du livre s\u0026rsquo;articulent et contribuent au message ou au thème général.\nExemples de graphes de connaissances # Voici quelques exemples de graphes de connaissances pour des livres bien connus. Cliquer sur un lien affichera le graphe de connaissances correspondant. Lorsque vous survolez un noeud ou un lien dans le graphe, vous verrez une description de cet élément particulier, fournissant plus de contexte et d\u0026rsquo;informations sur sa signification au sein de la narration ou de la structure du livre.\nA Tale of Two Cities Dream of the Red Chamber The Alchemyst The Little Prince Dans la suite de cet article, je décrirai la méthode pour générer les graphes ci-dessus :\nImplémentation # Le code pour générer des graphes de connaissances à partir de résumés de livres avec ChatGPT est disponible dans ce dépôt GitHub. Le processus est simple et comprend les étapes suivantes :\nDéfinir un modèle Pydantic pour spécifier la structure du graphe de connaissances. Le graphe est composé de noeuds et de liens, où chaque noeud représente un concept principal et chaque lien représente une connexion entre deux concepts. Le modèle Pydantic est défini comme suit : from pydantic import BaseModel from typing import List class Node(BaseModel): node_id: int name: str description: str class Link(BaseModel): link_id: int link_name: str node_id_from: int node_id_to: int link_description: str class KnowledgeGraph(BaseModel): concepts: List[Node] links: List[Link] name: str Demander à ChatGPT de générer un objet JSON conforme au modèle Pydantic spécifié. Le prompt demande à ChatGPT de résumer un livre donné sous forme de graphe de connaissances avec 10 noeuds et 20 liens, en s\u0026rsquo;assurant que le graphe résultant soit visuellement attrayant et fournisse un bon aperçu du livre. La bibliothèque instructor est utilisée pour contraindre la sortie de ChatGPT à correspondre au modèle Pydantic. from functools import lru_cache from openai import OpenAI from typing import List import instructor @lru_cache(maxsize=None) def get_knowledge_graph_object( book_title: str, model: str = \u0026#39;gpt-4-turbo\u0026#39;, client = instructor.from_openai(OpenAI()) ) -\u0026gt; KnowledgeGraph: return client.chat.completions.create( model=model, response_model=KnowledgeGraph, messages=[ {\u0026#34;role\u0026#34;: \u0026#34;system\u0026#34;, \u0026#34;content\u0026#34;: \u0026#34;You are an avid reader and you summarize books in knowledge graphs and make it entertaining\u0026#34;}, {\u0026#34;role\u0026#34;: \u0026#34;user\u0026#34;, \u0026#34;content\u0026#34;: f\u0026#34;\u0026#34;\u0026#34;Summarize the book {book_title} in the graph given as type. Each of the nodes in the graph represents one main concept of the book. Each of the links represents a connection between two main concepts. The graph should have 10 nodes and 20 links. The resulting graph should be visually appealing and give a good global understanding of the book it summarizes. Take some time and reason step by step before creating the graph object to make a graph that will be easy to display. A node should not have self-loops and there should not be loops between two nodes. The graph should give the reader a good summary of the book.\u0026#34;\u0026#34;\u0026#34;} ], ) Parser le modèle Pydantic généré et le visualiser sous forme de graphe de connaissances avec la bibliothèque pyvis. from pyvis.network import Network def draw_kg_with_pyvis(knowledge_graph: KnowledgeGraph): net = Network(notebook=True, directed=True, width=\u0026#34;800px\u0026#34;, height=\u0026#34;600px\u0026#34;) # Add nodes to the network for node in knowledge_graph.concepts: net.add_node(node.node_id, label=node.name, title=node.description.replace(\u0026#39;.\u0026#39;, \u0026#39;.\\n\u0026#39;), shape=\u0026#34;box\u0026#34;) # Add edges to the network for link in knowledge_graph.links: net.add_edge(link.node_id_from, link.node_id_to, label=link.link_name, title=link.link_description.replace(\u0026#39;.\u0026#39;, \u0026#39;.\\n\u0026#39;)) # Set layout options net.barnes_hut(gravity=-1000, overlap=100) # Display the network return net.show(f\u0026#34;{knowledge_graph.name}.html\u0026#34;) En suivant ces étapes, vous pouvez exploiter la puissance de ChatGPT pour générer des graphes de connaissances informatifs et visuellement attrayants qui résument des livres. La bibliothèque instructor garantit que la sortie générée respecte le modèle Pydantic spécifié, tandis que la bibliothèque pyvis permet la visualisation du graphe de connaissances dans un format interactif et convivial.\nConclusion # Dans cet article, j\u0026rsquo;ai partagé avec vous des choses intéressantes que l\u0026rsquo;on peut faire en combinant la puissance de la génération structurée et des bibliothèques de visualisation Python pour créer de jolies visualisations alimentées par ChatGPT. N\u0026rsquo;hésitez pas à consulter les visualisations que j\u0026rsquo;ai déjà créées ici :\nA Tale of Two Cities Dream of the Red Chamber The Alchemyst The Little Prince ","date":"25 avril 2024","externalUrl":null,"permalink":"/fr/posts/book_graph_for_llms/","section":"Posts","summary":"Créer des graphes de connaissances de livres visuellement attrayants et informatifs grâce à la puissance des grands modèles de langage","title":"Visualiser des résumés de livres avec des graphes de connaissances grâce à ChatGPT","type":"posts"},{"content":"","date":"25 avril 2024","externalUrl":null,"permalink":"/fr/tags/visualization/","section":"Tags","summary":"","title":"Visualization","type":"tags"},{"content":"","externalUrl":null,"permalink":"/fr/authors/","section":"Authors","summary":"","title":"Authors","type":"authors"},{"content":"","externalUrl":null,"permalink":"/fr/categories/","section":"Categories","summary":"","title":"Categories","type":"categories"},{"content":"","externalUrl":null,"permalink":"/fr/series/","section":"Series","summary":"","title":"Series","type":"series"}]