Choisissez le terminal adapté à votre flux de travail Linux
L’un des outils les plus essentiels pour les utilisateurs de Linux est l’émulateur de terminal (https://www.glukhov.org/fr/post/2026/01/terminal-emulators-for-linux-comparison/ “Linux l’émulateur de terminal”).
Alternative auto-hébergée à ChatGPT pour les LLMs locaux
Ouvrir WebUI est une interface web puissante, extensible et riche en fonctionnalités pour interagir avec les grands modèles de langage.
Inférence rapide de LLM avec l'API OpenAI
vLLM est un moteur d’inférence et de service pour les grands modèles de langage (LLM) développé par le Sky Computing Lab de l’UC Berkeley. Grâce à son algorithme révolutionnaire PagedAttention, vLLM atteint un débit 14 à 24 fois supérieur aux méthodes de service traditionnelles, ce qui en fait le choix privilégié pour les déploiements de production de LLM.
Guide pratique avec instructions étape par étape
Vous installez KVM sur Ubuntu 24.04 en vérifiant le support de virtualisation du CPU, en installant les paquets KVM/libvirt, en activant le service libvirtd et (optionnellement) en installant virt-manager pour une interface graphique.
Personnalisation de l'invite Bash pour un contexte Git instantané
Un prompt bash bien configuré affichant des informations sur les dépôts git (https://www.glukhov.org/fr/post/2025/12/adding-git-repo-details-to-bash-prompt/ “prompt bash affichant des informations sur les dépôts git”) peut considérablement améliorer votre flux de travail de développement.
Choisir entre Snap et Flatpak pour les applications Linux
Les gestionnaires de paquets universels ont transformé la distribution de logiciels Linux, rendant la compatibilité inter-distributions une réalité. Snap et Flatpak sont devenus les solutions leaders, chacune apportant des philosophies distinctes pour résoudre l’enfer des dépendances et la fragmentation des distributions.
Comment j'ai résolu les problèmes de réseau sous Ubuntu
Après avoir installé automatiquement un nouveau noyau, Ubuntu 24.04 a perdu la connexion réseau Ethernet. Ce problème frustrant s’est produit une deuxième fois pour moi, donc je documente la solution ici pour aider les autres confrontés au même problème.
Automatiser le déploiement de Hugo vers AWS S3
Déployer un site statique Hugo sur AWS S3 en utilisant l’AWS CLI offre une solution robuste et évolutive pour héberger votre site web. Ce guide couvre l’ensemble du processus de déploiement, de la configuration initiale aux stratégies avancées d’automatisation et de gestion de cache.
Accélérer les tests Go avec l'exécution parallèle
Les tests basés sur des tableaux sont l’approche idiomatique en Go pour tester efficacement plusieurs scénarios. Lorsqu’ils sont combinés à l’exécution parallèle à l’aide de t.Parallel(), vous pouvez réduire considérablement le temps d’exécution du jeu de tests, surtout pour les opérations liées à l’E/S.
Générer automatiquement des documents OpenAPI à partir des annotations du code
La documentation API est cruciale pour toute application moderne, et pour Go APIs Swagger (OpenAPI) est devenue la norme industrielle. Pour les développeurs Go, swaggo propose une solution élégante pour générer une documentation API complète directement à partir des annotations du code.
Maîtrisez le déploiement local des LLM avec plus de 12 outils comparés
Déploiement local des LLM est devenu de plus en plus populaire alors que les développeurs et les organisations recherchent une meilleure confidentialité, une latence réduite et un contrôle accru sur leur infrastructure d’IA.
Maîtrisez la qualité du code Go avec des outils de vérification et l'automatisation
Le développement moderne en Go exige des normes rigoureuses de qualité du code. Les linters pour Go automatisent la détection des bugs, des vulnérabilités de sécurité et des incohérences de style avant qu’ils n’atteignent la production.
Maîtrisez la qualité du code Python avec des outils de linting modernes
Les linters Python sont des outils essentiels qui analysent votre code pour détecter des erreurs, des problèmes de style et des bugs potentiels sans l’exécuter. Ils appliquent des normes de codage, améliorent la lisibilité et aident les équipes à maintenir des bases de code de haute qualité.
Construisez des pipelines d'IA/ML solides avec des microservices Go
Alors que les charges de travail d’IA et de ML deviennent de plus en plus complexes, le besoin de systèmes d’orchestration robustes est devenu plus important que jamais. La simplicité, la performance et la concurrence de Go en font un choix idéal pour construire la couche d’orchestration des pipelines ML, même lorsque les modèles eux-mêmes sont écrits en Python.
Maîtrisez l'emballage Python, de la conception au déploiement sur PyPI
Packaging Python a connu des évolutions significatives, avec des outils et des standards modernes qui rendent plus facile que jamais la distribution de votre code.
Déployez l'intelligence artificielle d'entreprise sur des matériels abordables avec des modèles open source
La démocratisation de l’IA est ici. Avec des LLM open source comme Llama 3, Mixtral et Qwen qui rivalisent désormais avec les modèles propriétaires, les équipes peuvent construire une infrastructure puissante d’IA à l’aide du matériel grand public - réduisant les coûts tout en maintenant un contrôle complet sur la confidentialité des données et le déploiement.
