Discord devient une surface d’intégration sérieuse lorsque vous le traitez comme tel : un lieu où les systèmes publient des événements, les humains prennent des décisions et l’automatisation poursuit le flux de travail.

Les intégrations Slack semblent trompeusement faciles car vous pouvez publier un message en une seule requête HTTP. La partie intéressante commence lorsque vous souhaitez que Slack soit interactif et fiable.

Les plateformes de chat ont évolué bien au-delà des simples outils de messagerie. Dans les systèmes modernes, elles fonctionnent comme des interfaces entre les processus automatisés et la prise de décision humaine.

La plupart des conseils sur l’architecture des applications sont soit trop abstraits pour être appliqués, soit trop limités pour être évolutifs. Voici des compromis pratiques pour les systèmes de production, couvrant l’intégration, la structure du code et l’accès aux données.

La faille discrète qui a alimenté une vague d’expérimentation d’agents est désormais close.

Vane est l’une des entrées les plus pragmatiques dans le domaine de la « recherche IA avec citations » : un moteur de réponse auto-hébergé qui combine la récupération web en direct avec des LLM locaux ou cloud, tout en gardant toute la pile sous votre contrôle.

Claude Code n’est pas un simple autocomplétion avec un meilleur marketing. C’est un outil de codage agentique : il lit votre base de code, modifie des fichiers, exécute des commandes et s’intègre à vos outils de développement.

Hermes Agent est un assistant IA hébergé en propre (self-hosted), indépendant du modèle, qui s’exécute sur une machine locale ou un VPS à faible coût, fonctionne via des interfaces en terminal et de messagerie, et s’améliore avec le temps en transformant les tâches répétitives en compétences réutilisables.

Text Generation Inference (TGI) possède une énergie très particulière. Ce n’est pas le nouveau venu de la rue de l’inférence, mais c’est celui qui a déjà appris comment la production peut se briser -

Ici je compare la vitesse de plusieurs LLM tournant sur un GPU avec 16 Go de VRAM, et je choisis le meilleur pour l’auto-hébergement.

L’Australie dispose de stock pour la RTX 5090. À peine. Et si vous en trouvez une, vous paierez une prime qui semble déconnectée de la réalité.

Ollama est à son meilleur lorsque l’on le traite comme un démon local : la CLI et vos applications communiquent avec une API HTTP en boucle locale (loopback), et le reste du réseau ignore son existence.

Les journaux (logs) constituent une interface de débogage que vous pouvez utiliser même lorsque le système est en feu. Le problème est que les journaux en texte brut vieillissent mal : dès que vous avez besoin de filtrage, d’agrégation et d’alertes, vous commencez à analyser des phrases.

Ollama fonctionne parfaitement sur du matériel nu. Cela devient encore plus intéressant lorsque vous le traitez comme un service : une extrémité stable, des versions figées, un stockage persistant et une GPU qui est soit disponible, soit non.

Exécuter Ollama derrière un proxy inversé est le moyen le plus simple d’obtenir HTTPS, un contrôle d’accès facultatif et un comportement de streaming prévisible.

Si vous travaillez sur la génération augmentée par récupération (RAG), cette section explique les incorporations de texte (text embeddings) en termes simples : ce qu’elles sont, comment elles s’intègrent dans la recherche et la récupération, et comment appeler deux configurations locales courantes depuis Python en utilisant Ollama ou une API HTTP compatible OpenAI (comme le font de nombreux serveurs basés sur llama.cpp).