Guide des ressources pour LLM
Comprendre chaque type de fiche : à quoi il sert, quand l'utiliser et comment s'en servir.
Production — utiliser le modèle en production, sans le modifier
Un contexte est un ensemble d'instructions et d'exemples que l'on donne au modèle IA avant la question de l'utilisateur.
Un prompt est un modèle de texte réutilisable, avec des variables entre doubles accolades, par exemple {{produit}}.
Un agent est un assistant IA qui enchaîne des étapes pour accomplir une tâche : il suit des instructions, utilise des serveurs MCP et des contextes, et respecte des garde-fous..
Un pipeline RAG (génération augmentée par la recherche) permet à un modèle de répondre à partir de vos documents : on les découpe, on les vectorise, puis à chaque question on retrouve les extraits utiles et on les donne au modèle..
Entraînement — modifier le modèle en l'entraînant
Un dataset est un jeu d'exemples au format JSONL (une ligne JSON par exemple) qui sert à entraîner ou évaluer un modèle..
LoRA est une technique pour adapter un modèle existant à une tâche sans le réentraîner entièrement : on entraîne de petits adaptateurs.
Une évaluation est un jeu de cas de test (entrée et réponse attendue) avec une méthode de notation.
Extensions — brancher des outils sur le modèle
Un serveur MCP (Model Context Protocol) donne de nouvelles capacités à un assistant IA : lire des fichiers, interroger une base, appeler un service.
Un skill est un paquet d'instructions (fichier SKILL.md) qu'un assistant comme Claude charge uniquement quand la tâche le demande.
Un harness est l'environnement qui fait tourner un agent : son fichier d'instructions (par exemple CLAUDE.md), les outils qu'il a le droit d'utiliser, ce qui lui est interdit, les hooks et les serveurs MCP branchés..