Notes de l'atelier.
Ce qui a réellement fonctionné, ce que ça a coûté et où ça a cassé — écrit pendant que les détails sont encore frais.
Sujet : Logiciel sur mesure · tout afficher_
Un agent IA sur du matériel bon marché : le projet, la démarche, les chiffres
Le journal de bord complet d'un agent local de tri de courriel : la cible à atteindre, trois versions de modèle, huit versions de prompt, deux livraisons rejetées, et les scores à chaque étape.
lire_Mise à jour : l'agent IA local est trois fois plus rapide, et devient une application de courriel
Même ordinateur, trois fois le débit : environ 17 000 courriels par jour, 41 vrais courriels sur 45 bien classés, aucun courriel légitime jeté — et le moteur de tri devient une application de courriel complète.
lire_Mise à jour : l'agent IA local est maintenant une application de courriel. Le courriel reste sur la machine.
Le moteur de tri est maintenant une application de courriel pour le web, iPhone et Android : une seule boîte pour tous les comptes, le courriel classé par client et par mandat, des brouillons par l'IA, des dates tirées d'une photo. Le courriel est lu sur la machine. Le contrôle a écarté deux versions des instructions en chemin et en a laissé passer une troisième.
lire_Votre IA lit vos conversations. Puis elle appelle la police.
Claude et ChatGPT s'entraînent par défaut sur les conversations grand public. Des chercheurs ont ressorti des données d'entraînement d'un modèle en service pour quelques centaines de dollars. Le bouton de partage de Claude a mis des notes médicales et des numéros de téléphone d'enfants sur Google. La Loi 25 appelle ce collage une communication de renseignements personnels à l'extérieur du Québec.
lire_Haute disponibilité ou bonnes sauvegardes ?
La haute disponibilité vous garde en ligne ; les sauvegardes vous rendent vos données. De vraies offres gérées pour une app sur mesure, de 250 $ à 720 $ par mois une fois que quelqu’un la tient à jour — et comment choisir selon ce que vous coûte vraiment une heure hors ligne.
lire_L'ère du logiciel sur mesure
Les plateformes partagées exposent des milliers de clients d'un coup. Pourquoi une application unique réduit votre rayon d'impact et votre surface d'attaque, et pourquoi « le sur-mesure, c'est difficile à maintenir » ne tient plus.
lire_Un employé IA a besoin d’outils : comment lui donner les bons
Ce qu’est un employé IA, pourquoi un identifiant, un robot de navigateur ou une clé d’automatisation sont les mauvais outils, et comment le MCP lui donne exactement l’accès que sa tâche exige — sécurisé, journalisé, réversible et sur mesure.
lire_Mémoire IA, RAG ou base de données : de quoi votre IA a-t-elle besoin ?
Une base de données répond exactement, le RAG répond à partir de vos documents, la mémoire IA se souvient de votre façon de travailler. Un guide simple pour choisir — et combiner — les trois.
lire_Le vibe coding et le paquet empoisonné
Axios, LiteLLM, chalk, TanStack : les paquets qu’une app « vibe-codée » installe par centaines sont devenus une porte d’entrée de choix. Pourquoi « ça marche » ne veut pas dire « c’est sûr », et quoi faire.
lire_Vos données, un chatbot, et aucune hallucination
Comment un chatbot documentaire s’en tient à vos documents : quatre règles, ce qui se passe quand une question sort du cadre, comment la précision est mesurée sur votre propre contenu, et ce que les échecs ont appris.
lire_Décrivez votre entreprise, obtenez l’administration, l’API et le MCP
Comment un seul fichier de schéma devient une base de données, une administration, une API REST, des règles d’accès et un serveur MCP pour les assistants IA — avec les vérifications autour, et ce qui reste écrit à la main.
lire_Un fil « Pour vous » sans aucun appel à l’IA
Comment une petite plateforme d’annonces a bâti un fil personnalisé à partir d’un seul signal, d’une moyenne et d’une surprise sur huit — sans appeler aucun modèle d’IA au chargement du fil.
lire_Une recherche qui comprend ce que les gens veulent dire : mieux chercher avec le RAG
Comment une plateforme de petites annonces vidéo est passée de zéro résultat à une recherche qui comprend l’intention : les quatre étapes, les chiffres, et pourquoi montrer ce qui a été compris compte autant que le classement.
lire_