Intelligence Artificielle
L'IA dans le développement, pas dans le discours.
Quand un client me demande d'intégrer de l'IA dans son application, la première question n'est pas « quelle API ? » — c'est « est-ce que ça résout vraiment le problème ? ». J'intègre des LLM et des agents dans des applications web depuis que ces outils sont devenus opérationnels, et j'utilise l'IA au quotidien dans mon propre workflow de développement, sur des projets industriels exigeants.
Développement augmenté par l'IA
J'utilise GitHub Copilot, des agents configurés (rules, skills, hooks) et des workflows automatisés dans mon cycle de delivery quotidien. Sur ~10 applications développées pour un client industriel en continu depuis 2021, l'IA est intégrée dans la chaîne de développement — revue, génération, validation. Ce n'est pas une expérimentation : c'est le mode de travail.
Intégration LLM/IA dans les applications web
J'intègre des LLM via API (OpenAI, Anthropic, Mistral) dans des applications existantes : simulation assistée par IA, aide à la décision, tuteurs, assistants contextuels. Pour e-xode Learning, un produit de formation en ligne que j'ai développé et mis en production, j'ai choisi une intégration légère via API plutôt qu'un modèle dédié — parce que le volume ne justifiait pas le coût d'un fine-tuning, et que la latence d'inférence était acceptable via l'API standard.
Conseil & arbitrage IA
Avant de brancher une API, j'évalue si l'IA est le bon levier. Si oui : RAG ou fine-tuning ? Intégration légère ou modèle dédié ? Quelle API, pour quel cas d'usage, avec quel niveau de coût opérationnel ? Ce travail d'arbitrage fait partie de la mission architecture — il ne se délègue pas à un consultant IA externe qui ne connaît pas votre base de code.
Mon approche
Je distingue trois situations : l'IA apporte une valeur réelle, l'IA est envisageable mais pas prioritaire, et l'IA est la mauvaise réponse. La troisième est la plus fréquente — et la reconnaître est le seul moyen d'éviter un investissement inutile.
Quand l'IA a du sens
L'IA est pertinente quand elle réduit une friction réelle : un utilisateur qui cherche une réponse dans 500 pages de documentation, une règle métier trop complexe pour un moteur de règles classique, un signal dans des données non structurées. Dans ces cas, une intégration via API avec un bon prompt engineering donne des résultats mesurables en quelques semaines.
Quand je dis non
Si votre problème se résout avec une bonne requête SQL ou un filtre bien pensé, l'IA ne fera qu'ajouter de la latence, du coût et un point de défaillance supplémentaire. J'ai refusé des intégrations LLM sur des projets où la vraie solution était une amélioration de l'architecture de données. Ce n'est pas une posture — c'est ce que je ferais aussi pour ma propre application.
Quand je dis non
Si votre problème se résout avec une bonne requête SQL ou un filtre bien pensé, l'IA ne fera qu'ajouter de la latence, du coût et un point de défaillance supplémentaire. J'ai refusé des intégrations LLM sur des projets où la vraie solution était une amélioration de l'architecture de données. Ce n'est pas une posture — c'est ce que je ferais aussi pour ma propre application.
Expérience concrète
Les deux cas que je peux décrire — l'un à niveau général pour raisons de confidentialité, l'autre en détail parce que c'est mon propre produit.
Client industriel — ~10 applications (depuis 2021)
Saint-Gobain (Glass + Gypse) : l'IA est intégrée dans mon workflow de développement sur l'ensemble des applications de la mission — Copilot, agents, hooks de validation. Une application de simulation de sécheur de plaques industrielles intègre une couche IA pour l'aide au pilotage. Les détails métier sont couverts par la confidentialité, mais l'usage est quotidien et opérationnel.
e-xode Learning — tuteur IA (en ligne)
J'ai développé et mis en ligne un produit de formation en ligne : e-xode Learning. Le tuteur IA est présent à chaque exercice — il répond aux questions de l'apprenant à partir du contenu de référence du cours, en plusieurs langues, sans limite d'usage. J'ai choisi une intégration via l'API Anthropic avec un contexte structuré plutôt qu'un modèle fine-tuné — la base de contenu évolue trop vite pour justifier un fine-tuning régulier.
Voir l'application en ligneUn projet avec une brique IA ?
Décrivez-moi le problème que vous voulez résoudre — pas la solution que vous avez en tête. Je vous dirai honnêtement si l'IA est le bon outil, et si oui, quelle approche.