Aller au contenu principal

Articles · IA

Intelligence artificielle : intégrer l'IA sans perdre la maîtrise

Articles sur l'IA appliquée aux applications web et au développement : coût réel, intégration au SI, sécurité, agents et outillage d'équipe.

À lire en premier

9 articles

Technique · IA · Développement · · 14 min

6 mois avec Claude Code : ce sur quoi je m'étais trompé

Suite directe du retour d'expérience de janvier sur la refonte de x10-solutions.fr, qui se concluait sur un scepticisme assumé : « je n'envisage pas que des agents Claude puissent générer l'intégralité de l'application ». Six mois plus tard, cet article est un mea culpa argumenté et chiffré à partir du dépôt Git du site : 280 commits, plus de 81 500 lignes ajoutées, un blog passé de moins de dix articles à 58, un glossaire de 165 termes. La chronologie explique l'erreur — janvier en prise en main (6 commits), février consacré à l'industrialisation (85), mars et la suite en production continue (120). Trois raisons ont renversé le verdict, et une seule tient au modèle : le contexte est devenu un artefact versionné du dépôt plutôt qu'une conversation chez un éditeur, et j'avais jugé un outil que je ne savais pas encore utiliser. Le ratio s'est inversé (80 % de génération, 20 % de relecture), le budget outillage a triplé pour un arbitrage trivial, et Stitch a disparu du circuit. Mais la thèse de janvier tient sur l'essentiel : le gain vient de l'expertise qui cadre et relit. La démonstration est arrivée par surprise — des clients passés à Claude Code envoient désormais des merge requests, issues et specs générées par IA : massives, verbeuses, souvent fausses, et la charge de tri se déplace sur le prestataire. Le même outil multiplie le débit chez qui sait juger, et le volume à trier chez qui ne sait pas.

Technique · Sécurité · IA · · 12 min

Pentest automatisé par IA : le vrai coût d'une campagne multi-agents

Peut-on confier un test d'intrusion à des agents IA autonomes, et à quel coût réel ? Cet article est un retour d'expérience chiffré sur Shannon, un pentesteur IA autonome open source, lors d'une campagne multi-agents menée en mode exploitation active sur un périmètre de test — cinq classes de failles applicatives couvrant l'essentiel du Top 10 OWASP. Il décompose le coût poste par poste et révèle que l'exploitation concentre plus de la moitié de la dépense et du temps, distingue le coût « équivalent API » du coût réellement payé sous abonnement forfaitaire (proche de zéro, la vraie ressource étant le budget de session), et explique l'écart entre horloge murale et temps cumulé dû au parallélisme des agents. Il détaille surtout les limites : distinguer une faille du code d'un artefact déposé, ne pas confondre « non exploité » et « non exploitable », et transformer une liste de vulnérabilités en plan de remédiation priorisé — autant de jugements qui restent humains. Enfin, il rappelle pourquoi un rapport de pentest ne se publie jamais : la divulgation responsable prime.

Décideurs · IA · Budget · · 15 min

Combien coûte réellement une fonctionnalité IA

Le coût réel d'une fonctionnalité IA n'a presque rien à voir avec le prix du token, sur lequel se focalisent la plupart des décideurs. Cet article décompose les cinq postes qui composent réellement la facture : l'inférence (avec les ordres de grandeur des tarifs publics des modèles et l'écart de facteur 30 entre gammes), l'infrastructure (base vectorielle, orchestration, souveraineté), la fiabilisation (évaluations, garde-fous, validation humaine — le poste le plus sous-estimé), l'intégration au système d'information et la maintenance face à la dérive des modèles. Il détaille les erreurs qui font exploser le budget, compare les trajectoires API, sur mesure et SaaS, et donne une méthode pour chiffrer et maîtriser un projet IA : cadrer le cas d'usage, prototyper et mesurer avant l'échelle, choisir le plus petit modèle qui répond au besoin, et budgéter la fiabilisation dès le départ.

Technique · IA · Sécurité · · 15 min

Enfermer une IA dans une API dédiée avec MCP

Brancher un assistant IA sur le système d'information est aussi puissant que risqué : un modèle non déterministe, potentiellement manipulable, ne devrait jamais recevoir un accès direct au SI. Cet article détaille une approche éprouvée pour l'en empêcher — construire une API dédiée, taillée sur mesure, qui sert de sas entre l'IA et le SI. Chaque opération autorisée y devient un outil MCP, la documentation OpenAPI soignée sert de contexte au modèle, et le protocole MCP prend le relais pour la découverte et l'appel. L'article explique pourquoi API Platform rend ce montage naturel (déclaratif, OpenAPI de première classe, sécurité intégrée, ouverture MCP), ce que le sas garantit concrètement (moindre privilège, surface réduite, validation, authentification, quotas, journalisation, découplage), et surtout ce qu'il ne règle pas : injection de prompt, mésusage d'une opération permise, non-déterminisme. Un parti pris assumé : on ne sécurise pas une IA en lui faisant confiance, on la connecte à travers une API qui décide, opération par opération, ce qui passe.

Technique · Méthodologie · IA · · 13 min

Un plugin Claude Code pour les conventions de toute l'équipe

Guider un assistant de code comme Claude Code se fait au contexte : conventions de nommage, règles de style, recettes pour ouvrir une MR ou répondre à une review. Le réflexe est d'écrire tout cela dans un CLAUDE.md par projet — et de le dupliquer, désynchronisé, sur des dizaines de dépôts. Ce retour d'expérience, tiré d'un éditeur SaaS aux nombreux repos frères, décrit une autre voie : packager le workflow de l'équipe dans un plugin Claude Code interne, versionné et distribué comme une dépendance via un marketplace privé. Commandes git/Jira/GitLab, règles transverses (style, sécurité, dimensions de review), agents, hooks de vérification d'environnement — aucun secret dans le plugin, seulement des vérifications : tout vit à un seul endroit et tous les repos en héritent. L'article revient au passage sur un malentendu fréquent — croire qu'une doc humaine (README, wiki) suffit à l'assistant, alors que doc humaine et doc pour l'assistant servent deux publics et appellent deux formats différents. Il détaille ce qu'on y met, pourquoi la source unique de vérité et le cycle de vie découplé changent la donne pour l'onboarding et la cohérence des reviews, et les limites — coût de maintenance, risque de fourre-tout, adoption d'équipe — pour ne pas sur-outiller.

Décideurs · IA · Stratégie · · 12 min

Automatiser avec l'IA sans remplacer vos équipes

L'IA ne remplace pas les équipes — elle les libère des tâches à faible valeur ajoutée. Cet article explique comment identifier les tâches automatisables (critères de répétitivité, volume, tolérance à l'erreur), prioriser par impact business, choisir le bon outil (règles métier, RPA, LLM), déployer progressivement avec validation humaine dans la boucle, et mesurer le ROI réel. Avec des exemples concrets : classification de tickets, extraction de données, génération de rapports et contrôle qualité.

Décideurs · IA · Architecture · · 15 min

RAG, fine-tuning ou prompt engineering : choisir

Face à un projet IA, trois approches dominent : le prompt engineering (rapide, sans infrastructure), le RAG (Retrieval-Augmented Generation, qui connecte un LLM à vos données) et le fine-tuning (qui spécialise un modèle sur votre domaine). Cet article compare ces trois stratégies sur des critères concrets — coût, délai, qualité des réponses, maintenance — et propose une matrice de décision pour choisir la bonne approche selon la nature de vos données, votre budget et vos exigences de précision.

Décideurs · IA · Stratégie · · 14 min

Intégrer l'IA dans un workflow métier existant

L'IA générative fascine, mais la majorité des entreprises échouent à l'intégrer dans leurs processus existants. Le problème n'est pas technologique : c'est un problème de cadrage. Cet article propose un guide pratique pour identifier les bons cas d'usage, choisir le bon niveau d'intégration (assistant, copilote, automatisation), concevoir l'architecture technique (API, orchestrateur, fallback humain) et éviter les pièges classiques (effet démo, hallucinations non détectées, absence de boucle de feedback).

Technique · IA · Développement · · 15 min

REX : refonte web avec Stitch, ChatGPT et Gemini

Le REX sans filtre d'un CTO sur la refonte de son site (x10-solutions.fr) avec l'IA (Stitch, ChatGPT, Gemini). L'article révèle que l'IA est un accélérateur, mais ne remplace pas l'ingénierie senior. Plus de 75 % du temps total (8h) a été consacré à l'industrialisation humaine et à l'optimisation, notamment pour corriger la dette technique générée par Stitch (plus de 50 % du code a été refactoré). Le coût est déplacé de la production brute vers le cadrage, la validation et la garantie de qualité par l'Ingénieur.

À propos de cette sélection

L'IA générative s'intègre aujourd'hui dans les applications métier comme dans le travail des équipes de développement.

Ces articles en abordent les deux faces avec un regard d'ingénieur : ce que coûte réellement une fonctionnalité IA, comment l'ouvrir au système d'information sans risque, et ce que les agents de code changent au quotidien.

Contact

Un sujet vous intéresse ?

Vous avez une question technique ou souhaitez approfondir un sujet abordé dans ces articles ? N'hésitez pas à me contacter pour en discuter.

Me contacter arrow_forward