Points de vue d'ingénieurs, pas de communicants.
Analyses issues de projets réels : IA, architecture, automatisation, produit et souveraineté des données.
22 articles
EnerJ-meeting Lyon 2026 : après la mesure, qui décide
Stand ST13bis, Palais de la Bourse. Les visiteurs avaient déjà des graphes. Ils venaient voir qui détecte la dérive, et si les données restent chez eux.
De la preuve de concept à la mise en production IA : les 5 freins récurrents
Le passage du PoC à la production tient rarement au modèle. Il tient à l’organisation et aux contraintes oubliées trop tôt.
Couche sémantique : pourquoi vos agents IA s’égarent sans elle
Un agent ne comprend pas votre entreprise. Il navigue dans ce que vous avez rendu interprétable.
Agents IA : le contrôle humain comme condition de production
Ce que dix-huit mois d’agents en production changent sur la façon de concevoir les validations humaines.
Gouvernance des agents : logs, périmètre, escalation humaine
Sans journalisation et sans escalade claire, un agent n’est pas gouverné. Il est seulement lancé.
Évaluer un fournisseur d’IA : checklist opérationnelle pour DSI
Un fournisseur d’IA se juge moins à sa démo qu’à ce qu’il laisse inspecter, exporter et arrêter.
Sur mesure ou SaaS : poser correctement le problème
Un cadre de décision issu de diagnostics avec DSI et directions métier - sans camps idéologiques.
AI Solution Factory : industrialiser l’IA comme on industrialise un logiciel
Industrialiser l’IA, ce n’est pas accélérer les démos. C’est accepter les contraintes d’un produit qui doit durer.
RAG en entreprise : ce qui marche vraiment hors de la démo
Un RAG utile ne se juge pas à la fluidité de la réponse, mais à la traçabilité de la source.
Aucun article ne correspond à votre recherche.