Opinion

TL;DR : Quand votre principal consommateur est un LLM, XML et JSON gaspillent des jetons en répétant la structure à chaque élément. Un format compact et positionnel réduit la consommation de 50 %. Il s’avère que cette idée avait déjà un nom : TOON (Token-Oriented Object Notation). Même pression sélective — jetons précieux et clés répétitives — même solution. Anthropic utilise XML pour tout. Leurs system prompts sont enveloppés dans <instructions>, leurs exemples dans <example>, leurs outils dans <function>. Si vous travaillez avec Claude, vous vivez entouré de balises. ...

TL;DR : Ton IA va inventer des champs d’API qui semblent parfaits mais qui n’existent pas. La solution n’est pas de croiser les doigts pour qu’elle tombe juste : c’est de télécharger le schéma réel avant d’écrire, capturer des réponses réelles comme fixtures, et séparer fetch du traitement pour pouvoir tester hors réseau. Programmation adversariale : programme en supposant que ton copilote ment. As-tu déjà écrit du code pour une API et tout compilait, les tests passaient, la logique semblait correcte… mais quand tu te connectes à l’API réelle, plus rien ne fonctionne ? ...

Multiplier est difficile. Additionner est facile. Tous les écoliers savent cela dès le primaire. Ce qu’ils ignorent, cependant, c’est que les logarithmes existent précisément pour exploiter cette asymétrie : transformer une multiplication en une addition, travailler dans un monde plus simple, puis annuler la transformation. Le résultat est correct et l’effort, une fraction. Ce modèle — transformer un problème dans un espace où le résoudre est trivial, le résoudre, puis revenir — est l’un des principes les plus puissants de toute l’ingénierie. La FFT le fait avec les signaux. Les logarithmes le font avec les produits. Et aujourd’hui, Google vient de publier un article scientifique qui l’applique à la compression des modèles de langage. ...

Imagine que tu demandes à quelqu’un de te construire une étagère. Il te la donne. Elle est belle. Elle a des étagères, des vis, tout est à sa place. Tu la poses contre le mur et elle s’effondre. Les vis sont des accessoires. Elles ressemblent à des vis, mais sont en plastique. C’est ce qu’un LLM fait lorsqu’il abuse du système de types. Il te livre du code qui compile, qui passe les tests, qui a la forme correcte. Mais en interne, là où il devrait y avoir des types significatifs, il y a des chaînes de caractères (String). Là où il devrait y avoir un état explicite, il y a un nil qui signifie trois choses différentes selon la personne qui le lit. Et là où il devrait y avoir un énumération (enum) avec deux cas, il y a un == "claude" qu’un jour quelqu’un écrira mal, et personne ne s’en rendra compte avant que cela ne tombe en production. ...

Avez-vous déjà écrit un plan technique à 23 heures, convaincu qu’il était parfait, pour découvrir le lendemain matin que vous avez oublié l’authentification ? Moi, ça m’est arrivé. Plus d’une fois. Et le pire, ce n’est pas l’oubli — c’est qu’en utilisant une IA pour planifier, le plan semble tellement cohérent que votre cerveau arrête de chercher les failles. Claude vous génère un document avec des sections, des dépendances, un ordre d’exécution, et tout semble logique. C’est comme un plan conçu par un ingénieur senior. Mais personne ne lui a tenu tête. ...

Cette semaine, j’ai publié six articles. Un sur PostgreSQL. Un autre sur l’intelligence artificielle et ses agents. Un sur la gestion du contexte. Un tutoriel sur l’automatisation. Une analyse de debugging. Et enfin un design de conseil adversarial pour évaluer les MVPs. Rien n’était planifié. Chaque article découle d’un article scientifique, une conférence ou un projet que j’ai trouvé intéressant indépendamment. Mais en les regardant collectivement, un fil conducteur apparaît, que je n’avais pas perçu en les écrivant. ...

Imaginez que vous engagez un consultant brillant. Il a deux doctorats, parle sept langues, et résout des problèmes dont vous ignoriez même l’existence. Vous l’installez dans une salle et lui dites : “j’ai besoin que vous refactorisiez l’authentification du projet”. Le consultant vous regarde, acquiesce, et demande : “Quel projet ?” Vous ne lui avez pas donné accès au code. Vous ne lui avez pas expliqué l’architecture. Il ne sait pas si vous utilisez des tokens JWT ou des cookies de session. Il ne connaît ni le langage que vous utilisez, ni le nombre de microservices, ni pourquoi la dernière tentative de migration s’est soldée par un désastre. ...

En novembre 2024, un projet appelé Freysa a mis un agent LLM en charge d’un wallet Ethereum. La consigne était claire : ne transfère les fonds sous aucun prétexte. Les participants versaient des montants croissants à chaque tentative pour le convaincre. Après 481 essais et 47,000 $ accumulés dans le pot, quelqu’un a réussi à persuader le modèle que la fonction refuser était en réalité la fonction transférer. Quelques semaines plus tard, Jane Street a publié un puzzle où un réseau neuronal de 2,500 couches s’est avéré être une implémentation de MD5. Le gagnant l’a résolu en combinant visualisation de matrices, réduction en SAT, reconnaissance de motifs cryptographiques et une requête à ChatGPT. ...

Chaque fois qu’un article est publié sur l’infrastructure d’une grande entreprise, la moitié des commentaires sur Hacker News disent quelque chose du style : “Bien sûr, ils utilisent Kubernetes avec 47 microservices et une base de données distribuée avec leur propre protocole de consensus”. Et quand on découvre que non, ils utilisent simplement PostgreSQL avec un seul primary et beaucoup de discipline, un silence gênant s’installe. C’est exactement ce qui vient de se produire avec OpenAI. ...

La première fois que j’ai utilisé Claude Code pour refactoriser un module entier, j’ai vécu une expérience presque mystique. Je lui ai décrit ce que je voulais, je suis parti prendre un café, et quand je suis revenu j’avais une pull request avec 14 fichiers modifiés, des tests mis à jour et un message de commit correct. “C’est de la magie”, me suis-je dit. Ce n’est pas de la magie. C’est une boucle while. ...