Architecture

Dans les deux articles précédents (sur les empreintes perceptuelles dans le cadre de Chat Control et sur leurs collisions adversariales), nous avons vu comment 40 lignes de Python permettent de résoudre un problème que l’industrie déploie ensuite à une échelle mondiale. Les empreintes perceptuelles sont l’exemple classique d’une couche déterministe peu coûteuse : sans modèle, sans GPU, sans dépendances lourdes. Les empreintes permettent de détecter les duplications et similitudes. Mais dans un pipeline de traitement d’images réaliste, certaines tâches ne peuvent pas être accomplies avec des algorithmes classiques: détecter les bounding boxes d’un filigrane arbitraire, combler les zones manquantes avec de l’inpainting respectant le contexte visuel, classifier si un visage est adulte, ou extraire des attributs sémantiques. Ces tâches nécessitent des réseaux neuronaux de grande envergure. ...

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. ...

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. ...