Accueil › Lexique › Parcours 24 h Parcours 24 h avant entretien 73 notions choisies (les plus demandées en entretien, du plus simple au plus pointu). Coche au fur et à mesure, puis passe en flashcards sur ce qui reste.
0 / 73 revuesRéviser ce parcours en flashcards Remettre à zéro Imprimer / PDF
IA / LLM 10 notions Agent IA Système où le LLM décide lui-même de ses étapes et de ses appels d'outils pour atteindre un objectif, par opposition au workflow dont le chemin est fixé par le fiche → 🟡 Mid Boucle agentique Cycle appel modèle → si stop_reason vaut tool_use, exécuter les outils demandés → renvoyer tous les tool_result dans un seul message utilisateur → rappeler le m fiche → 🟡 Mid Evals et LLM-as-a-judge Les evals sont des jeux de tests qui mesurent une application IA sur des critères SMART : exactitude, format, ton, latence, coût. fiche → 🟡 Mid Fine-tuning Poursuite de l'entraînement d'un modèle pré-entraîné sur un jeu de données ciblé pour lui faire adopter un style, un format ou un domaine. fiche → 🟡 Mid Guardrails (garde-fous) Contrôles placés autour du modèle, en entrée et en sortie : classification préalable des requêtes par un petit modèle (Haiku 4.5 avec sortie structurée), valida fiche → 🟡 Mid Latence et TTFT La latence est le délai entre l'envoi du prompt et la réponse complète. fiche → 🟡 Mid Prompt caching Réutilisation côté serveur d'un préfixe de prompt déjà traité (outils, system, début des messages) pour réduire coût et latence. fiche → 🟡 Mid Streaming SSE des réponses Avec stream: true, l'API renvoie la réponse en Server-Sent Events au fil de la génération : message_start, content_block_start, content_block_delta (fragments d fiche → 🟡 Mid Transformer Architecture de réseau de neurones introduite par Vaswani et al. fiche → 🟡 Mid Workflows vs agents Anthropic (19 décembre 2024) sépare les workflows, où LLM et outils suivent des chemins de code prédéfinis, des agents, où le LLM dirige dynamiquement ses propres étapes. fiche → 🟡 Mid