Dev

Sécurité des agents A2A et MCP : identité, délégation et traçabilité

Sécurité des agents A2A et MCP : identité, délégation et traçabilité

La sécurité du protocole concerne qui peut agir, non le modèle.

L’injection de prompt attire la majeure partie de l’attention en matière de sécurité dans les systèmes de LLM, et cela est justifié, mais ce n’est pas le seul problème une fois que les agents commencent à utiliser des outils et à déléguer du travail à d’autres agents.

Modèles d’orchestration multi-agents : un guide pratique

Modèles d’orchestration multi-agents : un guide pratique

40 % des pilotes multi-agents échouent. Voici comment choisir le bon modèle d’orchestration – et éviter ceux qui sont source de problèmes.

Les systèmes d’IA à agent unique ont atteint leur apogée en 2025 : on confiait un prompt, quelques outils et un objectif à un seul LLM, et celui-ci fonctionnait plutôt bien sur des tâches délimitées.

Patron Outbox transactionnel en Go avec PostgreSQL

Patron Outbox transactionnel en Go avec PostgreSQL

Écrire l'événement avec les données. Ne jamais les séparer.

Deux écritures qui devraient réussir ensemble échoueront éventuellement séparément. Votre service de commandes enregistre la commande dans la base de données, puis publie un événement order.created dans un broker de messages.

Tester du code Go concurrent avec synctest

Tester du code Go concurrent avec synctest

Arrêtez de dormir dans les tests Go concurrents.

Tester le code Go concurrent a toujours exigé une certaine discipline. Les goroutines sont peu coûteuses, les canaux sont simples et l’annulation de contexte est idiomatique — les workers en arrière-plan et les minuteries sont omniprésents dans les services Go réels.

Introduction et guide de référence rapide sur les diagrammes Mermaid pour les développeurs

Introduction et guide de référence rapide sur les diagrammes Mermaid pour les développeurs

Des diagrammes en code, sans les tracas.

Mermaid est un outil de diagrammes basé sur le texte, conçu pour ceux qui préfèrent écrire leurs diagrammes plutôt que de faire glisser des formes sur un canevas. Il utilise une syntaxe proche de Markdown pour décrire des organigrammes, des diagrammes de séquence, des diagrammes de classes, des machines à états, des frises chronologiques, des diagrammes de Gantt, des diagrammes entité-association et bien plus encore.

Les garde-fous des LLM en pratique : ce qui fonctionne réellement

Les garde-fous des LLM en pratique : ce qui fonctionne réellement

Contrôlez le risque, pas seulement le modèle.

Les LLMs sont imprévisibles. Ils hallucinent, fuient des données, génèrent du contenu nuisible ou refusent des demandes légitimes. Les garde-fous (guardrails) contraignent le comportement du modèle sans sacrifier ses capacités.

Validation des sorties structurées des LLM en Python qui tient la route

Validation des sorties structurées des LLM en Python qui tient la route

Arrêtez d’interpréter des vibes. Validez les contrats.

La plupart des tutoriels sur les « sorties structurées » des LLM manquent de sérieux. Ils vous apprennent à demander du JSON poliment, puis à espérer que le modèle se comporte correctement. Ce n’est pas de la validation. C’est de l’optimisme entre accolades.