LongRAG, Self-RAG, GraphRAG - Techniques de nouvelle génération
Retrieval-Augmented Generation (RAG) a évolué bien au-delà de la simple recherche de similarité vectorielle. LongRAG, Self-RAG et GraphRAG représentent l’avant-garde de ces capacités.
Accélérer FLUX.1-dev avec la quantification GGUF
FLUX.1-dev est un modèle puissant de génération d’images à partir de texte qui produit des résultats impressionnants, mais sa demande en mémoire de 24 Go ou plus le rend difficile à exécuter sur de nombreux systèmes. Quantification GGUF de FLUX.1-dev offre une solution, réduisant l’utilisation de la mémoire d’environ 50 % tout en maintenant une excellente qualité d’image.
Configurez les tailles de contexte dans Docker Model Runner avec des contournements
Configuration des tailles de contexte dans Docker Model Runner est plus complexe qu’elle ne devrait l’être.
Modèle d'IA pour augmenter des images à l'aide d'instructions textuelles
Black Forest Labs a publié FLUX.1-Kontext-dev, un modèle avancé d’IA de transformation d’images qui améliore les images existantes à l’aide d’instructions textuelles.
Activez l'accélération GPU pour Docker Model Runner avec le support NVIDIA CUDA
Docker Model Runner est l’outil officiel de Docker pour exécuter des modèles d’IA localement, mais l’activation de l’accélération GPU NVidia dans Docker Model Runner nécessite une configuration spécifique.
Réduisez les coûts LLM de 80 % grâce à une optimisation intelligente des tokens
L’optimisation des tokens est la compétence critique qui distingue les applications LLM rentables des expériences coûteuses.
Benchmarks GPT-OSS 120b sur trois plateformes d'IA
J’ai découvert quelques tests de performance intéressants du modèle GPT-OSS 120b exécuté sur Ollama sur trois plateformes différentes : NVIDIA DGX Spark, Mac Studio et RTX 4080. Le modèle GPT-OSS 120b de la bibliothèque Ollama pèse 65 Go, ce qui signifie qu’il ne peut pas s’adapter dans les 16 Go de VRAM d’une RTX 4080 (ou même sur la nouvelle RTX 5080).
Construisez des serveurs MCP pour des assistants IA avec des exemples en Python
Le protocole de contexte du modèle (MCP) révolutionne la manière dont les assistants IA interagissent avec des sources de données externes et des outils. Dans ce guide, nous explorerons comment construire des serveurs MCP en Python, avec des exemples axés sur les capacités de recherche web et de scraping.
Python pour convertir HTML en Markdown propre et prêt à l'utilisation par un LLM
Conversion de HTML en Markdown est une tâche fondamentale dans les workflows de développement modernes, particulièrement lors de la préparation du contenu web pour les grands modèles de langage (LLM), les systèmes de documentation ou les générateurs de sites statiques comme Hugo.
Référence rapide des commandes de Docker Model Runner
Docker Model Runner (DMR) est la solution officielle de Docker pour exécuter des modèles d’IA localement, introduite en avril 2025. Cette fiche de référence fournit un aperçu rapide de toutes les commandes essentielles, configurations et bonnes pratiques.
Comparez Docker Model Runner et Ollama pour le LLM local
Exécuter des grands modèles de langage (LLMs) localement a devenu de plus en plus populaire pour la confidentialité, le contrôle des coûts et les capacités hors ligne. Le paysage a changé de manière significative en avril 2025 lorsque Docker a introduit Docker Model Runner (DMR), sa solution officielle pour le déploiement de modèles d’IA.
Les puces spécialisées rendent l'inférence d'IA plus rapide et moins coûteuse.
L’avenir de l’IA ne concerne pas seulement des modèles plus intelligents [https://www.glukhov.org/fr/post/2025/06/qwen3-embedding-qwen3-reranker-on-ollama/ “Modèles Qwen3 embedding et reranker - performance d’avant-garde”] - il concerne des siliciums plus intelligents.
L’évolution vers un matériel spécialisé pour l’inférence des LLM entraîne une révolution similaire à celle du passage du minage de Bitcoin aux ASICs.
Disponibilité, prix de vente au détail dans le monde réel dans six pays, et comparaison avec le Mac Studio.
NVIDIA DGX Spark est réel, disponible à la vente le 15 octobre 2025, et ciblé aux développeurs CUDA ayant besoin de travail local avec des LLM avec une pile AI NVIDIA intégrée. Prix de vente au détail aux États-Unis $3 999 ; le prix de vente au détail UK/DE/JP est plus élevé en raison de la TVA et des canaux. Les prix publics AUD/KRW ne sont pas encore largement affichés.
Comparaison de la vitesse, des paramètres et des performances de ces deux modèles
Voici une comparaison entre Qwen3:30b et GPT-OSS:20b
se concentrant sur le suivi des instructions et les performances, les paramètres, les spécifications et la vitesse :
+ Exemples concrets utilisant des LLM de réflexion
Dans cet article, nous allons explorer deux façons de connecter votre application Python à Ollama : 1. Via HTTP REST API ; 2. Via la bibliothèque Python officielle d’Ollama.
Peu agréable.
Les modèles GPT-OSS d’Ollama rencontrent régulièrement des problèmes pour gérer les sorties structurées, surtout lorsqu’ils sont utilisés avec des cadres comme LangChain, OpenAI SDK, vllm et d’autres.
