Au programme

C'est quoi un LLM ?

Un Large Language Model est un réseau de neurones (architecture Transformer) entraîné sur d'immenses corpus de texte.

• Sa seule compétence de base : prédire le prochain token.
• Répétée des milliards de fois, cette prédiction fait émerger rédaction, traduction, résumé, code.
• Il ne « comprend » pas comme un humain : il calcule des probabilités.
• Exemples : Claude (Anthropic), GPT (OpenAI), Llama (Meta), Mistral, Gemini (Google).

La prédiction, token par token

Le modèle génère le texte un token à la fois, en réinjectant à chaque étape ce qu'il vient d'écrire.

# Entrée : "Le ciel est"
"Le ciel est" → bleu   (87 %)
                gris   (6 %)
                dégagé (3 %)
# Il choisit, puis recommence :
"Le ciel est bleu" → aujourd'hui …

C'est quoi un token ?

Le texte est découpé en tokens : des morceaux de mots, plus petits qu'un mot, plus grands qu'une lettre.

# Découpage approximatif
"développeur"  → dévelo | ppeur        (2 tokens)
"latrach.net"  → lat | rach | .net   (3 tokens)
# Règle de pouce : 1 token ≈ ¾ d'un mot en français
# 1 000 tokens ≈ 750 mots ≈ une page et demie

• On facture et on mesure tout en tokens (entrée + sortie).
• Optimiser le coût = optimiser le nombre de tokens envoyés.

Fenêtre de contexte & limites

Prompt engineering — les bases

La qualité de la sortie dépend directement de la qualité de l'instruction.

• Rôle : « Tu es un développeur Symfony senior… »
• Contexte : la stack, les contraintes, des exemples.
• Tâche claire : une demande précise, non ambiguë.
• Format de sortie : JSON, liste, code uniquement…

Patterns de prompting

RAG — contexte augmenté

Retrieval-Augmented Generation : injecter vos propres données dans le prompt pour des réponses fondées sur VOS sources.

# Pipeline RAG simplifié
1. Indexer    → documents découpés en chunks + embeddings
2. Rechercher → chunks les plus proches de la question
3. Augmenter  → on ajoute ces chunks au prompt
4. Générer    → le LLM répond à partir du contexte fourni

Tool use / function calling

Le modèle peut demander d'exécuter une fonction que vous lui décrivez, puis exploiter le résultat.

// On déclare un outil au modèle
{
  "name": "get_compte_salesforce",
  "description": "Récupère un compte Salesforce via une requête SOQL",
  "input_schema": { "nom_compte": "string" }
}
// → Le modèle répond : appelle get_compte_salesforce(nom_compte="Acme")
// → Votre service Symfony exécute le SOQL (API REST Salesforce / Apex),
//   renvoie le JSON ; le composant LWC affiche la réponse rédigée

MCP — Model Context Protocol

Un standard ouvert (Anthropic) pour connecter les modèles à des outils et des données, sans réinventer l'intégration à chaque fois.

• Serveur MCP : expose des outils/ressources (BDD, API, fichiers…).
• Client MCP : l'app IA (Claude Code, Claude Desktop…) qui les consomme.
• Un même serveur MCP fonctionne avec n'importe quel client compatible.

Les agents — la boucle agentique

Un agent est un LLM placé dans une boucle où il choisit des actions (outils) jusqu'à atteindre un objectif.

# Boucle agentique
  Observer  → état actuel / résultat précédent
     ↓
  Décider   → le LLM choisit la prochaine action / outil
     ↓
  Agir      → exécution de l'outil (lecture, écriture, commande…)
     ↺  (on recommence jusqu'à la fin)

Systèmes multi-agents

Plutôt qu'un agent unique, on orchestre plusieurs agents spécialisés.

Configurer l'IA avec du Markdown

Les assistants de code se pilotent avec de simples fichiers .md versionnés dans le dépôt. Chacun a son rôle.

CLAUDE.md

Le fichier de contexte projet lu automatiquement par Claude Code à chaque session.

# CLAUDE.md
## Stack
Symfony 7 / PHP 8.2 / MySQL

## Conventions
- Tests obligatoires pour toute nouvelle fonctionnalité
- Ne jamais modifier les migrations existantes
- Utiliser `make` si un Makefile est présent

## Commandes
make test · make deploy

• On y met : stack, conventions, commandes, ce que l'IA doit éviter.
• Peut exister à la racine, par dossier, ou au niveau utilisateur.

AGENTS.md

Un standard ouvert et neutre, adopté par plusieurs outils IA pour décrire un projet aux agents.

copilot-instructions & autres outils

Chaque assistant a son emplacement de consignes, mais le principe est le même.

# Où vit le contexte selon l'outil
.github/copilot-instructions.md  # GitHub Copilot
CLAUDE.md                       # Claude Code
AGENTS.md                       # standard multi-outils
.cursor/rules/                  # Cursor
.windsurfrules                   # Windsurf

Skills — des capacités réutilisables

Un skill package un savoir-faire (procédure, convention, outil) que l'IA charge à la demande.

# skills/deploy-ovh/SKILL.md
---
name: deploy-ovh
description: Déployer sur OVH mutualisé via git push
---
1. `make bump-version`
2. `make git-commit m="..."`
3. `git push prod main`  # hook post-receive

• Chargé seulement quand c'est pertinent → contexte économe.
• Réutilisable entre projets, versionnable, partageable.

Plans — penser avant de coder

Avant une tâche non triviale, l'IA rédige un plan en Markdown, validé par l'humain.

# plans/page-slides-ia.md
## Contexte   → pourquoi ce changement
## Fichiers   → ce qui sera créé / modifié
## Étapes     → la marche à suivre
## Vérification → comment tester le résultat

Agents — des spécialistes définis en .md

On décrit un sous-agent dans un fichier Markdown à frontmatter : rôle, déclencheurs, outils autorisés.

# agents/code-reviewer.agent.md
---
name: code-reviewer
description: Revue de code qualité & sécurité
tools: Read, Grep, Bash
---
Tu es un relecteur exigeant. Vérifie bugs,
sécurité, et propose des simplifications.

L'IA dans le workflow dev

Intégrer l'IA dans son code

Un appel à l'API Anthropic depuis n'importe quelle stack.

// PHP / Symfony — via HttpClient
$response = $client->request('POST', 'https://api.anthropic.com/v1/messages', [
  'headers' => [
    'x-api-key'         => $apiKey,
    'anthropic-version' => '2023-06-01',
  ],
  'json' => [
    'model'      => 'claude-opus-4-8',
    'max_tokens' => 1024,
    'messages'   => [['role' => 'user', 'content' => $prompt]],
  ],
]);

Bonnes pratiques & pièges