L'IA dévoilée : voyage au cœur de la boîte noire

Ouvrez la boîte noire. Vous utilisez des LLM en production, mais savez-vous vraiment ce qui se passe entre le prompt et la réponse ? Ce livre relie les mécanismes internes des modèles (tokenisation, attention, KV cache, MoE, quantization) aux décisions qui comptent : quoi choisir, quoi mesurer, quoi surveiller, quoi déployer, combien ça coûte, et pourquoi.

Pensé pour les développeurs, tech leads, architectes et CTO, il défend une thèse simple : chaque limitation d'un LLM est le prix d'une force, et un modèle n'est pas un système. Chaque chapitre débouche donc sur des arbitrages d'ingénierie : API ou auto-hébergement, RAG ou fine-tuning, cascade de modèles, point d'équilibre d'un GPU, observabilité et CI/CD, évaluation des modèles et des agents, red teaming, prompt injection et triade létale, sécurité des serveurs MCP. Vous y trouverez une matrice de risques, des runbooks d'exploitation et des modèles de coût réutilisables.

Écrit en français par un ingénieur qui exploite au quotidien une équipe d'agents IA en entreprise, il prend aussi le point de vue européen : AI Act, RGPD, souveraineté et hébergement, modèles européens, sans oublier le développeur Java (Spring AI, LangChain4j, OpenTelemetry). Les chiffres qui vieillissent vite (prix, scores, modèles) sont regroupés dans une annexe « État du marché » datée.

Un parcours « production d'abord » permet au lecteur pressé d'aller droit au système, et une conclusion d'auteur dit ce qu'il faut faire lundi matin. Une référence dense et vérifiable, pour arrêter de subir l'IA et commencer à l'architecturer.