Blog
Nos notes en construisant api0 et nos outils Rust : agents IA, MCP, intégration Azure et Rust lui-même.
🧭 Parcours d'apprentissageFiltrer par thème
Affichage de 6 sur 66 articles • Page 1 sur 11
Tes Logic Apps forment un graphe, et le portail Azure ne te montre qu'une liste
Passé une douzaine de workflows, un parc Azure Logic Apps cesse d'être une liste pour devenir un graphe relié par des files Service Bus et des topics Event Grid. Pourquoi le portail ne peut pas le montrer, et quoi faire.
Jusqu'où cette commande est-elle allée ? Tracer un identifiant de corrélation dans Cosmos DB
Un client signale qu'une commande n'est jamais arrivée. Tu as un identifiant de corrélation et un compte Azure Cosmos DB avec plus de containers que personne ne se rappelle. Les résultats vides comptent plus que les résultats pleins.
Partie 1 : GC Pauses et Latence: Le coût caché des langages de haut niveau
Java, Python et JavaScript offrent de la commodité, mais le garbage collector introduit une latence imprévisible.
Partie 2 : Les langages comme C/C++ ou Zig permettent de contrôler la mémoire mais à quel prix ?
C évite le besoin d'avoir un garbage collector et donne un contrôle manuel de la mémoire, mais ouvre la porte à des bugs dangereux.
Partie 3 : Rust: Memory safety sans garabe collector
Rust a des performances équivalentes à C/C++ avec en plus la sécurité mémoire vérifée dès la compilation. Cela grâce à deux mécanismes: borrowing et ownership.
De l'idée à LinkedIn et TikTok en une seule conversation
Planifier, enregistrer, peaufiner, couper un clip vertical, rédiger les posts et les publier : tout le circuit de publication d'une vidéo, piloté par Claude via MCP, avec votre accord avant toute mise en ligne.
Épisode 0 : Pourquoi coder les LLM from scratch
Comprendre comment fonctionnent les LLM sans doctorat en mathématiques : la promesse de la série, ce que tu vas apprendre, et l'idée qui relie tous les épisodes.
Épisode 1 : L'Attention, c'est juste 4 opérations mathématiques
Derrière les Transformers et le mécanisme d'attention, il n'y a que quatre opérations simples : multiplication matricielle, transposition, scaling et softmax. Les voici, en Rust.
Épisode 2 : Q, K, V — Pourquoi 3 matrices et pas une seule ?
Query, Key, Value : pourquoi les vrais modèles projettent chaque mot dans trois espaces différents, et comment cette séparation des rôles rend l'attention plus fine.
Épisode 3 : Embeddings — Absolus au départ, contextuels à l'arrivée
Un embedding, c'est le mot dans l'absolu ou dans son contexte ? Les deux, à des moments différents. Plus les trois détails d'ingénierie autour de l'attention : multi-head, masking et position encoding.
Épisode 4 : Le Transfer Learning — Stratégies et notions clés
Pourquoi personne n'entraîne un modèle à partir de zéro : d'où vient le transfer learning, ce qu'il fait gagner, et ses trois stratégies — feature extraction, fine-tuning et LoRA.