Insights
Notes sur la mise en production de l'IA et du logiciel
Articles plus longs de l'équipe Zheat — crawlables sur ce site, pas enfermés dans un fil LinkedIn.
robots.txt décide, llms.txt suggère
llms.txt n'est pas le robots.txt de l'IA. L'un gère la permission de crawl. L'autre est une liste de lecture. Commencez par robots et un graphe public propre.
Lire →J'ai livré un serveur MCP gratuit pour les devs. Il s'appelle Rocky.
Rocky est une quality gate pre-PR pour les outils de code IA. Même modèle, environ 65% de tokens en moins sur une feature mesurée. Gratuit, open source, MIT. Cursor, Claude Code, VS Code et ChatGPT.
Lire →Utiliser Rocky: rapport de valeur pour la programmation agentique assistée
Même feature, même modèle: environ 255k à 89k tokens (environ 65%), discovery -89%, Sonnet environ $1.62 à $0.85. Comparaison sans vs avec Rocky MCP sur un vrai monorepo React de production.
Lire →Programmation agentique assistée: breakdown tokens et coûts
Une gateway vs plein d'outils MCP, graphify avant grep, gate pre-PR vs boucles de rework, et comment Rocky garde le handbook autour de 4-6k tokens si vous suivez le router.
Lire →Pourquoi Rocky sépare agents et skills
Les agents sont la porte d'entrée courte. Les skills sont la référence profonde chargée seulement si besoin. Cette séparation garde une session Rocky disciplinée autour de 4-6k tokens handbook.
Lire →Le RAG est-il le bon choix pour un catalogue d'implants?
Tailles en stock dans des tables. Notes de préférence et FAQ en chunks. Ne mettez pas inventaire et prose dans le même tuyau. Puis choisissez un parseur qui garde la structure — on standardise sur Xberg.
Lire →Architecture profiles Rocky: détecter avant d'imposer
Rocky détecte le repo avant d'imposer une structure: Next.js App Router, hexagonal si src/domain existe, React SPA layered, ou node-api-only. N'imposez pas de layouts étrangers.
Lire →Senior workflow Rocky: de la discovery à la PR
Pipeline de bout en bout que Rocky renforce: discovery, conventions, diffs petits, vérif locale, gate pre-PR jusqu'à ready, puis ouvrir la PR.
Lire →
J'ai construit un agent pour la 4ème fois la semaine dernière
Les archis d'agents ont convergées. Model, tools, MCP, sous-agents, observabilité, persistance. J'ai encapsulé ça dans un YAML de 20 lignes — puis des acteurs plus gros ont sorti mieux. C'est le jeu de l'open source.
Lire →Construire un agent ou un RAG n'est plus le sujet
Après des agents chez grands comptes et startups, la douleur n'était pas l'implémentation. C'était coûts, droits et observabilité — surtout les permissions.
Lire →Le ChatGPT qui disait oui. L'API qui disait non.
Un essayage bijou impeccable dans ChatGPT. Même modèle et prompt sur l'API : échec. On a arrêté de prototyper dans ChatGPT et livré un pipeline à trois modèles qui ne réécrit jamais le client.
Lire →La guerre des harnais
LangChain Deep Agents, Claude Managed Agents, Agno AgentOS — même architecture. Le harnais est une commodité. Tout se joue sur l'infra, l'observabilité et la confidentialité des données.
Lire →MCP est mort ! Vive MCP !
Le CTO de Perplexity renonce à MCP et tout le monde annonce sa mort. Le gaspillage de tokens est réel — mais un contrat reste utile quand les LLM parlent à des API custom. MCP n'est plus la réponse par défaut. Il n'est pas mort non plus.
Lire →Si l'IA détruit votre codebase, c'est probablement votre faute
Accuserz le marteau, ou fixez le cadre. L'IA amplifie ce qui existe. Un cadre rigoureux accélère. Un cadre inexistant accélère la dette. La production commence au jour 1.
Lire →Le paradoxe du RAG : tout le monde en a besoin, personne ne devrait en construire un
Standardisez le RAG et la mémoire long terme plutôt que de tout réécrire. Cognee semble plus fini que RAG-Anything pour l'industrialisation — vecteurs, graphe, MCP, multimodal, S3.
Lire →