MARC.'{"singlequote"}DEV
FORMATION IAMODULE 092026.03

09_Intégrer l'IA dans ses workflows

ワークフロー
FORMATION IA CHAPITRE 09
MODULE_09INTÉGRER L'IA DANS SES WORKFLOWSワークフロー

8.1 APIs et intégrations

L'API Claude permet d'intégrer Claude dans vos applications et automatisations.

  • Messages API : envoyez des messages, recevez des réponses structurées
  • System prompts : configurez le comportement
  • Tool use : le modèle appelle vos fonctions
  • Streaming : réponses temps réel
  • Vision : analyse d'images

8.2 RAG (Retrieval-Augmented Generation)

Le RAG combine recherche d'information et génération. On fournit des documents pertinents en contexte.

  • Étape 1 : documents découpés en chunks → embeddings
  • Étape 2 : question → chunks pertinents retrouvés
  • Étape 3 : chunks injectés dans le contexte
  • Étape 4 : réponse basée sur vos documents

8.3 Agents IA

Les agents IA prennent des décisions et exécutent des actions de manière autonome. Exemples : Claude Code (dev), Cowork (bureautique), ou vos agents via le Claude Agent SDK.


8.4 Outils no-code

Zapier, Make, n8n, Power Automate : automatisations visuelles connectées aux APIs IA.

💡Stratégie d'adoption

Commencez simple, mesurez le gain, documentez, puis élargissez.

© 2026 MARC DESFOSSÉSSYSTEM ONLINEFORMATION IA // CLAUDE OPUS
[GLOSSAIRE]
TERMES IA
• A → Z •
25 concepts essentiels pour naviguer le parcours
A
AGENT
Système IA autonome qui exécute des tâches en utilisant des outils externes (navigateur, fichiers, API).
A
ALIGNEMENT
Processus visant à faire correspondre le comportement d'un modèle avec les valeurs humaines.
A
API
Interface programmatique permettant à une application d'envoyer requêtes et recevoir réponses d'un modèle IA.
A
ATTENTION
Mécanisme clé des transformers qui pondère l'importance relative de chaque mot dans un contexte.
B
BENCHMARK
Test standardisé (MMLU, HumanEval…) servant à comparer objectivement les performances des modèles IA.
C
CHAIN-OF-THOUGHT
Technique de prompt qui demande au modèle de raisonner étape par étape avant de répondre.
C
CLAUDE
Famille de modèles LLM développée par Anthropic, conçue pour être utile, honnête et sans danger.
C
CONTEXTE
Fenêtre de tokens qu'un modèle peut traiter simultanément (de quelques milliers à plusieurs millions).
E
EMBEDDING
Représentation vectorielle numérique d'un texte utilisée pour la recherche sémantique et le RAG.
F
FEW-SHOT
Technique fournissant quelques exemples dans le prompt pour guider le modèle sur la tâche attendue.
F
FINE-TUNING
Adaptation d'un modèle pré-entraîné en le ré-entraînant sur un corpus spécifique.
G
GUARDRAILS
Garde-fous applicatifs (filtres, règles) limitant les sorties problématiques d'un modèle.
H
HALLUCINATION
Génération d'une information fausse mais plausible, produite avec assurance par le modèle.
I
INFÉRENCE
Phase d'utilisation d'un modèle déjà entraîné pour produire des réponses à partir d'entrées.
L
LLM
Large Language Model : modèle de langage à des milliards de paramètres entraîné sur d'énormes corpus.
M
MCP
Model Context Protocol : standard ouvert de connexion entre les modèles IA et outils/services externes.
M
MULTIMODAL
Modèle capable de traiter plusieurs types d'entrées : texte, image, audio, vidéo.
P
PROMPT
Instruction textuelle fournie au modèle pour orienter sa réponse : cœur de l'interaction IA.
R
RAG
Retrieval-Augmented Generation : technique combinant recherche documentaire et génération.
R
RLHF
Reinforcement Learning from Human Feedback : méthode d'alignement par retours humains.
T
TEMPERATURE
Paramètre d'inférence contrôlant l'aléatoire des sorties : 0 = déterministe, 1 = créatif.
T
TOKEN
Unité de base du découpage textuel d'un LLM (~0.75 mot en français en moyenne).
T
TRANSFORMER
Architecture de réseau de neurones (2017) à la base de tous les LLM modernes.
V
VECTORIEL (BASE)
Base de données spécialisée stockant des embeddings pour la recherche sémantique rapide.
Z
ZERO-SHOT
Capacité d'un modèle à résoudre une tâche sans aucun exemple préalable dans le prompt.