Archives des method - Future Path

Innovation, Design Thinking et Prospective Design : une intro

Charles-Antoine — Sun, 17 Nov 2024 17:35:36 +0000

Lors d’un séminaire donné récemment sur Innovation et genAI, j’ai été amené à distinguer les grandes approches d’innovation que nous pratiquons couramment chez Future Path.

Horizons temporels

Si l’on regarde la portée temporelle de ces approches, on peut les découper en deux horizons : l’un est court-moyen-terme et l’autre plutôt lointain.

Donc d’un côté le Design Thinking qui traite de sujet pour lesquels les utilisateurs potentiels existent aujourd’hui. Et de l’autre le Prospective Design qui adresse un temps long pour lequel les futurs utilisateurs ne sont peut-être même pas encore conçus…

Digression sémantique

On parle ici de Prospective Design. Il existe d’autres manières de mener des études de Prospective. En particulier, les organisations aiment bien partir de données du passé et du présent (des séries temporelles donc – qu’elles soient scientifiques, financières, sociétales, marketing, …). Puis elles les mettent graphiques (dont un axe est le temps, en général en abscisse). À partir de ces courbes, les esprits logiques tentent de lire le futur en traçant les continuités possibles de ces dernières. Et là débutent les conjectures : ça continue comme avant, ou alors on part sur une exponentielle ou une asymptote horizontale/oblique, voire une inversion radicale. Avec des jolies métaphores lettrées : courbe en S, en U, en W, en I, … Ce qui est le début de scénarios (en général 4, pour tenir dans une matrice très rationnelle 2×2). Cette forme de Prospective très analytique est celle qui conduit à de célèbres scénarios comme ceux du GIEC ou de RTE.

Le Prospective Design peut s’abreuver à ces courbes, voire exploiter les scénarios envisagés. Cependant, la plupart du temps, la démarche est différente : ell utilise à fond les ressorts de l’Imaginaire. Elle quitte les rives de la rationalité pure pour voguer sur l’océan de nos projections oniriques portée par le vent de nos songes et cauchemars. C’est de celle-là que l’on parle ici.

On détaillera dans d’autres articles les facettes de ces deux approches (avec quoi je démarre un projet Design Thinking? ça veut dire quoi “problem finding”? …).

Design Fiction et Strategic Foresight

Creusons un peu plus loin la partie Prospective Design. Il y a deux courants principaux : Design Fiction et Strategic Foresight. Ils ne s’opposent pas vraiment, ils ont des buts similaires mais utilisent des moyens différents.

Les deux utilisent à fond les Imaginaires pour nous inviter dans un futur plausible. Et à partir de là, de concevoir les moyens de s’y rendre (la route à prendre, la roadmap/vision à mettre en place, les pistes à explorer dès maintenant…).

Pour aller un peu plus loin (là on va dans le micrométrique), on peut dire que dans le courant Design Fiction, il y a deux sous-courants. On pourrait mes appeler Design SciFiction et Design Friction. Le premier tire fièrement son inspiration de la SciFi sous toutes ses formes pour créer des fictions plausibles de demain. Le second se revendique provocatif : il va chercher à créer des artefacts (matériels ou digitaux) pour créer un choc dans l’esprit des participants (l’exemple le plus fameux étant celui de la « dent connectée » des designers Auger&Loizeau).

Audio et Imaginaire

En Design Fiction, il n’est pas rare que l’audio soit mis à contribution pour créer des artefacts très immersifs. Là où l’on penserait qu’un objet tangible ou même une vidéo auraient une supériorité évidente, on s’étonnera qu’une fiction sonore soit au moins aussi puissante dans les faits.

A ce sujet, on peut vous recommander 3 séries de podcasts qui devraient vous faire ressentir la puissance du verbe parlé, du plus ancien au plus récent, tous tourné sur les sujets environnementaux :

Green Miror : une série de Slate, très immersive sur notre Planète en 2050
Chat G Planté : le prix de l’IA : je vous en parlais sur LinkedIn il y a quelques jours. Ici le « prix » est à comprendre comme le coût (écologique, sociétal, …). Extrêmement bien fait.
La France à +2°C : d’abord une série de 6 récits écrits (et documentés) puis des narrations audio grâce à une collaboration avec le podcast Le Big Shift (déjà mentionné sur notre site).

Pour conclure

Il y a d’autres approches et surtout d’autres perspectives à considérer. Mais à grosse maille, ce panorama doit permettre de se situer et de préciser les attentes en matière d’innovation. Le Design Fiction, c’est pour inventer des nouveaux produits ou services (ou organisations) aujourd’hui. Le Prospective Design, c’est pour créer une vision long terme et s’inscrire dans un chemin plausible.

Les deux ne s’opposent donc pas et on peut les mener de manière conjointe : une vision par le Prospective Design, puis plusieurs projets de Design Thinking pour explorer les pistes prometteuses et visionnaires.

Dans le séminaire, je pousse un peu plus loin la réflexion pour ensuite étudier quelles sont les approches qui profitent le mieux de la genAI, à quel moment, pourquoi et comment… (comme disait Blondie, 🎶 call me 🎶).

L’article Innovation, Design Thinking et Prospective Design : une intro est apparu en premier sur Future Path.

AI Agent modeling – Part 3 – Interlude explicatif

Charles-Antoine — Fri, 06 Sep 2024 17:15:18 +0000

🇫🇷 this article is written in French (you may ask a genAI to translate it…) An abstract in plain English is provided at the end 🇫🇷

D’un simple au outil de travail à …

L’IA est devenue incontournable (qu’on le veuille ou non). La plupart d’entre nous l’utilise déjà au quotidien pour améliorer notre propre productivité. Les entreprises vont progressivement intégrer l’IA dans leurs offres à destination des clients.

Chez Future Path, nous avons une approche clé en main pour concevoir des systèmes/solutions/concepts basés sur l’IA où les humains gardent le contrôle et restent au cœur des activités. Cela permet d’offrir une expérience utilisateur exceptionnelle dans les futurs services et produits des entreprises.

Et, bien sûr, nous utilisons l’IA dans nos propres activités. Comme tout le monde en fait.

Point de vigilance : on associe souvent l’IA uniquement à l’IA générative (genAI), ce qui peut prêter à confusion.

Il y a un article très intéressant (en 🇫🇷) de Fred Cavazza qui clarifie (si besoin est) comment l’IA générative se positionne par rapport à l’IA en général. Le graphique est très illustratif et simple :

… à des assistants hyper malins

Dans la suite de cet article, nous nous concentrerons presque exclusivement sur l’IA générative. Et nous adopterons la perspective d’utilisation de l’IA (la genAI donc) pour intensifier nos pratiques d’innovation : aller plus en profondeur, explorer plus en largeur, gagner du temps…

Nous recommandons d’abord d’utiliser votre propre réflexion : sur papier, en marchant, ou sur un tableau blanc, seul ou en groupe, avant d’interroger l’IA. Si vous êtes aussi paresseux que moi, vous constaterez que si vous commencez par interroger un agent, vous aurez du mal à remettre en cause ses productions et vous aurez naturellement tendance à prendre telles quelles ses propositions.

De nombreux acteurs éclairés et visionnaires (à commencer par Andrew Ng) misent beaucoup sur les Agents. Vous pourriez également rencontrer les termes GPTs, bots, collection ou Assistants : nous les utiliserons de manière interchangeable dans le présent article (le même Fred Cavazza s’est livré à l’exercice de définir ces termes de manière habile).

On dit qu’un tel agent est beaucoup plus efficace et perspicace qu’une simple conversation via un LLM (comprenez un seul prompt). Il a également l’avantage d’être réutilisable dans divers contextes (tout en s’appuyant sur l’expertise unique que vous y avez injectée).

Car en fait, tout est là : l’intelligence de l’Agent, c’est la vôtre ; celle que vous aurez mise en créant et façonnant cet Agent. Votre intelligence et expertise augmentées de celles des milliers de contributeurs sur Internet qui ont permis aux LLM d’absorber une énorme partie de la connaissance humaine.

Du ad hoc vers la capitalisation

Un exemple pour justifier l’intérêt des Agents (en plus de celui fourni dans l’article précédent) pourrait être un assistant de relecture de votre production écrite.

Disons que vous avez écrit un texte (il aurait pu être généré… 🤭). Vous aimeriez en avoir une relecture, sans trahir votre propre style d’écriture (vous ne souhaitez donc pas une réécriture à la sauce IA).

Vous pouvez donc demander à un LLM de le relire, de corriger les fautes d’orthographe et de grammaire. Pour aller plus loin, vous pouvez également lui demander de repérer les passages maladroits et de proposer des formulations alternatives. Enfin, vous pourriez souhaiter obtenir des idées pour approfondir (pistes pour aller plus loin, ouvertures à la fin, meilleure introduction, …). Vous pouvez faire tout cela à travers un prompt. Pas de problème ici.

Mais chaque fois que vous aurez un nouveau texte, vous devrez récupérer le prompt qui a bien fonctionné la dernière fois… (aller le chercher au fin fond d’une conversation qui a bien marché la fois passée)

Une solution serait de centraliser toutes les instructions de relecture en un seul endroit. Et d’exécuter cette entité chaque fois que vous avez besoin de réviser une note que vous avez écrite. On appelle cela un Agent. 👏

Et ce n’est pas tout : vous allez pouvoir pimenter chaque Agent pour le rendre imbattable et unique (choix du LLM, comportement, des éléments de référence…). Ainsi, chaque fois que vous interrogerez votre Agent, vous n’aurez plus à lui dire comment faire (ça vous l’aurez fait une fois pour toute) mais sur quoi il doit agir (le contexte de votre requête). Adieu le prompting, bonjour le nectar.

Votre tribu d’Assistants

Chez Future Path, nous avons conçu au fil des mois plusieurs tribus de tels Agents pour nous aider dans nos missions (débuter un projet de Design Thinking [12+ agents], Rédiger des scénarios dans un projet de Prospective [6+ Agents], Mettre en place des ateliers de créativités [4 agents] …).

Plus on en créait, plus nos compétences d’éleveur d’Agents se sont affinées. Nous avons alors conçu une approche pour penser et façonner nos Agents. Nous avons rassemblé ces éléments dans le canevas (genIAc) présentant dans le premier article de cette série (oui, encore un canevas – mais vous pouvez l’appeler un template 😉 si vous préférez). Nous avons illustré ce canevas au travers d’un exemple simple : WorkshopPlanner (une version réduite de notre WorkshopOrganizer que nous proposons à nos clients).

Dans les futurs articles de cette série, nous dévoilerons nos meilleures conseils pratiques pour

passer de l’idée à une tribu d’agents pour vos besoins
améliorer et tester vos Agents
concevoir la place des humains au sein de votre tribu
recevoir le canevas mis à jour en Creative Common en décembre 2024
intensifier les apports de l’approche et lever le voile vers l’édition 2025 (un livre? 🧐)

Boucler la boucle

Pour aller plus loin sur la genèse de cette approche, je vous propose deux sources :

un très bel article de Benoît Raphaël (Flint) qui s’est exercé à écrire un roman avec un orchestre d’agents
une vidéo d’Andrew Ng chez Sequoia Capital (un des plus importants fonds d’investissement tech) qui explique les Agents et la puissance comparée d’un prompt vs un agent (autour de la 3′)

Et pour finir de boucler la boucle, j’ai bien entendu utilisé un Agent de relecture (ProofReader) pour réviser cet article 😉

Abstract: This article highlights the use of AI agents, which are more effective and adaptable than simple LLMs. These agents incorporate user intelligence and collective knowledge. Future Path has developed multiple agent tribes for various projects, refining their agent design skills. A canvas was created to aid in agent development, illustrated by examples like WorkshopPlanner. Future articles will cover best practices for creating and enhancing agents, with additional resources provided for further exploration material.

L’article AI Agent modeling – Part 3 – Interlude explicatif est apparu en premier sur Future Path.

AI Agent modeling – Part 2 – Un exemple

Charles-Antoine — Tue, 16 Jul 2024 15:12:11 +0000

🇫🇷 this article is written in French (you may ask a genAI to translate it…) An abstract in provided at the end 🇫🇷

« Bon ok, on a un canevas pour décrire des agents. Et maintenant, j’en fais quoi ? Comment ça s’utilise ce bazar ? »

Excellentes questions auxquelles nous allons consacrer cet article.

Dans les articles suivants de cette série nous aborderons d’autres facettes :

des agents IA : pourquoi et pour quoi faire ?
comment exécuter un agent ? (au sens « run » hein 😌)
comment tester un agent ?
comment modéliser plusieurs agents collaboratifs ? quelle méthode appliquer ?
comment laisser l’humain en contrôle total ?
et aussi, parce que ce sera parfois nécessaire, comment laisser la main à plusieurs agents sans intervention humaine dans le process ?
vers une automatisation (du modèle au runtime)…
qu’y aura-t-il dans le version 🎁 de décembre 24 ?

Un exemple d'agent

Il y a plein de périodes dans l’année pro où l’on doit organiser un atelier : séminaire de rentrée (au moins deux rentrées par an 😉), atelier thématique et participatif (du « purpose » au bien-être en passant par l’environnement), séminaire du codir (top secret), team building (intégration de nouvelles recrues ou suite à une Fusac), atelier d’idéation… Vous voyez ce dont on parle.

Pour nous faciliter la vie, nous allons créer un agent capable de créer l’agenda d’un tel atelier, de nous indiquer les activités à prévoir, comment piloter la session, …

Disclaimer : nous mettrons de côté les ateliers dits « créatifs » qui utilisent les ressorts du Design Thinking ou du Prospective Design. Ceux-là reçoivent un traitement très spécial de notre part (nous consulter 😁)

Notre premier "séminariste"

Si l’on regarde notre canevas (dans cet article, on se concentre sur la partie sur fond jaune), on distingue 4 blocs :

BIO
WORKFLOW
SETTINGS
BEHAVIOUR

Dans le premier bloc (BIO), on va donner un nom à notre agent, par exemple WorkshopPlanner.

Euh, mais pourquoi en anglais? Il n’y a aucune obligation bien entendu – je dirai que cela vient de mon passé de développeur doublé de la concision qu’apporte l’anglais. Le seul truc réellement important, c’est que dans la majorité des cas, le nom ne doit pas contenir de caractères « espace » – nous y reviendrons.

Concernant les objectifs, on va indiquer qu’il s’agit d’un agent pour aider un humain à concevoir et organiser un atelier d’équipe dans le monde pro. Ce champs est utile pour cataloguer vos agents sur la plateforme qui les fait tourner (nous y reviendrons). C’est très pratique quand vous en aurez beaucoup et que leur simple nom ne suffit plus vraiment à vous souvenir de ce qu’ils font 😱

Le dernier champ (Background) est fondamental (c’est le seul des trois qui aura une influence sur vos résultats). On peut le voir comme le pitch de cet agent : que sait-il faire? quelles sont ses compétences ? Un mini-CV donc.

Voici ce qu’on propose :

Tu es un spécialiste de la vie en entreprise et des relations entre les employés.
En particulier, tu as l’habitude d’imaginer des ateliers (workshops) pour plusieurs personnes. Tu as une expertise reconnue dans la préparation de ces ateliers durant lesquels les participants se voient confié un sujet et doivent suivre les consignes de manière flexible pour livrer le résultat de fin.
Tu as l’habitude de créer des agendas qui maintiennent l’attention et la motivation des participants durant tout le temps de l’atelier.
Tu sais t’adapter à tous les contextes : la typologie des participants, leur nombre, la durée souhaitée pour l’atelier, sa localisation (en ligne ou en salle), son niveau de production attendu, la nature du projet pour lequel cet atelier est conçu, le côté récurrent des ateliers (sont-ils répétables, font-ils partie d’une série ou one-shot, …). Tu t’adaptes à chaque contexte pour proposer une expérience enrichissante pour les participants et délivrer des résultats intéressants et exploitables par la suite.
Tu sais identifier les méthodes et outils à utiliser à chaque moment de l’atelier en fonction du contexte et des objectifs à atteindre.
Tu mets rarement en place les outils classiques des consultants et cabinets de conseil en organisation car ils sont trop conventionnels et déjà-vu. Tu conçois tes propres outils et méthodes. Cependant, tu sais proposer certains outils classiques s’ils sont réellement utile pour atteindre l’objectif (le cas échéant, tu l’indiqueras clairement pour que l’organisateur décide par lui-même).
Tu vas aider l’équipe organisatrice à concevoir le plus bel atelier possible pour le contexte qu’on t’indiquera.

Voilà le résultat donc (pas forcément hyper lisible – on livrera le PDF complet en fin d’article)

Passons aux deux blocs suivants

Pour ceux-là, on va aller très vite !

Le bloc WORKFLOW est très utile quand on a plusieurs agents afin de bien délimiter les frontières de leurs collaborations. Ici, on s’en passera car on n’a qu’un seul agent. Le seul champ qui pourrait nous concerner est le dernier « interactive » qui permet d’indiquer si l’agent devra interagir avec l’humain durant son exécution. Dans notre cas, ce pourrait être une bonne idée (pour demander des précisions, pour requérir des alternatives, …)

Le bloc SETTINGS va être assez simple (on reviendra sur ses implications dans d’autres articles). Le « agent type » est quasi écrit dans le nom de notre agent : on optera pour « organiser » (à ce stade des plateformes, cette information est plutôt pour les humains que pour les machines). Ensuite, vient le choix du LLM (si tant est que en ayez la possibilité avec plusieurs abonnements…). Pour cet agent, ce n’est pas très discriminant et tous les LLM fondamentaux vont se comporter quasi également. Pour le champ suivant (references), nous n’avons rien à introduire dans la machine sur la conception d’atelier qu’elle n’ait pas déjà trouvé sur Internet (ou alors, dites-moi ce que vous mettriez car je suis curieux). Quant à la température, je vous propose de faire vos propres tests. Je débuterais autour de 1 (entre 0,8 et 1,5).

Le coeur du réacteur

Notre agent a maintenant une bio et des paramètres. Mais que lui demande-t-on , Comment souhaite-on qu’il travaille ? Suivant quelle démarche ? C’est ce que nous allons « coder » dans le champs Behaviour. Il s’agit là de mettre par écrit tout ce qu’un humain fait généralement pour concevoir un tel atelier, par quelles étapes passe-t-il, de quelles infos a-t-il besoin, quelles sont ses réflexions, …? Attention, c’est un travail qui demande une sorte d’introspection, qui vous oblige à vous mettre dans le contexte et détailler TOUT (ou presque) ce que vous faites et ce à quoi vous pensez. Le plus dur semble-t-il est d’extraire de notre cerveau tout ce qu’implicitement nous faisons quasi-automatiquement. Là il faut l’indiquer à la machine si on veut avoir une chance qu’elle fasse un peu comme nous…

Voici ce que nous proposons :

Ta première tâche est d’imaginer les grandes étapes de l’atelier (souvent il y en a 4, en fonction de la durée prévue). Tu pourras en proposer 2 à 3 versions. Pour chacune, tu t’assureras de respecter la durée de l’atelier, les intentions , la typologie des participants et objectifs de l’atelier. Il est aussi important de disposer d’un agenda cohérent qui permette une super expérience pour les participants. Tu choisiras et indiqueras la version que tu penses la meilleure en justifiant ta réponse. Si l’atelier dure plus de 2h, n’oublie pas d’insérer des pauses (pause-café et déjeuner).
Ta deuxième tâche consiste à détailler chaque étape de l’atelier. Pour cela, tu mettras tes résultas en forme dans un tableau qui indiquera a minima:
# le nom et numéro de l’étape
# sa durée
# l’objectif à atteindre
# les activités menées et les canevas à proposer
# la nature de l’animation attendue (petits-groupes, réflexion collective, présentation, …)
Ta troisième et dernière tâche est de livrer un guide clair d’animation pour le facilitateur de l’atelier. Tu débuteras en indiquant quelles sont les qualités attendues de l’animateur et comment il doit animer chaque étape. Tu préciseras les points de vigilance s’il y en a.
Ce guide doit être complet en particulier parce que certains animateurs n’auront peut-être pas d’expérience et pourraient avoir du mal à mettre en route les participants pour une belle expérience d’intelligence collective.
Pour chaque tâche, si tu manques d’éléments, tu indiqueras clairement ce qui te manque, pourquoi et comment les obtenir le cas échéant ; éventuellement tu pourras proposer des alternatives afin que l’animateur fasse son choix.
Si on te fournit pas le contexte, la durée, la modalité (en présentiel ou en ligne – une unique fois ou une série), le format de l’atelier (avec ou sans présentations formelles, des discussions de groupe, des exercices pratiques ou des études de cas) et la typologie de participants , tu les demanderas en préambule.

Le deuxième champ peut perturber : « prompt ». Ne fait-on pas tout cela pour éviter de « prompter »? En fait, ici, il s’agit de « l’invite » que l’agent proposera à l’humain pour débuter son activité. Il décrit ce qu’il sait faire (cf ses « objectifs » du premier bloc BIO) et les éléments d’entrée à lui fournir pour qu’il comment. En fait, cela n’a pas d’influence sur les résultats de la machine : c’est votre attention à l’égard des utilisateurs de votre agent pour qu’ils sachent quoi faire au démarrage de l’agent.

Ce qui nous donne pour le dernier bloc :

Et maintenant ?

Bravo pour ce beau boulot. Vous venez de réaliser la première utilisation du canevas AI Agent (on a déjà des idées d’un meilleur nom, mais n’hésitez pas à faire des propositions).

Bien entendu, vous pouvez aboutir à un canevas rempli différemment : la magie, c’est qu’il n’y a pas qu’une seule bonne façon de faire. Si vous avez l’habitude de « prompter », vous irez probablement plus vite. Cependant, la clé selon nous, est de bien mener ce travail d’introspection pour mettre par écrit nos manières de faire et de penser. Et il n’est pas interdit de se faire aider par une IA pour cela, une sorte de coach de création d’agents IA… (vous imaginez, une IA pour aider à créer un agent IA… Nous verrons dans la fin de cette série d’articles un agent qui génère justement un prompt pour un LLM par rapport au contexte dans lequel on l’aura plongé 🤯)

Votre premier agent est donc prêt à fonctionner 👏. Pour cela, il nous faudra faire 2 choses : l’injecter sur une plateforme pour le faire tourner et ensuite le tester sur plusieurs cas concrets (tests unitaires). Ce qui amènera probablement des retouches de l’agent et des ajustements de ses paramètres. Ce sera dans un autre article…

En attendant, voici le 📄 PDF complet de notre agent à exécuter (au sens « run » toujours 😁)

🇬🇧 Abridged 🇦🇺 English 🇬🇧 Version 🇨🇦

Abstract: after introducing our AI Agent Canvas in a previous article, we play a little with it through a simple example: a Workshop Planner to support people in the company that are in charge of such workshops throughout the year. The Canvas is filled one step at a time with all the relevant fields explained (not all are mandatory in our context). Next to come: run it and unit-test it to improve its behaviors and outcomes (check next article in this series).

L’article AI Agent modeling – Part 2 – Un exemple est apparu en premier sur Future Path.

AI Agent modeling – Part 1 – Let’s discuss

Charles-Antoine — Tue, 09 Jul 2024 08:36:13 +0000

🇫🇷 version française en deuxième partie 🇫🇷

Abstract: we introduce here a canvas to help anyone designing genAI Agents. This canvas is a work in progress. You may use it at will (we’d love to hear you about it). We intend to release this canvas under Creative Commons by the end of the year (although we start as a copywrited material during the beta period).

This post jumps directly into the subject without further explanation (which will be properly done in the next posts)

The canvas under (your) review

So you want to create you own custom Agent (or GPT, or bot or assistant). You can do that perfectly well with your preferred LLM (assuming it offers this possibility).

We hereby propose you an agnostic canvas to support your brain dumping (creating such an agent is really a sort of expertise mining and extraction, isn’t it?).

It has been designed to be self-explanatory (thanks to the purple comments directly embedded into the canvas). Nevertheless, in the next posts we’ll introduce the 2 phases (design then unit test), highlight the overall structure and clarify some elements. We’ll also go through a complete example.

Once collected all your feedback, we’ll release the canvas in Creative Commons.

🇫🇷 version française 🇫🇷

Résumé : nous vous proposons ici un canevas (ou aussi Template en bon français) pour vous aider à composer vos propres genAI Assistants. Il s’agit d’une version préliminaire à un passage sous Creative Commons d’ici la fin de l’année. Nous prendrons en compte vos retours pour en intensifier l’intérêt et la portée.

Cet article va droit au but sans fioritures : le canevas est téléchargeable et utilisable directement. Des articles à venir détailleront l’utilisation de ce canevas.

Un canevas pour vous...

Ainsi, vous souhaitez créer votre propre agent personnalisé (ou GPT, ou bot ou assistant). Vous pouvez très bien le faire dans l’interface de votre LLM préféré (sous réserve qu’il offre cette possibilité bien entendu).

Nous vous proposons donc un canevas agnostique de la plateforme pour vous aider dans cette tâche de «vidange cérébrale» (créer un tel agent est vraiment une forme d’extraction d’une expertise, non ?).

Ce canevas a été conçu pour être autodescriptif (grâce aux commentaires violets directement intégrés au canevas). Toutefois, dans les posts à venir, nous présenterons les deux phases (conception puis tests unitaires), mettrons en évidence la structure globale et préciserons certains éléments. Nous examinerons également un exemple complet.

Une fois que nous aurons recueilli tous vos retours, nous publierons le canevas sous licence Creative Commons.

L’article AI Agent modeling – Part 1 – Let’s discuss est apparu en premier sur Future Path.