MRMarcazzan Romaininweb2ia.hashnode.dev·Jul 11 · 17 min readDe Dev Web à Ingénieur IA #6 — Chunking Stratégies : Fixed-size, Semantic, RecursiveIntro Dans l'article précédent, on a construit notre premier pipeline RAG complet. Mais le chunking utilisé était basique : content.split(/\n\n+/). Pour des petits documents d'un seul paragraphe, ça p00
MRMarcazzan Romaininweb2ia.hashnode.dev·Jul 5 · 14 min readDe Dev Web à Ingénieur IA #5 — RAG FondamentauxIntro L'article précédent nous a appris à donner des outils au LLM pour qu'il puisse calculer, consulter l'heure, ou simuler une météo. Mais il y a un problème : le LLM ne connaît que ce qu'il a appri00
MRMarcazzan Romaininweb2ia.hashnode.dev·Jul 5 · 12 min readDe Dev Web à Ingénieur IA #4 — Appel de Fonctions & OutilsIntro L'article précédent nous a appris à obtenir du JSON typé d'un LLM avec format: json + Zod. On avait un pipeline linéaire : prompt → LLM → JSON → parsing. Aujourd'hui on change de paradigme. Au l00
MRMarcazzan Romaininweb2ia.hashnode.dev·Jun 27 · 8 min readDe Dev Web à Ingénieur IA #3 — Structured Output & Validation ZodIntro L'article précédent nous a appris à parler à un LLM via l'API Ollama, avec system prompt et température. Mais il y a un problème : un LLM répond en texte brut. Pour l'utiliser dans une API, une 00
MRMarcazzan Romaininweb2ia.hashnode.dev·Jun 27 · 6 min readDe Dev Web à Ingénieur IA #2 — Premier appel LLM & Prompt Engineering Intro L'article précédent nous a donné un environnement complet : Ollama avec qwen3:4b (ou le modèle de ton choix), PostgreSQL avec pgvector, un projet TypeScript prêt à l'emploi. Cet article est indé00
