le livre · au lancement
AI Engineering, Measured
From Developer to AI Engineer, Backed by Reproducible Runs · un livre en anglais
Un guide de terrain pour les développeurs en poste qui veulent bâtir des systèmes d'IA qui tiennent la route en production, pas seulement dans un notebook. Il s'adresse aux gens qui savent livrer du logiciel et qui veulent de vrais compromis, pas un argumentaire de vente.
Chaque chiffre de ce livre vient d'une exécution réelle.
au sommaire
Quinze chapitres, trois parties, une règle
La règle : aucun chiffre n'entre dans le livre sans qu'un script l'ait produit, et les scripts et leurs sorties brutes seront publiés au lancement pour que vous puissiez les exécuter vous-même. Le code est en Python, les exemples utilisent Claude d'Anthropic. Le livre est rédigé en anglais.
- chapitres
- 15en trois parties, plus un chapitre de clôture
- annexes
- 4
- constats mesurés
- 143comptés à partir du registre du livre
- langue
- Anglais
- statut
- Au lancementaucune date de parution pour l'instant
- Compromis. Ce que coûte chaque choix de conception, chiffré par des mesures plutôt que par des opinions.
- Diagrammes d'architecture. Un par chapitre, dessiné autour de l'endroit où se trouvent vraiment les frontières.
- Cas limites. Ce qui casse quand arrivent de vrais utilisateurs et de vraies données.
- Exercices pratiques. Autovérifiés : vous produisez vos propres chiffres et les comparez à ceux du livre.
The Mental Shift (le changement de posture)
- Why AI Development Feels Different
- Picking Your Stack Without Getting Paralyzed
- Structured Output: Getting Data Back, Not Text
- Your First Agent: A Loop, a Tool, and a Stop Condition
Core Building Blocks (les briques de base)
- RAG: When to Retrieve, and How to Tell It Failed
- Vector Storage: An Index That Outlives the Process
- Conversation State: What to Keep and What to Drop
- Multi-Agent Systems: When to Split, and When Not To
- MCP: Using Tools You Did Not Write
Production Reality (la réalité de la production)
- Evaluation: Catching Regressions in a System That Won't Repeat
- Security: Bounding What the Model Can Do
- Observability: Tracing What Actually Happened
- Cost: What It Spends, and How to Spend Less
- Streaming, Async, and Jobs: Handling the Wait
Conclusion : 15. Your Own System: The First Three Moves
Découvrez-en quelques idées d'abord : de courts textes adaptés des chapitres.
me prévenir à la sortie
Un seul courriel, à la sortie.
Il n'y a encore ni date de parution ni page de commande. Laissez votre courriel et vous en entendrez parler une seule fois, à la sortie du livre. Rien d'autre.
Écrit par un spécialiste principal en IA appliquée, avec plus de 6 ans à bâtir des systèmes en production chez Bell Canada, aujourd'hui spécialiste en IA dans une grande institution financière.