J’ai cette semaine eu l’occasion d’assister à une nouvelle édition de Devoxx France sur le thème de l’IA. Cet événement est toujours une excellente opportunité de prendre du recul sur nos pratiques et de confronter nos choix techniques à des retours d’expérience concrets.
J’en profite donc pour revenir sur 3 conférences en particulier, qui m’ont semblé essentielles pour toute personne souhaitant comprendre les évolutions autour de l’Intelligence Artificielle :
- “Domptez vos Agents : AGENTS.md et Context Engineering pour une IA déterministe” de Benoît Fontaine
- “Les gardiens du Prompt: menaces et recettes de sécurité pour une production zen.” de Philippe Laumay & Loïc Gudet
- “Les design patterns agentiques dont vous êtes le héros” de Guillaume Laforge
Conférence 1 : Domptez vos Agents : AGENTS.md et Context Engineering pour une IA déterministe
Avec l’essor des agents IA et du développement assisté, un nouveau défi émerge : la gestion du contexte. Benoit Fontaine présente ainsi :
“Les agents IA ne manquent pas d’intelligence. Ils manquent de contexte utile.”
Une mauvaise gestion du contexte entraîne :
- une explosion des coûts (nombre de token consommé)
- une dégradation de la qualité (bruit, incohérences, hallucinations)
- une perte de contrôle sur les réponses (boucles d’erreurs)
Tout se joue donc sur une bonne gestion de contexte : mettre à disposition ce qui est nécessaire, et uniquement cela. En effet un contexte trop volumineux, en plus de consommer plus de Token, dégrade jusqu’à 30% la précision des résultats.
Quelques tips que j’ai noté de la conférence pour optimiser son contexte :
Conseil 1 : Interagir activement avec son contexte
Le contexte d’une session n’est pas passif : il doit être piloté en continu. Accumuler des échanges n’améliore pas la qualité, bien au contraire.
Il est donc nécessaire de :
- Nettoyer sa session afin de repartir sur des bases propres
- Compacter l’information dès 60% afin de résumer les échanges précédents
- Ne jamais dépasser 80%, car au delà les performance sont fortement dégradées
Conseil 2 : Structurer le contexte avec des fichiers dédiés
Au lieu de dépendre uniquement du prompt dynamique, il est essentiel de formaliser et versionner le contexte du projet à travers les fichiers AGENTS.md et CLAUDE.md (ou équivalent selon l’outil).
Ces fichiers peuvent être définis à différents endroits selon la protée des règles contenues :
- de façon global au système
- à la racine du projet
- au niveau des modules
Conseils 3 : Utiliser des MCP pour spécialiser les actions
Les MCP (Model Context Protocol) permettent de connecter l’agent à des outils externes spécialisés.
Ces MCP étant présents dans le contexte agentique, il est préférable d’activer uniquement les outils nécessaires pour une session donnée. Cela optimise le contexte, et permet également d’obtenir une meilleure précision des outils utilisés.
Bilan Contexte Engineering
Le context engineering n’est pas un détail technique : c’est un pilier de la conception des systèmes IA :
→ Un bon contexte = moins de tokens + meilleures réponses
En attendant la diffusion de la vidéo, voici trois articles de l’auteur permettant de creuser en profondeur le sujet : 1,2 & 3
Conférence 2 : Les gardiens du Prompt: menaces et recettes de sécurité pour une production zen.
Les applications basées sur les LLM changent profondément les règles du jeu. Contrairement aux systèmes classiques, elles introduisent du non-déterminisme, une surface d’attaque mouvante et une pression réglementaire croissante.
Dans cette conférence, Philippe Laumay & Loïc Gudet nous préviennent : Si vous ne testez pas la sécurité de votre LLM, c’est votre production qui sera testée à votre place.
Via un exemple de réservation de chambre d’hôtel, ils nous montrent qu’une interaction de chat avec un agent peut ouvrir des failles identifiées dans OWASP Top 10 for LLM Applications. Ils parviennent ainsi à exposer des tokens applicatifs, les outils MCP disponibles… et même hacker une réduction de 80% sur leur réservation.
Construction d’une architecture défensive
Face à ces risques, la sécurité doit être pensée dès la conception :
- Cloisonnement entre le LLM et le système applicatif
- Validation des inputs : taille, pattern, format (ex : pas de SQL)
- Validation des outputs : structure figée et filtrage excluant les injections XCSS.
- Stratégie de moindre privilège : restriction des accès au minimum nécessaire
- Obervabilité : Mise en place d’une stack (par exemple Langfuse) afin de comprendre les étapes du modèle et suivre les coûts
Bonus LLM GuardRails : Une approche avancée présentée consiste à utiliser un second modèle pour contrôler :
- les entrées utilisateur
- les sorties du modèle principal
A noter que cela ajoute toutefois un coût et une latence complémentaire, sans parler d’une nouvelle surface d’attaque potentielle.
Conférence 3 : Les design patterns agentiques dont vous êtes le héros
Guillaume Laforge nous met directement dans le bain : l’IA avance, et avec elle les pratiques associées. Tandis que le prompt Engineering et le Context Engineering nous permettent de guider un agent, l’Harness Engineering est un système visant à orchestrer l’interaction de plusieurs agents.
Il propose donc différents Design Pattern permettants d’orchestrer ses agents :
LLM as Judge
Le principe est simple et puissant : utilisé un modèle pour évaluer la sortie des autres modèles, notamment pour détecter des hallucinations ou incohérences.
Guillaume met en avant un exemple pour illustrer ce pattern : 3 modèles effectuant des résumés de textes, et un modèle de supervision choisisant le meilleur résumé selon des critères donnés.
Goal-Oriented Action Planning
Le Goal-Oriented Action Planning (GOAP) consiste à structurer le comportement d’un agent autour d’un objectif explicite, plutôt que de le laisser réagir directement à une entrée.
Au lieu de fonctionner en mode “question → réponse”, l’agent adopte une logique en plusieurs étapes :
- Comprendre l’objectif
- Décomposer le problème
- Planifier une séquence d’actions
- Exécuter et ajuster ces actions en fonctions des résultats intermédiaires
L’idée centrale est que l’agent ne doit pas seulement produire une réponse, mais construire un chemin pour atteindre un but.
Le bilan
Dans cette édition Devoxx illustrant parfaitement la richesse de l’écosystème IA, j’ai choisi de revenir sur trois conférences représentatives couvrant un spectre large : entre sécurité des applications GenAI, contexte engineering et orchestration d’agents.
Ces sessions offrent une vision complémentaire des enjeux actuels et des bonnes pratiques à adopter. De quoi nourrir la réflexion… et donner envie de passer rapidement à l’expérimentation.
Prochaine étape => mettre tout cela à l’épreuve du terrain !