Parcours YvaDev
L’intégration d’un modèle ne se limite pas à un appel d’API. Ces contenus traitent les LLM, les agents et le contexte comme des composants applicatifs avec des contrats, des mesures, des coûts et des risques.
14 publications pour approfondir ce domaine.
Transformez une idée ou une expérience en publication LinkedIn crédible grâce à des prompts ChatGPT structurés, sans automatiser votre point de vue.
Auditez et réécrivez votre titre, votre résumé et vos expériences LinkedIn avec ChatGPT, sans inventer de compétences, de chiffres ni de résultats.
Ajoutez des politiques, un contrôle d'identité et des garde-fous CI à un serveur MCP C# pour limiter les outils exposés et tracer les décisions.
Construisez un workflow d’agent .NET résilient avec Durable Task : reprise après incident, validation humaine, tests locaux et déploiement Azure Functions.
Construisez des évaluations IA .NET reproductibles avec cache, rapports et seuils de régression pour fiabiliser vos déploiements sans bloquer sur un score isolé.
Distribuez les Agent Skills via MCP dans vos agents .NET avec chargement progressif, sources centralisées, limites d'archives et approbations explicites.
Utilisez Binlog MCP et Copilot pour expliquer les échecs MSBuild, repérer les tâches lentes et comparer les performances de deux builds .NET avec méthode.
Tracez les appels LLM, tokens, outils et latence dans une application .NET avec Microsoft.Extensions.AI, OpenTelemetry et Aspire Dashboard.
Construisez un filet de sécurité pour une application IA .NET : scénarios, évaluateurs, cache, rapports et seuils robustes dans GitHub Actions.
Une méthode pragmatique pour intégrer un LLM dans une application .NET avec des frontières claires, de la sécurité et des usages utiles en production.
Apprenez à structurer un prompt ChatGPT clair, délimiter le contexte, imposer un format vérifiable et tester les résultats sans chercher de formule magique.
Concevez un agent IA fiable en C# avec des outils bornés, des permissions explicites, des budgets, une validation humaine et des évaluations reproductibles.
Comprenez l'architecture de MCP, ses outils, ressources et prompts, puis concevez un serveur sécurisé en C# sans confondre protocole et agent autonome.
Comparez SLMs et LLMs selon la latence, le coût, la précision, la confidentialité et le contexte d’intégration pour choisir le bon modèle en production.