Aller au contenu

🧪 Labo Pratique : Architecte de la Qualité

Bienvenue dans le bureau d'architecture de FrigoMagique. Ici, on ne joue plus avec le chat. On construit l'usine. Votre mission est de choisir les bonnes briques technologiques pour résoudre des problèmes d'échelle industrielle.

Exercice 1 : le dilemme RAG vs Fine-tuning 🏗️

(Objectif : choisir la bonne stratégie d'adaptation - LO 4.1.2 vs 4.2.1)

Situation : l'équipe marketing lance une campagne "Noël 2026" avec des règles de réduction très complexes qui changent tous les jours. GUS (l'IA) hallucine complètement sur ces règles.

La Cheffe de Projet vous demande : "Est-ce qu'on doit ré-entraîner le modèle (Fine-tuning) pour qu'il apprenne ces règles ?"

Question

Quelle est la meilleure approche ?

●
●

Exercice 2 : l'agent secret 🕵️

(Objectif : identifier un agent autonome - LO 4.1.3)

Observation : vous observez deux comportements différents de GUS dans les logs. Lequel correspond à la définition d'un Agent Autonome ?

À vous de juger

Cas A : l'utilisateur demande "Supprime mon compte". GUS répond : "Pour supprimer votre compte, allez dans Paramètres > Profil."

Cas B : l'utilisateur demande "Supprime mon compte". GUS se connecte à l'API Admin, vérifie le solde, exécute la commande SQL DELETE, et envoie un email de confirmation.

Dans lequel de ces cas, GUS est un agent ?

●
●

Exercice 3 : au cœur de la base de données 🛢️

(Objectif : comprendre les composants architecturaux - LO 4.1.1)

Contexte : pour faire fonctionner le RAG, FrigoMagique doit stocker ses milliers de recettes d'une manière que l'IA puisse "comprendre" sémantiquement (par exemple, savoir que "Tomate" est proche de "Sauce Rouge").

Question : quel type de base de données l'architecte doit-il installer ?

  1. Une base de données Relationnelle (SQL)
  2. Une base de données Vectorielle (Vector DB)
  3. Un fichier Excel partagé
Voir la réponse

Réponse : 2. Une base de données Vectorielle.

Elle permet de stocker les Embeddings (les vecteurs numériques) des documents. C'est ce qui permet au système de faire une recherche par sens ("trouve-moi un truc qui ressemble à une tomate") plutôt que par mot-clé exact.

Exercice 4 : crise en production (LLMOps) 🚨

(Objectif : gérer le cycle de vie opérationnel - LO 4.2.2)

Alerte : depuis la mise à jour du modèle ce matin, le coût de l'API a été multiplié par 10, et GUS répond en allemand une fois sur deux.

Quelle pratique LLMOps a failli ?

  1. Le Fine-Tuning
  2. Le Monitoring
  3. L'Orchestration
Voir la réponse

Réponse : 2. Le Monitoring.

Une bonne stratégie LLMOps inclut des alertes automatiques sur :

  • Le Coût (pour détecter les pics anormaux).
  • La Qualité/Dérive (pour détecter que l'IA change de langue sans raison).

Action corrective : Rollback immédiat à la version précédente du modèle.


Vous avez validé l'architecture ?

Si ces exercices vous ont aidé à comprendre les rouages, un petit café pour le coach serait grandement apprécié ! ☕