Intelligence artificielle, LLMs, automatisation et pratiques émergentes
8 articles
Un agent de code lance dix fois la suite de tests avant de pousser son commit, puis la CI la relance depuis zéro. Le remote caching existe depuis longtemps côté build : il manque le pont entre l'agent et le pipeline.
Le même modèle donne des résultats très différents selon l'outil qui l'entoure. On explique ce qu'est un harness d'agent, pourquoi c'est devenu un sujet central en 2026, et on l'illustre avec Claude Code, pi et DeepSeek Harness.
Quand chaque domaine du SI expose son serveur MCP, connecter les agents en direct ne tient plus. La gateway MCP centralise sécurité, gouvernance et sélection des outils tout en préservant l'autonomie des équipes.
Comment centraliser la distribution de plugins Claude Code (skills, agents, MCP servers) au sein d'une équipe via un simple repo GitHub, sans infrastructure à maintenir.
Une dépendance et quelques annotations : comment transformer une API Spring Kotlin existante en serveur MCP avec Spring AI 2.x, et ce que ça débloque concrètement pour l'onboarding et l'exploration.
L'intelligence artificielle générative est le phénomène technologique de ces dernières années. Elle se déploie à un rythme fulgurant, alimentée par des promesses de progrès pour notre société. Toute technologie a ses pendants et l'adopter massivement sans prendre en compte ses impacts est risqué. Dans cet article, nous allons nous autoriser ce raccourci, car aujourd'hui, c'est bien l'IA générative qui soulève des questions économiques et politiques mais aussi le plus gros potentiel d’impacts environnementaux à venir.
Découvrez comment construire des agents IA avec Java et Kotlin grâce aux frameworks LangChain4j, Spring AI, Embabel et Koog. Comparaison détaillée et exemples concrets.
Découvrez les nouveautés majeures de Spring Framework 7 et Spring Boot 4, deux versions importantes qui font évoluer l'écosystème Java en 2025.