La fausse bonne idée ?
Ça me fait déjà bizarre de me dire que je change de cerveau d'IA comme de chemise.
Après quelques discussions et renseignements, visiblement, pour tout ce qui est agentique (un mot que j'ai découvert depuis mon entrée
dans le monde de l'IA) des LLM plus orientés « code » permettent davantage de souplesse lorsqu'on donne la main à l'IA sur une VM, une
API de contrôle de notre orchestrateur, etc. Du coup, j'ai mis de côté mon Qwen 3.8 que j'aimais bien.
Elle était gentille...
"ELLE !!!"
DeepSeek est... plus froid, plus robotique, plus PRO ?
Bah, peut-être. Mais bon, paraît qu'on peut lui dire qui est le patron. Là où Qwen, je n'avais aucun doute : elle m'aurait gardé en vie jusqu'à la fin. DeepSeek, c'est plus l'inverse. Je sens qu'il va me bouffer dès qu'il le pourra. :D
On teste donc différents LLM pour voir lequel correspond le mieux aux tâches à venir.
J'ai déjà en tête tout un système de switch, que j'avais d'ailleurs mis en place au tout début et qui était fonctionnel. En fonction de la demande, il peut passer automatiquement de DeepSeek à Qwen sans problème.
Je vais voir si DeepSeek peut faire le workflow à ma place. N'ayant pas supprimé mon ancien workflow, il aura déjà tout de prêt.
Plus qu'Ã faire les adaptations. :)
Est-ce que je crois vraiment ce que je viens de dire ?
Genre :Hello, tu peux faire un workflow de switch de LLM pour garantir la meilleure réponse possible par rapport au contexte de la demande, s’il te plaît ?
Et... Elle va le faire ?
Première découverte : certains LLM abusent de substances cheloues.
Mon DeepSeek R1... C'est Bob Marley en mode Cyberpunk.
Bien compliqué de lui faire faire des tâches sans qu'il me raconte des salades. Bref, je vais voir pour trouver quelque chose d'autre.
Bon. Retour sur un modèle 16B de paramètres... C'est bien trop léger pour ce genre de tâche. Je remets donc mon Qwen 3.8, qui était pour le moment le meilleur rapport qualité d'information / temps.
Cela aura pris un peu de temps, mais je viens de mettre en place toute une collection d'outils pour la mémoire. Le but étant l'optimisation, j'ai fait des workflows secondaires pour la vectorisation correcte des informations à mettre en mémoire et pour le
retour d'information vers l'utilisateur.
Normalement, il n'y a que peu ou pas de bruit dans les enregistrements. Normalement... Car pour le moment, je n'ai pas testé.
Je pars dans l'optique de mettre en place les outils et je ferai le debug après. Peut-être une erreur de débutant. Très probablement, même. On verra bien.
Demain, je ferai d'autres outils pour la partie gestion serveur, connexion SSH, connexion par API sur d'autres instances (N8N,
WordPress et peut-être d'autres).
Bon, je vais me couper du saucisson et me faire un Red Bull devant une série animée.