Skip to content
Retour à Tech
GenAI · 5 min de lecture

Ressources IA pour le produit et la tech

Une collection commentée des outils, frameworks et ressources IA les plus importants pour les leaders produit et tech — mise à jour pour l'ère agentique.

Ressources IA pour le produit et la tech

Paysage de l'ingenierie IA

Ma collection des ressources IA les plus importantes pour le produit et la tech, mise à jour pour 2026.

Outils de développement agentique

Les outils qui ont fondamentalement changé ma façon de construire du logiciel :

  1. Claude Code — L’outil de codage agentique en CLI d’Anthropic. Mon outil de développement principal. Utilise Claude Opus 4 pour lire des codebases de manière autonome, implémenter des fonctionnalités sur plusieurs fichiers, lancer des tests, corriger des erreurs et commiter du code. Le pattern de spécification CLAUDE.md le rend remarquablement efficace. Optimal avec l’abonnement Max.
  2. Cursor — IDE natif IA construit sur VS Code. Le mode agent gère les éditions multi-fichiers de manière autonome. Excellente sélection de modèles (Claude, GPT-4o, Gemini). Mon choix pour la revue visuelle de code et les workstreams parallèles aux côtés de Claude Code.
  3. Windsurf — L’IDE agentique de Codeium avec “Cascade” — un agent multi-étapes qui planifie et exécute à travers votre codebase. Solide alternative à Cursor avec une bonne UX d’état de flow.
  4. Cline — Extension de codage agentique open source pour VS Code. Supporte plusieurs backends de modèles (Claude, GPT, modèles locaux via Ollama). Excellente option pour des capacités agent avec flexibilité de modèle.
  5. Aider — Outil de codage agentique en CLI avec une excellente intégration git. Supporte le pair programming avec plusieurs modèles. Bon pour les développeurs préférant les workflows terminal.
  6. Continue.dev — Assistant de codage IA open source avec routage flexible des modèles. Supporte les modèles locaux, les API cloud et les backends personnalisés. Bon pour les équipes souhaitant contrôler leurs outils IA.

Fournisseurs et routeurs de modèles IA

  1. OpenRouter — API unifiée pour accéder à plus de 200 modèles de tous les fournisseurs majeurs. Tarification au token, fallbacks automatiques et comparaison de modèles. Essentiel pour tester différents modèles sur vos cas d’usage.
  2. API Anthropic — Accès API direct aux modèles Claude. Meilleur de sa catégorie pour l’utilisation d’outils, les sorties structurées et les workflows agentiques. L’écosystème MCP (Model Context Protocol) croît rapidement.
  3. API OpenAI — GPT-5, modèles de raisonnement o1/o3, DALL-E, Whisper. Toujours l’API la plus largement intégrée.
  4. Google AI Studio / Vertex AI — Gemini 2.5 Pro/Flash. La fenêtre de contexte de plus d’1M de tokens est inégalée pour le traitement de documents volumineux.

Outils LLM locaux

Exécuter des modèles sur votre propre matériel — essentiel pour la confidentialité, la vitesse et le coût :

  1. Ollama — Le moyen le plus simple d’exécuter des modèles locaux. ollama run qwen3-coder et c’est parti. Grande bibliothèque de modèles, API simple, compatible avec la plupart des outils IA.
  2. MLX — Le framework de machine learning d’Apple optimisé pour Apple Silicon. La communauté mlx-community sur Hugging Face fournit des poids de modèles pré-convertis. Meilleures performances sur matériel Mac.
  3. LM Studio — Application GUI pour exécuter des modèles locaux. Découverte et gestion de modèles conviviale. Bon pour les utilisateurs non-terminal.
  4. llama.cpp — Le moteur d’inférence C/C++ fondamental qui a rendu les LLMs locaux possibles. Le format GGUF est le standard pour la distribution de modèles quantifiés.

MCP (Model Context Protocol)

Le standard émergent pour connecter les modèles IA aux outils et sources de données externes :

  1. Spécification MCP — Le protocole ouvert d’Anthropic. En passe de devenir le standard pour l’intégration d’outils.
  2. Registre de serveurs MCP — Collection croissante de serveurs MCP pré-construits pour les intégrations courantes (GitHub, Slack, bases de données, systèmes de fichiers, API).

Infrastructure et frameworks IA

  1. LangChain / LangGraph — Framework pour construire des applications LLM. LangGraph est la partie la plus intéressante maintenant — il gère les workflows agents stateful et multi-étapes.
  2. Vercel AI SDK — Excellent SDK pour construire des applications web IA. Streaming, utilisation d’outils et support multi-fournisseur prêt à l’emploi.
  3. Instructor — Bibliothèque pour l’extraction de sorties structurées depuis les LLMs. Fonctionne avec plusieurs fournisseurs. Essentiel pour les fonctionnalités IA en production nécessitant des formats de données fiables.
  4. Pydantic AI — Framework d’agents IA typé de l’équipe Pydantic. Approche Pythonic et propre pour construire des systèmes agentiques.

Bases de données vectorielles pour le RAG

  1. Pinecone — Base de données vectorielle managée. Facile à démarrer, passe bien à l’échelle.
  2. Weaviate — Base de données vectorielle open source avec recherche hybride.
  3. pgvector — Extension PostgreSQL pour la recherche par similarité vectorielle. Souvent le bon choix si vous êtes déjà sur Postgres — pas de nouvelle infrastructure nécessaire.

Lectures essentielles

Articles et publications

Livres

Paysage de l’ingénierie IA

Pour un aperçu visuel complet de l’écosystème de l’ingénierie IA, le AI Engineering Landscape reste une excellente ressource, bien qu’il convienne de noter que le paysage évolue chaque trimestre à ce stade.

airesourcestoolsclaude-codecursoragentic-developmentlocal-llm