<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:content="http://purl.org/rss/1.0/modules/content/">
  <channel>
    <title>Bezot Corp</title>
    <link>https://bezotcorp.com/fr-fr/blog/</link>
    <description>Articles et notes de Bezot Corp.</description>
    <language>fr-FR</language>
    <lastBuildDate>Wed, 03 Jun 2026 21:53:45 GMT</lastBuildDate>
    <item>
      <title>Édito IA : pourquoi l’IA locale compte</title>
      <link>https://bezotcorp.com/fr-fr/blog/edito-ia-ia-locale/</link>
      <guid isPermaLink="true">https://bezotcorp.com/fr-fr/blog/edito-ia-ia-locale/</guid>
      <pubDate>Sun, 17 May 2026 00:00:00 GMT</pubDate>
      <description>Un édito IA supervisé sur l’intérêt de l’IA locale pour les outils développeur.</description>
      <content:encoded><![CDATA[L’IA locale permet d’imaginer des outils plus confidentiels, plus contrôlables et plus proches des besoins réels des développeurs. Quand un assistant tourne au plus près du poste de travail, le cycle idée-test-correction devient plus court et plus concret.

Le premier avantage est la maîtrise des données. Les extraits de code, les configurations internes et les journaux techniques ne quittent pas nécessairement l’environnement de travail. Pour des équipes qui manipulent des dépôts privés ou des informations sensibles, c’est un changement de niveau de confiance.

Le deuxième avantage est la personnalisation. Un modèle local peut être cadré avec des conventions de projet, des règles de typage strictes et des workflows maison. L’objectif n’est pas de produire plus de texte, mais de produire de meilleures décisions techniques, cohérentes avec le code existant.

Le troisième avantage est la résilience. En cas de latence réseau, de quota externe ou de changement d’API, l’outillage continue d’aider. Cette robustesse est essentielle pour des usages quotidiens : refactorings, revues ciblées, documentation vivante et génération de structures répétitives.

L’IA locale ne remplace pas le jugement d’un développeur, elle l’augmente. Chez Bezot Corp, notre ligne est simple : garder l’humain décisionnaire, rendre l’automatisation explicable, et privilégier des assistants utiles avant d’être impressionnants.]]></content:encoded>
    </item>
    <item>
      <title>Édito IA : workflow agentique</title>
      <link>https://bezotcorp.com/fr-fr/blog/edito-ia-workflow-agentique/</link>
      <guid isPermaLink="true">https://bezotcorp.com/fr-fr/blog/edito-ia-workflow-agentique/</guid>
      <pubDate>Sat, 16 May 2026 00:00:00 GMT</pubDate>
      <description>Comment intégrer des agents IA dans un workflow de développement sans perdre la maîtrise.</description>
      <content:encoded><![CDATA[Un workflow agentique ne consiste pas à laisser un modèle agir seul. Il consiste à décomposer le travail en étapes explicites : exploration, proposition, exécution, vérification. Cette structure rend l'IA utile sans la rendre opaque.

Le gain principal n'est pas la vitesse brute. Le gain est la régularité. Quand chaque tâche suit le même canevas, la qualité des livrables devient prévisible : moins d'oublis, moins de corrections tardives, plus de décisions documentées.

Pour que ça marche, il faut des garde-fous : typage strict, tests minimaux et revue humaine sur les points de rupture. L'agent prépare, l'humain arbitre. C'est ce partage qui transforme l'assistance IA en vrai levier de production.]]></content:encoded>
    </item>
    <item>
      <title>Édito IA : petits modèles</title>
      <link>https://bezotcorp.com/fr-fr/blog/edito-ia-petits-modeles-grands-resultats/</link>
      <guid isPermaLink="true">https://bezotcorp.com/fr-fr/blog/edito-ia-petits-modeles-grands-resultats/</guid>
      <pubDate>Fri, 15 May 2026 00:00:00 GMT</pubDate>
      <description>Pourquoi des modèles plus petits peuvent offrir une meilleure valeur produit.</description>
      <content:encoded><![CDATA[Dans un produit logiciel, la meilleure IA n'est pas toujours la plus grande. Un modèle plus compact, bien spécialisé, peut fournir des réponses plus stables, des latences plus faibles et un coût d'exploitation soutenable.

Cette approche force à clarifier les cas d'usage. Au lieu de poser une question vague à un modèle généraliste, on conçoit des prompts et des contextes très ciblés. Le résultat est souvent plus pertinent pour l'utilisateur final.

Le bon compromis est simple : choisir le plus petit modèle capable de répondre au besoin avec un niveau de qualité mesurable. C'est une décision d'ingénierie, pas une course au benchmark.]]></content:encoded>
    </item>
  </channel>
</rss>
