ialabs

Passer de praticien intuitif à architecte-expert.

J'ai déjà livré plusieurs systèmes agentiques en production (le pipeline d'extraction de Cadencier, par exemple, combine orchestrator-workers et evaluator). Le but d'ialabs n'est pas d'apprendre à zéro mais de formaliser et industrialiser ce que je sais déjà faire. Et de construire les outils transverses (observabilité, RAG, agents) qui graduent ensuite vers les vrais projets TC.

• Apprendre : digérer cours, livres, papiers et les capitaliser en fiches atomiques réutilisables.
• Expérimenter : tester rapidement une idée, un outil, un pattern, mesurer le résultat, archiver le savoir.
• Construire : quand une expé prouve sa valeur, la stabiliser puis la faire graduer vers un projet TC réel.
• Règle de simplicité : un appel LLM bien prompté suffit dans 90% des cas. L'artillerie agentique seulement si la tâche le justifie (tâche ouverte + longue + récurrente + multi-dimensions).

Une structure documentaire à 6 dimensions.

Le dossier docs/ est l'épine dorsale du lab : six catégories distinctes pour que chaque fiche ait une place évidente, et que la navigation reste lisible même à 200 fiches.

• roadmap/ : parcours d'apprentissage en couches successives, du fondamental au cutting edge.
• connaissances/ : concepts atomiques, un fichier = un concept (RAG chunk, embedding, tool use, etc.).
• sujets/ : sujets pratiques transverses (RAG end-to-end, agentique, function calling).
• outils/ : fiches outils et plateformes (Langfuse, Qdrant, OpenRouter, etc.).
• modeles/ : fiches de modèles testés avec capacités, coûts mesurés, cas d'usage adaptés.
• veille/ : doc externe digérée (papiers arXiv, articles, threads).
• prompts/ : bibliothèque de prompts qui marchent vraiment, avec contexte d'usage.

Un format strict, jetable, mais traçable.

Chaque expé suit un squelette identique pour pouvoir être archivée, reprise ou graduée sans friction. Toutes sont conteneurisées : aucune n'installe quoi que ce soit sur le système hôte.

• Nommage strict : experiments/YYYY-MM_nom-kebab/ pour garder l'historique chronologique lisible.
• UI Streamlit standard à 4 onglets : Brief (le pourquoi), Doc (le quoi), Atelier (le code), Tester (le résultat).
• Dockerfile FROM ialabs-experiment-base : image commune pour ne pas réinstaller les libs à chaque fois.
• main.py CLI headless : smoke test sans UI pour valider en commande, indépendant de Streamlit.
• LEARNINGS.md à frontmatter standardisé : ce qui a marché, ce qui a échoué, le coût mesuré, et la décision (jeter / archiver / graduer).
• Pipeline de graduation : une expé qui prouve sa valeur passe dans patterns/ (réutilisable) puis vers projects/ (sérieux) puis vers un vrai projet TC en prod.

Centraliser le pilotage de l'écosystème IA.

Au-delà des fiches markdown, ialabs est destiné à devenir un cockpit web. Vue transverse sur tous les agents qui tournent, les coûts par modèle, les prompts en production, les traces Langfuse, et le pipeline de graduation des expés.

• Stack prévue : FastAPI backend + Next.js 15 frontend + PostgreSQL + nginx reverse proxy interne.
• Langfuse self-hosted déjà en place dans _infra/ (sous-domaine dédié langfuse-ialabs.tcentreprise.com).
• Lecture seule depuis Cyril : mon outil de pilotage a une fenêtre en lecture seule sur le lab pour intégrer ses signaux dans le dashboard global.
• Phase 1 : modules de navigation docs, vue agents, métriques coûts par projet.
• Phase 2 : pilotage actif (lancer une expé depuis le cockpit, gérer les prompts en production, A/B test de modèles).

Stack technique.

Python 3.12

Streamlit

Docker Compose

Claude

OpenRouter

PostgreSQL

Qdrant

nginx

Cloudflare

FastAPI (cockpit)

Next.js 15 (cockpit)

Langfuse