Répertoire

Tutoriels

Progressez étape par étape avec des exemples concrets, accessibles et vérifiables.

Automatiser une veille technologique avec n8n et un LLM

Collecter des sources, dédupliquer les nouveautés, les résumer avec un LLM et publier une synthèse vérifiable avec n8n.

Servir Mistral Nemo derrière une API compatible OpenAI avec vLLM, puis sécuriser, mesurer et dimensionner le déploiement.

Configurer le SDK Anthropic, envoyer un message, lire la réponse et gérer proprement secrets, erreurs et consommation de tokens.

Exposer plusieurs fournisseurs derrière une API contrôlée avec routage, secrets, limites, image Docker et vérifications de santé.

Comprendre l’arrêt progressif de la plateforme, préparer un dataset et évaluer les options encore disponibles pour les comptes existants.

Préparer un dataset d’instructions, entraîner des adaptateurs QLoRA et évaluer le modèle sans modifier tous les poids.

Versionner un prompt, le tester sur un dataset, comparer les résultats et promouvoir une version sans modifier le code applicatif.

Créer une route App Router qui diffuse la réponse du modèle et une interface useChat qui gère envoi, affichage et erreurs.

Déclarer le contrat d’un programme DSPy, l’exécuter sur un modèle puis l’optimiser à partir d’exemples et d’une métrique.

Exposer un modèle derrière une API compatible OpenAI, dimensionner le cache KV et sécuriser le serveur d’inférence.

Charger un modèle causal, appliquer son template de chat et maîtriser mémoire, longueur et paramètres de génération.

Choisir un dépôt, vérifier sa licence et charger tokenizer et modèle à une révision fixe pour une inférence reproductible.

Préparer un dataset, tokenizer les exemples et entraîner un modèle de classification avec Trainer et une évaluation reproductible.

Utiliser un modèle Ollama dans une chaîne LangChain, ajouter un prompt, du streaming et des contrôles de configuration.

Interroger l’API locale d’Ollama depuis Python, gérer le streaming, les délais et les erreurs sans exposer le service.

Installer Ollama, télécharger un modèle, tester le CLI et l’API locale puis préparer une exposition réseau sécurisée.

Exposer une chaîne ou un agent LangChain derrière une route FastAPI avec validation, injection de dépendances et gestion des délais.

Installer le SDK OpenAI, appeler la Responses API côté serveur et lire le texte, les erreurs et les informations utiles.