Hors Modèle, l'IA telle qu'on l'utilise vraiment.
▎ Pas les promesses des keynotes : ce qui marche, ce qui coûte, ce qui casse. Agents IA,
▎ modèles, outils de code, automatisation… À chaque épisode, un sujet décortiqué de bout en
▎ bout : le mécanisme, un cas concret, ce que ça change pour toi, et ce qui ne tient pas
▎ la route.
▎ Pour les développeurs, les créateurs et les curieux qui veulent comprendre l'IA sans
▎ jargon ni battage.
▎ Retrouve Hors Modèle sur YouTube, TikTok, Instagram et LinkedIn.
S02 E03: L'incident IA le plus dangereux : la baisse de 2 % par semaine
Un modèle peut briller sur un benchmark et rater ton lancement sur un format de sortie ou une vérification sautée.
Dans cet épisode, on branche l'évaluation sur la vraie vie : les benchmarks remis à leur place, l'évaluation hors ligne qui précède le lancement, puis les trois portes qu'une IA doit passer, bloquante, souple et canari.
On parle de l'incident le plus dangereux, la lente dérive qui ne déclenche aucune alerte, et de la boucle qui transforme chaque incident en test.
Tu repars avec un système d'évaluation minimum en six pièces, faisable sans plateforme, et un nom pour ce qu'il faut éviter : l'évaluation théâtre.
Chapitres :
0:00 Ouverture
0:32 Intro
1:04 Les benchmarks à leur place
1:42 Avant le lancement
2:36 Les trois portes
3:39 Régler le canari
4:17 Après le lancement
5:13 La mémoire de ce qui a cassé
5:56 Le bon niveau de zoom
6:42 Le minimum viable
7:50 Récap et suite
#HorsModele #IAenproduction #LLMOps #monitoring #evaluationIA
15 Oct 2026
S02 E4 :Ton modèle a l'air plus intelligent : il a peut-être vu l'examen
Ton modèle a l'air plus intelligent, mais il a peut-être vu les réponses de l'examen. Cet épisode remonte à l'entraînement, le premier endroit où tu peux empêcher une faiblesse de s'installer dans le modèle.
On passe par les quatre contrôles de données à faire avant d'entraîner, les trois niveaux de fuite entre entraînement et tests, et ce que la courbe de perte ne te dira jamais sur le comportement.
Suivre une consigne recouvre trois compétences (intention, contrainte, format), et le réglage par préférences amène trois dérives : sur-refus, réponses génériques et verbosité.
Tu repars avec l'ordre de décision pour choisir entre un gros modèle et un petit modèle affiné.
Chapitres :
0:00 Ouverture
0:30 Intro
1:09 Les données d'abord
2:07 Les trois niveaux de fuite
2:52 Ce que la courbe ne dit pas
3:19 Trois compétences
4:21 Les dérives des préférences
5:23 Robustesse et lancement
6:10 Gros ou petit modèle
7:16 Récap et suite
#HorsModele #evaluationIA #finetuning #LLM
15 Oct 2026
S02 E05: Ton IA ne doit dire que ce que ses outils ont prouvé
Ton IA peut écrire une confirmation parfaite sans avoir rien vérifié.
Cet épisode transforme l'évaluation en production en système de contrôle, étape par étape : le contrôle à l'accueil des demandes, la consigne versionnée comme du code, et le contrat de sortie avec réparation limitée et réponse de secours.
On règle la température selon le niveau de risque, et on passe par les quatre obligations d'un appel d'outil, dont la dernière protège le plus tes clients.
On voit aussi comment évaluer la recherche documentaire sans la confondre avec la génération, et les cinq budgets qui tiennent coût et latence.
On termine avec l'échelle de déploiement : ombre, canari, pleine charge.
Chapitres :
0:00 Ouverture
0:32 Intro
1:10 Deux fils et l'accueil
2:02 La consigne est du code
2:48 Le contrat de sortie3:28
La température selon le risque
4:15 Les quatre obligations
5:05 La recherche documentaire
5:56 Les cinq budgets
6:44 Surveiller et déployer
7:37 Récap et suite
#HorsModele #IAenproduction #LLMOps #RAG #evaluationIA
Contact Hors model
Guest appearances
Does not typically book guests
Based on episode analysis; this does not confirm that the show is currently accepting guests.
Host of Hors model?
Claim your podcast to manage its listing and keep your show details accurate.
Pod Engine is an independent podcast discovery and analytics service and is not affiliated with or endorsed by this podcast. Artwork and show content belong to their owners. Full legal notice.
Explore this show Podcast research with Pod Engine
