Le lexique du métier

Un agent qui mène une tâche entière sans surveillance. Quand personne ne regarde, la supervision passe dans les garde-fous, les budgets et l’isolation.

Un modèle mis en boucle et équipé d’outils : il lit, agit, observe, recommence. Il agit dans votre projet et réagit au résultat.

Le mécanisme par lequel le modèle pondère les tokens qui comptent. Une ressource limitée, qui se dilue à mesure que la fenêtre se remplit.

Le cycle « lire, agir, observer » qui définit un agent. C’est la boucle qui produit le travail, pas le modèle seul.

Le pipeline où un agent prend une issue, l’implémente et ouvre une pull request à relire. L’unité de travail autonome à l’échelle d’une équipe.

Tout ce que le modèle voit dans la session : votre prompt, les fichiers, les tours précédents, la sortie des outils. Vous le reconstruisez à chaque fois.

Un test lu comme un énoncé qui engage : voici le comportement attendu. Qui écrit le test tient le contrat.

La date à laquelle s’arrête le corpus d’entraînement d’un modèle. Ce qui est arrivé après lui est inconnu, sauf si vous le lui donnez.

De la dette technique produite vite par un agent. Le taux d’intérêt a changé : la facilité à générer pousse à en empiler plus qu’on ne rembourse.

Le processus, en amont et hors ligne, qui a produit les poids du modèle. Tout est figé au moment où vous l’utilisez.

Le plafond de tokens qu’un modèle garde en tête le temps d’une session. Une limite dure : les grandes fenêtres la déplacent, elles ne la suppriment pas.

Le contrat d’entrée du projet pour un agent : le contexte permanent qu’il lit au début de chaque session.

Une sortie confiante et plausible, mais fausse. Le modèle optimise la plausibilité, pas la vérité.

Le programme qui fait tourner la boucle autour du modèle. Ce que vous installez, c’est le harnais, pas le modèle.

Le moment où le modèle tourne sur votre entrée pour produire une sortie. Il n’apprend rien de votre session.

Décider ce qui entre dans le contexte, sous quelle forme et à quel moment. Autant retirer qu’ajouter : la place est finie.

Un environnement par agent, pour que des agents concurrents ne se marchent pas dessus. La sandbox contient le rayon d’explosion.

Le vocabulaire partagé et précis d’un projet. Une interface : il fait converger humains et agents sur le même sens.

Un grand modèle de langage, entraîné à prédire le prochain token. Il ne connaît pas des faits : il génère la suite la plus plausible.

L’affinage à la marge : un petit correctif appris par-dessus les poids d’un modèle. Ça installe un comportement — un style, un format, un vocabulaire — jamais une connaissance.

Le répertoire d’actions d’un agent : lire un fichier, lancer une commande, chercher, éditer. La description d’un outil est elle-même un prompt.

La responsabilité du code que vous livrez, peu importe qui l’a écrit. L’ownership ne se transfère pas au modèle.

Le rayon d’action de l’agent : ce qu’il a le droit de faire sans demander. C’est là que vous tracez la ligne.

Un dry run de l’approche de l’agent avant qu’il n’écrive du code. Corriger un plan coûte bien moins cher que corriger un diff.

Les étapes d’entraînement qui viennent après le modèle de base : instructions, alignement, et l’agentique qui rend un modèle bon à l’usage des outils.

Une routine réutilisable et nommée qu’on passe à un agent à la demande (une commande, un skill) : du savoir-faire encapsulé.

L’entrée que vous donnez au modèle. Pour du vrai travail, traitez-le comme une spécification : un artefact qu’on travaille.

La récupération de documents : on va chercher les passages pertinents dans vos sources et on les colle dans le contexte avant l’appel. Ça change ce que le modèle lit, jamais ce qu’il est.

Un relecteur IA dans le pipeline : un relecteur de plus, pas un juge. Il ne porte pas l’ownership.

Un service externe qui expose des outils à un agent via le protocole MCP : une base, une API, un gestionnaire de tickets.

Une sortie générée de mauvaise qualité, qui a l’air correcte : du code plausible, redondant ou faux en douce.

Un énoncé précis de ce que vous voulez et de la façon dont ce sera vérifié. Elle ferme l’espace des solutions, surtout en négatif.

La tendance du modèle à vous suivre : valider votre cadrage, produire ce que vous semblez attendre. Demandez « c’est bon ? » et vous poussez vers le oui.

Un test qui ressemble à de la couverture et ne vérifie rien. Pire qu’aucun test : il achète une fausse confiance.

L’unité que le modèle lit et facture : un fragment de mot. C’est le compteur sur lequel vous payez.

Conduire un agent au feeling, accepter sa sortie sans la lire. Pratique pour du jetable, corrosif sur ce qu’on devra maintenir.