BigData, Machine-learning, AI & AnalyticsConference50min
AI Apocalypse Survival Kit: coding agents & Tiny Language Models
L’auteur alerte sur la dépendance excessive aux grandes plateformes d’IA et propose d’explorer l’usage de petits modèles locaux (<9 Md paramètres) pour des tâches de développement. La présentation montre comment adapter workflow et techniques pour rester productif avec ces outils légers, autonomes et plus résilients.
talk.summaryAiDisclaimer
Philippe CharrièreDocker
Régulation, sanctions géopolitiques, panne d'infrastructure, politique tarifaire, raréfaction des ressources, ... : les raisons d'une rupture sont nombreuses et plausibles.
Scénario de science-fiction ? Peut-être.
Mais, on ne peut ignorer ce constat inconfortable : nos workflows de développement sont devenus massivement dépendants de quelques plateformes d'IA contrôlées par une poignée d'acteurs.
C'est pour cette raison que j'expérimente avec des (tout) petits modèles locaux, et je suis convaincu que l'on peut les utiliser de manière efficace pour certaines tâches de développement (et autre) — à condition d'adapter nos attentes, nos techniques, et notre workflow.
Lors de cette présentation, nous explorerons ce qu'il est réellement possible de faire avec des agents de code minimalistes (ex: pi-mono, cagent) — sans système d'instructions à rallonge, sans orchestration complexe — et des modèles locaux de moins de moins 9 milliards de paramètres (les "Tiny Language Models").
Pas de vibe coding magique (ne rêvez pas, c'est impossible avec des petits modèles), mais nous verrons quelles tâches restent atteignables, quelles techniques compensent les limites des petits modèles, et comment repenser son workflow pour rester productif avec des outils plus léger.
Il y a un énorme avantage à tout cela: vous allez redémarrer vos cerveaux, comprendre ce que vous faites vraiment, et être mieux préparé pour le jour où ...
Scénario de science-fiction ? Peut-être.
Mais, on ne peut ignorer ce constat inconfortable : nos workflows de développement sont devenus massivement dépendants de quelques plateformes d'IA contrôlées par une poignée d'acteurs.
C'est pour cette raison que j'expérimente avec des (tout) petits modèles locaux, et je suis convaincu que l'on peut les utiliser de manière efficace pour certaines tâches de développement (et autre) — à condition d'adapter nos attentes, nos techniques, et notre workflow.
Lors de cette présentation, nous explorerons ce qu'il est réellement possible de faire avec des agents de code minimalistes (ex: pi-mono, cagent) — sans système d'instructions à rallonge, sans orchestration complexe — et des modèles locaux de moins de moins 9 milliards de paramètres (les "Tiny Language Models").
Pas de vibe coding magique (ne rêvez pas, c'est impossible avec des petits modèles), mais nous verrons quelles tâches restent atteignables, quelles techniques compensent les limites des petits modèles, et comment repenser son workflow pour rester productif avec des outils plus léger.
Il y a un énorme avantage à tout cela: vous allez redémarrer vos cerveaux, comprendre ce que vous faites vraiment, et être mieux préparé pour le jour où ...
Philippe Charrière
Geek assumé et Solution Architect chez Docker le jour, dresseur de tiny LLMs la nuit. Convaincu que les meilleurs modèles tiennent en moins de 4B de paramètres et que Go est le langage des gens bien. Multiplie les side projects comme d'autres collectionnent les NFTs — mais en plus utile.