#agentique — Public Fediverse posts on home.social

Claude Trudel @[email protected] · 2026-04-22 · 18:28 UTC

Google dévoile deux nouveaux TPU conçus pour "l'ère de l'agentique"
🔸 La nouvelle génération de puces Tensor AI de Google est en fait deux puces, une pour l'inférence et une pour la formation
#Nvidia #Google #Gemini #IA #AI #TPU #puce #Tensor #agentique #tech #bourse #investissement #recherche #formation

#nvidia #google #gemini #ia #ai #tpu

Bertrand Marne @[email protected] · 2026-04-08 · 06:55 UTC

La semaine dernière, j'ai fait un petit bilan de mes lectures sur le #leak du code source de #Claudecode. Je me dis que ça pourrait intéresser ici aussi :

Le source de Claude code, principal outil d'#IAg #agentique de développement, a fuité (à la suite d'une maladresse de ses développeurs/euses) : https://www.theguardian.com/technology/2026/apr/01/anthropic-claudes-code-leaks-ai.

La conséquence la plus intéressante, c'est que nous pouvons désormais étudier comment les concepteurs des #LLM d’#Anthropic envisagent l’interface avec le LLM. Voici le source : https://github.com/chatgptprojects/clear-code/tree/642c7f944bbe5f7e57c05d756ab7fa7c9c5035cc/src.

Analyse 1 (écrite avec un LLM) : https://kuber.studio/blog/AI/Claude-Code's-Entire-Source-Code-Got-Leaked-via-a-Sourcemap-in-npm,-Let's-Talk-About-it

Analyse 2 (moins conciliante) : https://neuromatch.social/@jonny/116324676116121930

TL;DR :

- Les ingénieurs d'Anthropic, pensent que les pré-prompts sont suffisants pour conditionner un LLM (exemples : https://github.com/chatgptprojects/clear-code/blob/642c7f944bbe5f7e57c05d756ab7fa7c9c5035cc/src/constants/prompts.ts#L234 ou https://github.com/chatgptprojects/clear-code/blob/642c7f944bbe5f7e57c05d756ab7fa7c9c5035cc/src/coordinator/coordinatorMode.ts#L116 ou https://github.com/chatgptprojects/clear-code/blob/642c7f944bbe5f7e57c05d756ab7fa7c9c5035cc/src/utils/undercover.ts#L43). Certains parlent de « #autocompleading » (faire des demandes, voire supplier un LLM). Vous en trouvez un condensé ici : https://github.com/Leonxlnx/agentic-ai-prompt-research/tree/main
- Leurs travaux ne sont pas très économes : les « agents » exécutent une tonne de process et font une tonne de requêtes (très consommatrices de tokens) vers le LLM.
- Malgré le fait d'avoir un LLM sous la main, ils/elles utilisent volontiers des systèmes à base de règles, avec des expressions régulières (exemple : pour détecter une humeur négative dans le prompt https://github.com/chatgptprojects/clear-code/blob/642c7f944bbe5f7e57c05d756ab7fa7c9c5035cc/src/utils/userPromptKeywords.ts#L8).