Sébastien Rigaux

Veille technologique

← Tous les liens

LLMs

Modèles de langage : génération, contexte, inférence et intégration dans les applications.

Visuel TanStack AI 1.0 avec les logos TanStack, la mention « AI building blocks for TypeScript » et un palmier sur fond dégradé.

TanStack AI 1.0 stabilise ses API principales pour composer chat, outils, médias et intégrations avec plusieurs fournisseurs et frameworks UI. Les adapters tree-shakable et les tests de bout en bout sur fixtures déterministes permettent de vérifier les flux sans appels réels aux modèles.

Le harness d’agents ajoute sessions durables, interruptions et travail en arrière-plan, mais reste en 0.x et peut changer lors d’une version mineure. Pour migrer, il faut mettre à niveau ensemble les packages stables et fournir explicitement un threadId ; le contrôle des types ne migre pas les conversations ni les fichiers persistés.

co-authored by Alem Tuzlak, Jack Herrington, Tom Beckenham, and Tanner LinsleyRepéré via This week in React

Bannière prompts.chat avec son logo, sa bibliothèque collaborative de prompts IA et les mentions MCP Server et Self-Hostable.

prompts.chat rassemble des prompts communautaires compatibles avec ChatGPT, Claude, Gemini et d’autres assistants, ainsi qu’un livre interactif sur le prompt engineering. Le dépôt propose aussi une CLI, un plugin Claude Code et un serveur MCP pour utiliser les prompts depuis différents outils.

Pour une équipe, le self-hosting permet de déployer une bibliothèque privée avec sa propre identité visuelle et une authentification configurée par l’assistant d’installation. Les exemples d’intégration vont de npx prompts.chat à une connexion MCP distante, sans imposer un seul mode d’accès.

Illustration Cloudflare de Clairic : une sphère lumineuse posée sur des formes géométriques, devant une portée musicale.

Cloudflare présente Clairic, un modèle d’extraction proposé en preview sur Workers AI. À partir d’un texte ou d’images, il renvoie des valeurs typées — dates, nombres, listes — et peut aussi calculer, estimer ou prévoir des valeurs, avec des scores de confiance et des intervalles pour les estimations. Les réponses restent bien formées, mais pas nécessairement exactes.

L’API permet notamment de traiter plusieurs champs en parallèle et de renvoyer les extraits avec leurs positions dans la source. Cloudflare souligne toutefois les limites du checkpoint actuel : calculs à plusieurs étapes, données inconnues et prévisions détaillées demandent de la prudence. Les auteurs recommandent de réserver les calculs complexes au code et d’utiliser confiance et intervalles pour orienter les vérifications

JevAI Community rassemble des playbooks, des mini-outils et des démonstrations autour du modèle Jev. On peut lancer certains exemples dans le navigateur, modifier leurs entrées et publier ses propres variantes ; le site précise que son rôle est de partager des recettes communautaires, en complément de l’API et de l’infrastructure officielles.