Merde, j’aurais tellement voulu avoir ça quand j’ai commencé à poster. Le bot Grok gère désormais la partie administration de mon contenu, et j’ai eu besoin de 5 invites. Mon résumé du matin arrive avant que je n’ouvre mon ordinateur, et chaque réponse à une marque est prête en brouillon pour moi. Voici ce que font les 5 invites : étape 1 → collez les invites ci-dessous dans Grok Bot sur Grok 4.7, commencez par le résumé du matin étape 2 → chaque jour ouvrable, mon résumé omet les promotions et liste uniquement les e-mails qui nécessitent mon attention, en commençant par les partenariats marques étape 3 → il se termine par les 5 mentions sur X méritant une réponse, lues dans un memo vocal de 2 minutes étape 4 → l’invite concernant les marques passe en revue mes e-mails de sponsoring de la semaine écoulée et vérifie chaque marque en ligne étape 5 → il rédige chaque réponse avec ma grille tarifaire, mais je lis toujours chacune avant de l’envoyer étape 6 → à 8 h, il me montre ce qui monte dans mon créneau, uniquement ce qui est nouveau depuis hier étape 7 → une fois le script terminé, il me fournit des brouillons grossiers du fil, du post LinkedIn et de la section newsletter étape 8 → j’ai enregistré cela comme une compétence, donc la semaine prochaine, une seule ligne me redonne ces brouillons Les 5 invites sont sur la carte ci-dessous. Ensuite, lisez l’article ci-dessous et ajoutez 10 autres en haut.

Vous pouvez exécuter votre propre IA sur votre ordinateur. La plupart des gens le configurent mal et obtiennent un chatbot lent et oublieux. À la GTC 2026, un responsable produit NVIDIA et un ingénieur Ollama ont passé 33 minutes à le faire correctement. 07:38 - quantification et pourquoi Q4_K_M est la valeur par défaut 11:04 - choisir un modèle : VRAM, benchmarks, vos propres tests 19:08 - Claude Code sur un modèle local avec Ollama Launch 24:20 - la limite de contexte lors de l’exécution d’agents localement 28:17 - sorties structurées pour extraire des données de documents J’ai vu des cours à 500 $ qui enseignent moins que cela. Regardez-le d’abord, puis lisez le guide ci-dessous. Il vous guide de zéro à une IA fonctionnelle sur votre ordinateur en 10 étapes.

Harrison Chase, cofondateur de LangChain : « Il existe un cadre qui orchestre un modèle et certains contextes. » En moins de 24 minutes, il explique la boucle derrière l'utilisation des outils et du contexte. Cela vous aide à comprendre ce qui change lorsque vous changez de runtimes. Je placerais cette conférence gratuite avant de nombreux cours payants sur les bases des agents. Regardez la conférence, puis lisez l’article pour créer des produits compatibles avec différents cadres d’agents.

Diogo Almeida, co-auteur du GPT-4 : « Nous faisons une troisième chose optimisée pour la prise de décision calibrée » En 18 minutes, il explique pourquoi les modèles formés pour obtenir l'approbation humaine peuvent être surestimés. Vous tirerez plus de bénéfices de cette vidéo que d’un cours de 700 $. Regardez la conférence, puis lisez le guide ci-dessous pour comprendre ce que Jev fait bien et comment l’utiliser.

Andrej Karpathy : « Le langage de programmation le plus tendance est l'anglais. » En moins de 40 minutes, il explique comment les LLM ont révolutionné ce que nous pouvons accomplir dans l'environnement numérique et comment les utiliser efficacement. Cette présentation contient bien plus d'informations utiles que le cours à 500 $. Regardez la présentation complète, puis lisez l'article ci-dessous pour configurer un cadre de travail pour vos agents.

Une décision binaire de oui ou non à l’intérieur d’un agent peut coûter jusqu’à 400 fois plus qu’elle ne devrait. Harrison Chase, PDG de LangChain, a passé 47 minutes à examiner ce qui se trouve réellement à l’intérieur du système d’un agent. 08:27 - ce qui constitue réellement un système 18:14 - les composants de base d’un agent 29:51 - pourquoi les agents ont besoin d’un bac à sable 32:37 - les bacs à sable contre les injections de prompts 41:51 - le désordre de l’évaluation des agents Regardez cela en premier, puis lisez l’article ci-dessous sur le modèle conçu pour gérer cette décision à une fraction du coût.

Une décision binaire de oui ou non à l’intérieur d’un agent peut coûter jusqu’à 400 fois plus qu’elle ne devrait. Harrison Chase, PDG de LangChain, a passé 47 minutes à examiner ce qui se trouve réellement à l’intérieur du cadre d’un agent. 08:27 - ce qui constitue réellement un cadre 18:14 - les composants de base d’un agent 29:51 - pourquoi les agents ont besoin d’un bac à sable 32:37 - les bacs à sable contre les injections de prompts 41:51 - le désordre de l’évaluation des agents Regardez cela en premier, puis lisez l’article ci-dessous sur le modèle conçu pour gérer cette décision à une fraction du coût.

Odyssey-3 m’a véritablement surpris. Un seul modèle mondial qui alimente un humanoïde, contrôle des bras robotiques, conduit une voiture, pilote un drone, joue à des jeux vidéo et forme d’autres IA. L’équipe derrière @odysseyml a développé des voitures autonomes chez Cruise et Wayve et travaille sur les modèles mondiaux depuis 2023. Alors, quand ils qualifient l’entraînement robotique tâche par tâche de force brute, je les écoute. Leur solution : un agent physique. Il apprend comment le monde fonctionne en l’observant : la physique, le mouvement, la cause et l’effet, le comportement humain. Un nouveau module se branche sur cette connaissance. Ils affirment que quelques heures de ses propres données suffisent pour le faire démarrer, avec une tête d’action qui transforme la compréhension du modèle en commandes. C’est fondamentalement ce que les LLM ont fait pour le travail intellectuel : un modèle unique et large en dessous, et chaque amélioration de ce modèle rend tout ce qui repose dessus meilleur. Ce qui m’a le plus marqué : il génère aussi des mondes où les agents IA peuvent s’entraîner, afin que leurs erreurs se produisent d’abord dans une simulation. Ils pensent que les modèles mondiaux finiront par comprendre la physique mieux que nous. Une affirmation ambitieuse. J’ai hâte de voir si elle tient bon lors de sa publication publique dans les semaines à venir.

J’ai fourni le même prompt à GLM 5.3 Flash, Kimi K3 et DeepSeek v4 Pro, et j’ai obtenu 3 applications fonctionnelles. J’ai construit les 3 à l’intérieur de @boltdotnew et j’ai déployé la meilleure sur un lien en direct. Sur un plan normal, je n’aurais jamais gaspillé des invites dans une comparaison comme celle-ci. Forge est un mode expérimental dans Bolt qui exécute des modèles ouverts avec jusqu’à 50 fois plus d’utilisation. Vous pouvez construire et itérer sur des applications web sans vous soucier des limites d’utilisation. Un seul barre mensuelle, sans limite quotidienne. Créez 10 versions si nécessaire, puis passez à Standard ou Max quand il sera temps de déployer. Sur le benchmark interne de Bolt, les modèles Forge obtiennent 91 % des performances du meilleur modèle payant. Suffisamment proche pour le brouillon. L’offre derrière cela : activez-le, et vos constructions aident à former des modèles ouverts. Une demande vous est faite à chaque fois que vous basculez. La prévisualisation de recherche s’effectue du 14 septembre au 14 octobre 2026. Forge est gratuit sur les plans Pro jusqu’au 14 octobre, et il existe un plan d’accès anticipé à 9 $/mois, Bolt Lite, avec une liste d’attente. C’est expérimental, donc dupliquez votre projet avant d’y intégrer quoi que ce soit de sérieux. Regardez les 3 constructions, puis essayez Forge avec le lien ci-dessous.

Arrêtez de passer vos soirées à corriger les mêmes erreurs que votre agent IA commet continuellement. Un ingénieur LangChain montre comment faire en sorte que l’IA vérifie son propre travail avant de vous le renvoyer. 08:06 - état, nœuds et arêtes 10:47 - vérification des documents et des réponses générées 11:48 - réessayer le code après un échec des tests 37:12 - arrêter les boucles avec une limite d’étapes 54:46 - suivre les étapes effectuées par l’agent Ils n’auraient pas dû rendre ce atelier gratuit. Regardez cela en premier, puis lisez mon guide ci-dessous pour créer un flux de travail de recherche qui vérifie les affirmations.