Tous les schémas

3 guides visuels pour comprendre l'AI Engineering.

ToutFondamentaux LLMRAGAgentsMCP & intégrationsLLMOpsSécurité IA
Comment fonctionne un RAG ?Indexation (hors ligne) DocumentsPDF, wiki, tickets Découpagechunks de ~500 tokens Embeddingtexte → vecteurvecteurs Base vectoriellepgvector, Qdrant…Requête (en ligne) Utilisateurpose une question Embeddingde la question LLMClaude, Gemini… Prompt augmentéquestion + contexte12recherche3top-k chunks45réponseL'IA en clair · iaenclair.fr
RAG

Comment fonctionne un RAG ?

Le Retrieval-Augmented Generation expliqué en un schéma : indexation, recherche vectorielle, prompt augmenté. Et les pièges qui font échouer 80 % des projets.

MCP : comment un agent se branche à vos outilsHôte (application IA)LLMClaude, GPT, Gemini… Client MCP 1 Client MCP 2 Client MCP 3Chaque serveur expose : Toolsactions Resourcesdonnées PromptsmodèlesServeurs MCPServeur GitHub Serveur SQL Serveur FichiersJSON-RPCstdio / HTTPGitHubPostgreSQLDrive1 client ↔ 1 serveur · l'hôte découvre les outils dynamiquement · le LLM choisit lesquels appelerL'IA en clair · iaenclair.fr
MCP & intégrations

MCP : comment un agent se branche à vos outils

Le Model Context Protocol expliqué en un schéma : hôte, clients, serveurs, tools, resources et prompts. Et les points de vigilance sécurité.

Anatomie d'un agent IA Objectif« Analyse ce ticket » Réponse finale Planificationdécoupe en étapes Cerveau (LLM)raisonne et décide Mémoirecourt + long terme OutilsAPI, recherche web,exécution de code,serveurs MCP1tâche2action3observation4quand c'est finiBoucle ReAct :penser → agir → observer(répétée jusqu'au résultat)L'IA en clair · iaenclair.fr
Agents

Anatomie d'un agent IA

LLM, planification, outils, mémoire et boucle ReAct : les briques d'un agent IA expliquées en un schéma, et quand (ne pas) en utiliser un.