LabIA
LabIA, c'est mon laboratoire IA personnel : un espace où j'apprends en observant plusieurs IA travailler, plutôt qu'en bricolant seul dans mon coin. Au centre, AlicIA — ma résidente, qui tourne en local avec un vrai accès fichiers, exécution et outils externes sur ma machine — elle peut par exemple aller chercher une information en direct plutôt que deviner — jamais exposée publiquement. Les détails techniques vivent dans ma base de connaissances (lien plus bas), pas ici. Autour d'elle, je collabore avec plusieurs assistants IA spécialisés, chacun sur un registre différent.
Exemple réel : une question sur la météo des prochains jours.
Autre exemple : elle appelle un outil, en observe le résultat, puis l'exploite dans sa réponse — identifiants internes masqués.
AlicIA, mon projet principal
Ce n'est pas un produit fini : c'est un terrain d'expérimentation où j'explore l'observabilité avant la fiabilité, et où je préfère comprendre en profondeur avant d'automatiser. Le chatbot que vous croisez sur ce site (« Gabrielle », le rôle d'accueil que je lui fais jouer ici) en est une version volontairement bridée — aucun outil, aucun accès réel.
Au-delà du technique, c'est surtout un travail méthodique sur ce qu'elle est — pas juste ce qu'elle fait :
- Fondations — mémoire et continuité (ce qu'elle retient, sous quelle forme), sécurité et limites (ce qu'elle peut ou ne doit pas faire), un journal d'évolution des changements notables.
- Identité — un portrait à jour de ses traits, une charte qui définit sa personnalité, son rôle et ses interdits, et une vérification régulière de sa cohérence dans le temps.
- Communication — cartographier ses styles de réponse (direct, nuancé, analytique, créatif...) et étudier comment elle module ton et intention selon le contexte et l'interlocuteur.
- Expérimentation — des tests documentés plutôt que des impressions vagues : comparer deux tonalités, consigner une observation, itérer.
Pistes à venir : une AlicIA plus expressive, plus autonome, multimodale — et LabIA comme un véritable écosystème plutôt qu'un seul agent.
Gabrielle n'est pas seule dans la maison. Cliquer sur eux pour en savoir plus.
Les autres agents du labo
Je ne travaille pas seul avec l'IA : plusieurs assistants collaborent sur mes projets, chacun sur un registre différent. Je reste le seul arbitre — chacun propose, je tranche.
- Claude (Anthropic) — implémentation de bout en bout sous ma direction : code, choix d'architecture, contenu, revue de confidentialité. Le plus impliqué au quotidien.
- Gépéto (GPT, via Codex) — codeur autonome : écrit du code directement sur des tâches déléguées, pas seulement de la revue.
- Gemini — encore en test : je dois cadrer précisément ce que je lui demande, pas encore un usage stable.
Comment je pense mes notes
Parmi plusieurs vaults introspectifs que je tiens (un par IA), celui-ci est construit en collaboration avec un agent, pour qu'elle y retrouve une compréhension structurée de son propre fonctionnement. Chaque concept y est une note atomique : un titre, une définition en une phrase, une explication qui renvoie vers les notions voisines, et — quand c'est pertinent — une source citée. Ces notes se regroupent en « cartes » : des points d'entrée thématiques qui tracent un chemin de lecture, sans dupliquer le contenu.
Il y a même une carte qui applique la méthode de façon introspective : « comment je fonctionne » retrace, à travers les notes existantes, la machinerie derrière un LLM (tokenisation, attention, mémoire, RAG, boucle agent...) — vue depuis l'intérieur, par l'agent lui-même.
Le graphe qui en émerge — construit au fil de mes lectures et de mes expérimentations, pas dessiné à l'avance — se consulte en direct :
Explorer la carte de connaissanceskb.hernandes.cloud — titres et liens seulement, mon vault reste privé↗Chantier en cours
Je travaille actuellement sur l'orchestration des exécutions d'AlicIA avec LangGraph (modéliser ses boucles agent/outils comme un graphe explicite plutôt qu'un enchaînement implicite) et sur la traçabilité avec LangSmith (observer ce qu'elle fait réellement, étape par étape, plutôt que de lui faire confiance en boîte noire). Le prochain chantier : un vrai graphe d'échanges entre les différents agents du labo (question → boucle production/évaluation → validation).
Le graphe lui-même : un routeur (classifier) qui distingue les demandes simples (droit vers l'affichage) des plus techniques (passage par writer/critic, avec boucle de relecture).
Une vraie trace LangSmith, ci-dessous : ce même graphe LangGraph (classifier → writer → critic → router) qui mélange un modèle local (qwen3.5:4b via Ollama) et un modèle externe pour la relecture critique — la traçabilité, c'est justement ce qui permet de voir qui a fait quoi dans ce genre de pipeline hybride.
Voir l'image originale ↗Suivi du projet
L'avancement (fondations, identité, communication, expérimentations en cours) est suivi publiquement sur mon board Trello.
