Vous connaissez les Large Language Models sur le bout des doigts ? Vous maîtrisez le Retrieval Augmented Generation pour aider un LLM à chercher dans vos documents ? Il est temps de plonger dans le monde merveilleux des agents intelligents ! 

Dans cette session, nous commencerons d’abord par définir ce que sont les agents, ou tout du moins ce qui rends un système “agentique”. Nous expliquerons quelles sont les limites des LLMs et de RAG. Ensuite, au travers d’exemples concrets, nous implémenterons différents agents en Java, en utilisant le framework LangChain4j, pour illustrer certains patterns typiques des agents et pour comprendre comment aller plus loin qu’un simple appel à un LLM pour obtenir des réponses qui répondront aux besoins de vos utilisateurs, voire même pour déclencher des actions avec le système environnant.

Agents devoxxiens êtes vous prêts pour la prochaine hype des agents ? Venez le découvrir dans cette session !

TL;DR; Venez clôturer Devoxx avec les cast codeurs en direct et en bonne humeur.

Les Cast Codeurs se sont des voix, des visages mais aussi des femmes et des hommes qui s’entraînent sans relâche, dévoués à porter le béret vocal jours et nuits, à avaler 750g de miel par épisode pour adoucir leur voix, à se former avec les plus grands animateurs radio du monde…

Ahem. Ou alors un des plus anciens podcast pour les devs. Venez nous rejoindre pour résumer Devoxx et le clôturer dans la bonne humeur.

Les LLMs ont pris d'assaut le monde au travers des chatbots, de la génération de contenu. Pourtant, ils restent énigmatiques.

Cette présentation plongera dans les recoins cachés des LLMs qui laissent les développeurs perplexes. Il est temps de poser ces questions que vous n'avez jamais osé poser sur leurs mystères !

Voici quelques questions auxquelles nous répondrons :

- Pourquoi les LLM crachent des tokens au lieu de mots ? D'où viennent ces tokens ?

- Pourquoi ne sont-ils pas toujours très intelligents en mathématiques ?

- La différence entre un modèle "fondamental" / "pré-entraîné" et un modèle "fine-tuné" ?

- Comment un modèle sait-il quand il a fini de répondre à votre question ?

- Comment les hyperparamètres (température, top-p, top-k) affectent ils le choix des tokens ?

- Saviez vous que les LLMs parlent le Base64 ?

Mais les LLM sont loin d'être parfaits :

- Quid des hallucinations ?

- Qu'est-ce que la “reversal curse” qui fait que les LLM ignorent certains faits d'un point de vue différent ?

- Les LLMs sont ils déterministes à basse température ? En tout cas, ils sont influençables.

Nous répondrons ensemble à ces questions et dévoilerons les mystères des LLMs !