Ressources

À lire et à regarder au-delà du cours. Pas de « 100 liens » — seulement ce qui a été vérifié.

Documentation officielle

Fondamentaux des LLM

• Anthropic, « Building effective agents » — sur les boucles et les outils, sans magie.
• OpenAI Cookbook — recettes pratiques de prompting.
• « Attention is all you need » (Vaswani et al.) — si vous voulez comprendre l'architecture.
• Andrej Karpathy, « Intro to Large Language Models » (vidéo) — la meilleure explication depuis zéro.

Ingénierie de processus

• Google, « Code Review Developer Guide » — le classique de la revue, applicable aux diffs d'agents.
• « Working Effectively with Legacy Code » (Michael Feathers) — sur la modification de code sans tests ; utile avant les migrations.
• Trunk-based development — pourquoi les petits commits comptent.
• 12 Factor App — configuration et secrets.

Sécurité

• OWASP Top 10 — le minimum obligatoire lors d'une revue.
• Attaques de la chaîne d'approvisionnement (typosquatting, confusion de dépendances) — pourquoi une nouvelle dépendance proposée par l'agent exige une vérification.

Pratique

• Votre propre AGENTS.md dans chaque projet.
• Une expérience du module 01 une fois par mois : l'intuition sur les modèles se périme vite.
• Tenez docs/decisions.md — dans six mois, ce sera la seule source du « pourquoi c'est comme ça ».

Ce qu'il ne faut PAS lire au début

• Les listes de « 100 prompts qui vont tout changer » — elles contredisent le contenu du cours.
• Les articles « nous avons remplacé l'équipe par l'IA » — du marketing, pas de la méthodologie.
• Les guides de « cheat codes » de prompting — ils se périment plus vite que les modèles.