# IA

Au delà du RAG, l’IA générative permet également de proposer un moyen de s’intégrer à des appels de méthode classiquess. C’est la notion d’agent.

Ce second article se concentre sur l’implémentation pratique du Function Calling avec Spring AI dans une application Java

Ce premier article introduit le concept de Function Calling dans les LLM, expliquant comment il permet à ces modèles d’exécuter des actions concrètes en appelant des fonctions spécifiques.

Dans l’écosystème en constante évolution de l’intelligence artificielle, l’approche RAG (Retrieval Augmented Generation) représente une évolution significative. Elle permet d’enrichir la création de contenu et l’analyse contextuelle grâce à l’intégration dynamique de connaissances externes. Cet article explore l’architecture de base du RAG et son implémentation avec Spring AI.

Démonstrtion de la simplicité de Srping AI pour l’exloitation des LLM dans une application Java.

Quand on parle d’IA générative on pense évidemment immédiatement à chatGPT, à GH Co-Pilot. Mais depuis quelques temps on voit apparaître des librairies qui permettent d’utiliser la puissance de l’IA générative au sein de son code métier. Parmi ces librairies, la plus en vogue est Langchain, il existe un portage pour Java, Langchain4j et cerise sur le gâteau Quarkus dispose d’une extension Langchain4j. Venez découvrir avec moi comment la stack java la plus puissante du monde combinée à l’IA générative permet de créer des applications d’un nouveau genre tout en conservant l’expérience développeur excellente qu’offre Quarkus.

Le domaine d’application de l’IA Générative s’étend chaque jour un peu plus.Les approches traditionnelles d’analyse d’images (photo, document scanné, lettre manuscrite…) sont à leur tour challengées.

les composants/concepts mis en oeuvre afin de percevoir la valeur de ces techno, au delà du produit commercialisé par OpenAI.