Aller au contenu
Aujourd'hui18 novembremer.17 entrées
  1. AWS Machine Learning Blog58

    Réduire les coûts de tokens et la latence des charges JSON dans Amazon Bedrock AgentCore

    L'équipe Flightscape AI Labs détaille trois stratégies pour réduire la consommation de tokens et la latence d'un agent LangGraph traitant des JSON de plus de 20 Mo sur Amazon Bedrock AgentCore. La première déporte les gros artefacts vers Amazon S3 et ne persiste que des références dans AgentCore memory, la deuxième pagine à la demande les grandes listes de résultats via un handle, la troisième compacte les dictionnaires surdimensionnés en descripteurs structurels. Sur une conversation de 5 questions, les tokens passent d'environ 289 500 à 82 900 (-71 %) et la latence moyenne de 15,4 s à 3,1 s (-80 %).

  2. AWS Machine Learning Blog42

    Réduire les coûts de l'IA générative : coder les règles, réserver les modèles au jugement

    Le principal levier de coût d'un système d'IA générative consiste à éviter d'appeler un modèle quand une règle déterministe suffit. Trois questions successives — une règle peut-elle vérifier le succès, un modèle peut-il écrire la règle une fois, la réponse provient-elle d'une liste fixe — orientent chaque étape vers du code, un appel de décision contraint ou un modèle dimensionné sur Amazon Bedrock. Les appels inutiles augmentent dépenses, latence et variabilité ; un test d'acceptation exprimable en règle indique généralement que l'étape peut être codée.

  3. Adafruit Blog58

    Pirater un compteur d'énergie connecté Emporia Vue 3 pour qu'il ne transmette plus de données au cloud

    L'équipe Labs Web de LTT Labs explique comment déconnecter un compteur d'énergie connecté Emporia Vue 3 des serveurs de son fabricant pour le faire fonctionner en réseau local. Ce compteur à 199,99 dollars pour 16 circuits embarque un ESP32 reprogrammable ; le firmware ESPHome, issu du reverse engineering du Vue 2 par Flaviu Tamas en 2021 puis étendu au Vue 3 par digiblur et Cossid en 2024, remplace celui d'Emporia et fait remonter les mesures vers Home Assistant sans sortir du réseau domestique. La maison de test, une habitation de 2 000 pieds carrés au Québec, a consommé 11 903 kWh du 10 mars au 30 septembre 2026, pour environ 1 243 dollars, dont 270 dollars pour la recharge de véhicule électrique et 263 dollars pour les pompes à chaleur.

    Motif de la recommandation :L'original détaille comment remplacer le firmware cloud d'un compteur d'énergie par ESPHome pour conserver les données en réseau local.

  4. Adafruit Blog38

    Echo Studio : un instrument de batterie sans contact joué en l'air

    Tech AK a publié Echo Studio sur Hackster.io, un instrument de batterie de bureau compact en forme de L qui se joue en agitant les mains dans l'air. Un capteur de proximité infrarouge FC-51 détecte les frappes et les mouvements au-dessus de lui, un Arduino UNO R4 WiFi lit le capteur en temps réel et pilote un buzzer piézoélectrique passif, tandis qu'un joystick en façade change de couche de boucle et ajuste les paramètres pendant le jeu. Le cadre est découpé dans des panneaux de contreplaqué de 6 mm avec des canaux de câblage externes et des supports vissés pour faciliter le démontage et la réparation.

  5. AWS Machine Learning Blog58

    Construire des agents IA WhatsApp avec Amazon Bedrock AgentCore et SMART

    AWS présente SMART, un SDK Python open source et une stack Terraform qui fournit la couche de canal WhatsApp pour un agent tournant sur Amazon Bedrock AgentCore. L'outil prend en charge la vérification des signatures de webhook, la normalisation des messages, le traitement des médias dont la transcription des notes vocales via Amazon Transcribe, la mémoire de conversation AgentCore liée au numéro de téléphone, la limitation de débit à 20 messages par minute par défaut, la planification via Amazon EventBridge Scheduler et la synchronisation des templates Meta soumis à la fenêtre de 24 heures. Un seul socialagent deploy provisionne le runtime et la mémoire AgentCore, les fonctions Lambda webhook, notification, event et scheduler, les topics Amazon SNS, les buckets Amazon S3, les tableaux de bord Amazon CloudWatch et une guardrail Amazon Bedrock par défaut. L'article indique que Webmotors a ramené un projet initialement prévu sur deux mois à six semaines.

  6. Adafruit Blog58

    PicoCentrifuge : une centrifugeuse DIY à environ $50 avec Raspberry Pi Pico

    Le maker Thomas a construit PicoCentrifuge, une centrifugeuse DIY d'environ $50 à base de Raspberry Pi Pico et de moteurs pour drones.

    Motif de la recommandation :Un projet open source à environ $50 documente code, matériel et BOM pour une centrifugeuse de laboratoire, avec les paramètres de centrifugation sanguine.

  7. Adafruit Blog58

    Connecter un Raspberry Pi aux agents LLM via MCP

    Francesco Azzola a publié sur Hackster.io un projet qui relie un agent LLM à de vrais capteurs via un Raspberry Pi et le Model Context Protocol (MCP). Un ESP32 lit un capteur de qualité d'air ENS160, un capteur de mouvement MPU6050 et pilote un anneau de LED WS2812B, puis envoie des messages JSON délimités par des sauts de ligne au Pi par USB. Le Pi exécute un serveur MCP dans la même application que le matériel et expose des outils sémantiques plutôt que des lectures de registres brutes, avec des ressources MCP transmettant aussi une image JPEG de la caméra. L'architecture est implémentée dans PHOS, un projet robotique open source pour Raspberry Pi.

    Motif de la recommandation :Le projet montre comment un agent LLM appelle des capteurs réels via MCP, avec une architecture concrète et du code ouvert.

  8. AWS Machine Learning Blog48

    ArisGlobal comment mettre à l'échelle l'inférence d'IA générative sur Amazon Bedrock

    ArisGlobal a réduit le coût d'inférence effectif de NavaX sur Amazon Bedrock en inversant l'ordre des requêtes pour mettre en cache le préfixe de prompt partagé plutôt que le document source. Le préfixe partagé est passé d'environ 72 000 à 180 000 tokens en 6 mois (+150 %), faisant grimper les coûts d'inférence par dossier de plus de 200 % ; la mise en cache du préfixe partagé, réutilisable entre dossiers et locataires, permet une croissance sublinéaire des coûts. NavaX, moteur IA pour les sciences de la vie, traite plus de 1 million de transactions réelles en environnement pharmaceutique réglementé depuis mars 2025, avec Claude d'Anthropic et les garde-fous Amazon Bedrock Guardrails.

17 novembremar.
  1. Adafruit Blog72

    OOS : un firmware alternatif en Rust avec noyau Linux 6.12 pour les oscilloscopes Rigol DHO800/DHO900

    Le projet OOS de dekajoule remplace le logiciel des oscilloscopes Rigol DHO800/DHO900 par un noyau Linux 6.12 et une nouvelle application d'oscilloscope écrite en Rust.

    Motif de la recommandation :Un firmware alternatif en Rust pour les oscilloscopes Rigol DHO800/DHO900, avec les fonctions couvertes et les limites de validation sur matériel réel.

  2. Seeed Studio58

    Guide de dépannage SO-ARM101 LeRobot, de l'installation et la calibration à l'entraînement et au déploiement

    Seeed Studio publie un guide de dépannage pour le bras robotique open source SO-ARM101 et LeRobot.

    Motif de la recommandation :Un guide de dépannage qui organise par symptômes les problèmes courants du SO-ARM101 et de LeRobot, avec un ordre de diagnostic allant du matériel à l'inférence.

  3. Adafruit Blog76

    usb-rea : un outil open source qui reconstruit le protocole d'un appareil USB à partir d'une capture

    Emir Mrkaljević a publié sur GitHub usb-rea, un outil qui lit les fichiers pcap ou pcapng issus de usbmon ou USBPcap.

    Motif de la recommandation :L'outil transforme une capture USB en rapport Markdown et en pilote pyusb, avec des résultats recoupés sur des appareils réels et des tests en CI.

  4. AWS Machine Learning Blog47

    Amazon Bedrock Managed Knowledge Base : personnaliser les réponses par tenant

    Amazon Bedrock Managed Knowledge Base permet désormais de personnaliser les réponses par tenant via des instructions de retrieval gérées et versionnées. Chaque instruction définit quatre champs — persona, answerFormat, retrievalGuidance et answerPolicy — appliqués à chaque requête, avec possibilité d'épingler une version pour basculer quand on le souhaite. Ces instructions ne constituent pas une frontière d'autorisation ou d'isolation des données : les filtres de métadonnées ou des knowledge bases séparées restent nécessaires pour contrôler ce que chaque tenant peut récupérer.