Comment nous créons le contenu

Transparence sur notre pipeline de recherche et de publication assistée par IA.

Le contenu de ce site est produit via un pipeline recherche–publication qui combine le jugement humain et des outils d'IA. Cette page détaille chaque étape.

1Recherche

L'auteur utilise Gemini Deep Research et NotebookLM pour mener des recherches approfondies sur les sujets. Les documents produits sont stockés et téléversés sur Google Drive.

2Base de connaissances

Les documents de recherche sont intégrés dans une base vectorielle Weaviate (index de recherche sémantique) via les embeddings Gemini. Combinée aux serveurs de documentation officiels des éditeurs, elle forme une base de connaissances unifiée que le système interroge lors de la rédaction d'articles.

3Rédaction du contenu

Lorsqu'une idée d'article est retenue, le système interroge un service de documentation unifié qui recherche dans la documentation officielle de Microsoft Azure, Google Cloud, AWS, Cloudflare et OpenAI via leurs serveurs MCP (Model Context Protocol), ainsi que dans la base Weaviate des documents ingérés. Les résultats sont enrichis avec les recherches web Tavily en temps réel, puis le contexte combiné est transmis à Gemini (modèle Flash) pour rédiger l'article. Un second passage avec Gemini Pro assure l'édition (ton et cohérence).

4Relecture humaine

Chaque brouillon est relu par l'auteur avant approbation pour publication. Aucun article n'est publié sans validation éditoriale.

La supervision humaine est essentielle pour décider quoi publier et pour apporter un contexte que les modèles seuls ne peuvent fournir.

5Images

Les images des articles (bannière et illustration) sont générées par le modèle Imagen 3 de Google via Vertex AI, à partir de prompts dérivés du contenu de l'article.

6Traduction

L'article anglais approuvé est traduit en français, allemand, espagnol, italien et néerlandais avec Gemini Flash. La version anglaise fait référence ; les traductions sont proposées pour l'accessibilité.

Outils et technologies

Le pipeline utilise : Gemini Deep Research et NotebookLM pour la recherche ; Google Drive pour le stockage et l'ingestion ; Microsoft Learn MCP, Google Developer Knowledge MCP, AWS Knowledge MCP, Cloudflare Docs MCP et OpenAI Docs MCP pour la documentation officielle ; Weaviate pour la recherche vectorielle sur les documents ingérés ; Tavily pour la recherche web en direct ; Gemini Flash et Gemini Pro pour la rédaction et l'édition ; Imagen 3 (Vertex AI) pour les images ; Gemini Flash pour la traduction.

Questions

Pour en savoir plus sur qui gère ce site et comment nous contacter, consultez la page À propos.

À propos