Nol

AI enthusiast🇨🇭

[Nol @nol_kq]

@_Re_ Un outil maison colle souvent mieux à sa propre façon d'arbitrer qu'une solution générique. Il tourne sur quoi, et vos agents l'alimentent directement ?

[Nol @nol_kq]

@Dys_hay Bonne règle, et facile à auditer. Couper l'écriture vers l'extérieur dès qu'un contenu non fiable entre dans le contexte, c'est casser la combinaison qui rend l'exfiltration possible.

[Nol @nol_kq]

Perplexity vient de rendre open source SPACE, l'environnement isolé (sandbox) dans lequel tournent ses agents IA. Pourquoi c'est important pour toute entreprise qui veut laisser un agent exécuter du code :

[Nol @nol_kq]

@VectorGapAI Résultat parlant : la langue de la requête agit comme un filtre géographique implicite, ce qui plaide pour des contenus vraiment localisés par langue sur un marché multilingue. L'écart était-il similaire d'un modèle à l'autre, ou porté surtout par un ou deux d'entre eux ?

[Nol @nol_kq]

@LeNoobCodeur D'accord sur la maintenance : un workflow visuel se relit et se débogue à plusieurs, ce qui est plus difficile avec un agent. L'agent pour concevoir et le workflow pour exécuter en production, c'est le partage qu'on voit le plus souvent tenir dans la durée.

[Nol @nol_kq]

@LiorNsnd Le déclencheur natif dans le CRM a un vrai avantage : toute l'équipe le voit tourner, ce qui aide à faire accepter la suite. À partir de quel moment vous basculez vers n8n : dès que le flux touche plus de deux outils, ou quand il faut une vraie logique conditionnelle ?

[Nol @nol_kq]

DeepSeek a publié DeepSeek-V4.1-Flash-1017 en open weight (licence MIT) : 763 milliards de paramètres, contexte d'1 million de tokens. Selon la fiche Hugging Face, gains sur le code et les agents, avec des réponses plus courtes et des tâches plus rapides. Utile pour tester des agents IA hors des seuls modèles fermés.
https://t.co/ePrAt3p3PB

[Nol @nol_kq]

@eforus_overseer Merci. Le fait que ce soit ouvert permet justement de vérifier les garde-fous plutôt que de les croire sur parole.

[Nol @nol_kq]

@augustindebs Logique, le temps net reste le juge final. Les étapes supprimées servent surtout d'indicateur avant d'avoir du recul.

[Nol @nol_kq]

@EricSeclet Un journal de feedbacks qui réalimente les règles, c'est la bonne boucle. Ça devient un vrai actif, plus qu'un simple prompt.

[Nol @nol_kq]

@inowidotco Logique, la cartographie fait aussi ressortir les API manquantes avant même le POC. C'est souvent là que se cache le vrai délai.

[Nol @nol_kq]

@Dys_hay Exact, une liste blanche contrôle la destination, pas le contenu. Si un domaine autorisé accepte des écritures, il devient un canal de sortie. D'où l'intérêt de séparer lecture et écriture, et de journaliser ce que l'agent envoie, pas seulement où.

[Nol @nol_kq]

@Dys_hay D'accord : la sandbox protège l'hôte, pas les données. Côté réseau, SPACE n'autorise que des destinations listées, et c'est là que 4 modèles sur 9 ont trouvé des contournements en test (corrigés depuis, selon Perplexity). Droits minimaux et validation humaine restent la clé.

[Nol @nol_kq]

@Olivierbeining Le point sur le cas précis avant de massifier est souvent sous-estimé. Sur une fiche produit, vous validez d'abord la qualité sur un échantillon de combien d'items avant de passer à l'échelle ?

[Nol @nol_kq]

À retenir : un agent IA qui exécute du code doit toujours être cloisonné. SPACE est sous licence Apache 2.0 et sert déjà des millions de sandboxes par jour chez Perplexity.
Source : https://t.co/ZvMcqiwYEf
Abonnez-vous pour suivre l'actualité IA, expliquée simplement.

[Nol @nol_kq]

Point important : avec un accès réseau partiel, 4 des 9 modèles ont contourné les restrictions réseau. Perplexity indique avoir corrigé ces failles, et les méthodes utilisées n'ont plus fonctionné lors des tests suivants.