Je promets rien, je vends rien. J’implémente, je casse, je corrige, j’apprends.
France
Joined April 2011
- Tweets2.2K
- Following1K
- Followers1.2K
- Likes4K
Les problèmes d'encodage sont devenus bien plus rares, mais on croise encore des é en 2026. 😅
Pourquoi ça arrive ? Et au fait, UTF-8, c'est quoi exactement ?
Petite vidéo pour comprendre ce qui se cache derrière nos caractères. 👇
Petit essai : Concept Du Jour au format vidéo en BD animée 🎬
Marion et Louis, en hommage à Marion Créhange (1re thèse d'informatique en France) et Louis Pouzin (pionnier d'Internet).
Premier épisode : UTF-8
Premier du genre, vos retours m'intéressent 👇
Avec la sortie d'Effect v4, structurer une architecture hexagonale devient ultra fluide. Les Context.Tag définissent vos ports métier de façon 100 % typée, et les Layers encapsulent vos adaptateurs (DB, API) tout en gérant automatiquement le cycle de vie des ressources.
🤖 Made with AI
Comme pour tout, c'est l'abus le problème, pas l'outil.
Mais évidemment, honte à ceux qui font du backend sans POO ni clean architecture 🤣
En pratique, le polymorphisme s'appuie sur une interface commune pour traiter différents objets de manière uniforme.
Indispensable pour injecter des dépendances dynamiquement ou gérer des plugins proprement.
L'abstraction est le levier clé pour réduire la charge mentale : en masquant la complexité derrière des contrats clairs, elle permet de modulariser, de faciliter les tests unitaires via le mocking et d'interchanger les implémentations sans impacter le reste du système.
L'héritage est puissant pour la réutilisation, mais abusez-en et vous créerez des hiérarchies rigides et fragiles. Un objet de type enfant doit pouvoir remplacer son parent sans casser le programme.👇
L'encapsulation est le bouclier de l'architecture logicielle. En contrôlant les accès à l'état interne, elle réduit le couplage. Vous pouvez alors modifier l'implémentation d'une classe sans impact sur les appelants, ce qui facilite la maintenance et les tests. 👇
Le RLCD (Reinforcement Learning from AI Feedback via Process Reward Models) va au-delà du RLHF simple : au lieu d'évaluer uniquement la réponse finale, l'IA note chaque étape du raisonnement. Idéal pour éliminer les hallucinations en mathématiques et en logique complexe. 👇
