WebAI/Bibliothèque de référence
WEBAI KNOWLEDGE ATLAS · ÉDITION PRÉPARATOIRE

Bibliothèque de référence▤

Textes officiels, normes, publications scientifiques et documentation de première main.

EXPLORER LA COLLECTION

Trouver la bonne ressource

59 résultats

Une bibliothèque de références originales. Chaque carte présente une source particulière, tandis que les conseils méthodologiques communs sont regroupés dans un guide unique, par famille de documents. L’inclusion d’une source ne signifie pas que WebAI approuve toutes ses conclusions.

Guide de lecture et de vérification des sourcesUne méthode commune, déclinée par type de document Voir les méthodes

Choisissez la famille qui correspond au document à examiner. Ces règles ne sont pas répétées dans chaque fiche : elles concernent l’ensemble des références de même type.

Standards

Une spécification définit les termes, niveaux de conformité et parfois des tests de référence. Elle aide à distinguer une API proposée, un brouillon et un standard adopté.

  1. Identifier l’organisme et le statut exact.
  2. Lire les sections normatives et la date du document.
  3. Comparer les fonctionnalités à celles effectivement prises en charge.
  4. Noter les incompatibilités et limites de déploiement.

Point de vigilance : Le titre d’un projet W3C ne garantit pas qu’il s’agit d’une recommandation W3C.

Agents

Les protocoles et projets d’agents définissent des mécanismes de découverte, messages, outils et tâches, mais n’accordent pas automatiquement des autorisations d’action.

  1. Repérer la version datée et les champs obligatoires.
  2. Distinguer les descriptions de capacités des permissions.
  3. Tester un échange sur des données fictives.
  4. Examiner les erreurs et le statut final.

Point de vigilance : La publication d’un schéma ne prouve pas que toutes les bibliothèques l’implémentent.

Confiance

Les méthodes de confiance documentent des signatures, politiques, risques ou procédures de vérification. Leurs résultats doivent être interprétés dans un périmètre explicite.

  1. Identifier la déclaration précise examinée.
  2. Vérifier la source et les limites techniques.
  3. Confronter les assertions à des éléments indépendants.
  4. Documenter les inconnues et les contradictions.

Point de vigilance : Une signature ou un score ne prouve pas automatiquement la vérité d’un contenu.

Réglementation

Les textes réglementaires servent à déterminer des obligations dans un champ d’application précis. Les exceptions, dates et versions conditionnent leur interprétation.

  1. Lire les définitions et articles originaux.
  2. Identifier juridiction, acteur et usage concernés.
  3. Contrôler les dates d’application et exceptions.
  4. Solliciter une analyse juridique pour les décisions réelles.

Point de vigilance : Une fiche pédagogique n’est pas un conseil juridique personnalisé.

Découverte

Ces ressources décrivent la recherche, l’exploration des sites et les interactions entre éditeurs et moteurs. Les directives peuvent varier selon les produits.

  1. Séparer recherche, classement, collecte et entraînement.
  2. Vérifier les directives officielles de chaque robot.
  3. Observer indexation et liens réellement présentés.
  4. Ne pas généraliser une annonce marketing.

Point de vigilance : Une technique de référencement ne garantit jamais à elle seule une citation par un modèle.

Création Web

Les documents techniques sur la création Web aident à concevoir des pages structurées, accessibles et exploitables au-delà des interfaces IA.

  1. Identifier l’objectif utilisateur de la fonctionnalité.
  2. Lire les API, exemples et contraintes navigateur.
  3. Tester une version sans modèle ou service externe.
  4. Mesurer accessibilité et performances.

Point de vigilance : Un exemple de documentation ne remplace pas des tests sur les appareils visés.

Modèles

Les sources de modèles décrivent des architectures, jeux de données et évaluations. Leur statut éditorial et la licence doivent être étudiés séparément.

  1. Repérer auteurs, versions et tâches visées.
  2. Lire cartes de modèles et conditions de licence.
  3. Comparer les jeux d’essai et limites.
  4. Évaluer sur des exemples du domaine réel.

Point de vigilance : Une fiche de modèle rédigée par son auteur n’est pas une certification indépendante.

Recherche & RAG

Les publications scientifiques proposent des concepts, résultats et protocoles. Pour comprendre leur portée, il faut examiner les méthodes, jeux de données et conditions de reproductibilité.

  1. Identifier manuscrit ou publication évaluée.
  2. Lire question, méthode et échantillon étudié.
  3. Examiner mesures, cas échoués et limites.
  4. Rechercher réplications, versions et critiques.

Point de vigilance : Une prépublication déposée n’est pas forcément évaluée par les pairs.

IA locale

Ces documentations traitent de modèles exécutés dans le navigateur ou sur l’appareil. Elles éclairent la disponibilité, les contraintes de mémoire, l’accélération et la vie privée.

  1. Vérifier la version du navigateur et l’appareil.
  2. Identifier la taille et les licences des modèles.
  3. Mesurer latence, mémoire et échecs.
  4. Prévoir une alternative accessible.

Point de vigilance : Le terme local n’assure ni performance suffisante ni protection totale de tous les flux de données.

Immersif

Les standards immersifs abordent la représentation spatiale, le matériel, les interactions et les autorisations de capteurs. Ils doivent être lus avec l’accessibilité Web.

  1. Identifier le matériel et le navigateur compatibles.
  2. Distinguer 3D, VR et AR.
  3. Tester confort, performances et navigation.
  4. Prévoir un mode 2D accessible.

Point de vigilance : Une scène 3D n’équivaut pas automatiquement à une expérience VR et ne garantit pas sa fidélité historique.

14Découverte

Google Search Central

Documentation officielle sur l'indexation et la recherche Google.

Site de la sourcedevelopers.google.com
Consulter le document original ↗
35Standards

WebMCP Community Draft

Brouillon communautaire, pas une recommandation W3C.

Site de la sourcewebmachinelearning.github.io
Consulter le document original ↗
36Découverte

Google AI Search guidance

Conseils officiels sur les résultats de recherche génératifs.

Site de la sourcedevelopers.google.com
Consulter le document original ↗
38Découverte

Google crawlers and Extended

Règles de crawl et jetons aux finalités différentes.

Site de la sourcedevelopers.google.com
Consulter le document original ↗
50Recherche & RAG

ReAct — Reasoning and Acting (2022)

Étude de l’articulation entre production de plans et interactions avec des sources ou environnements. Elle aide à comprendre les agents utilisant des outils, sans établir une robustesse générale.

Site de la sourcearxiv.org
Consulter le document original ↗
51Recherche & RAG

Toolformer — Language Models Using Tools (2023)

Travail NeurIPS sur l’apprentissage du recours à des outils externes par des modèles de langage. Le périmètre expérimental concerne certaines APIs et tâches ciblées.

Site de la sourcepapers.neurips.cc
Consulter le document original ↗
52Recherche & RAG

Lost in the Middle — Long Context (2024)

Étude publiée dans TACL montrant que la position d’informations pertinentes dans un long contexte peut influencer leur exploitation par des modèles. Important pour concevoir le RAG et tester les passages récupérés.

Site de la sourceaclanthology.org
Consulter le document original ↗
53Recherche & RAG

WebArena — Realistic Web Agents (2023)

Environnement expérimental auto-hébergeable proposant des tâches Web réalistes pour mesurer l’aptitude d’agents à mener des actions. Les évaluations sont contextualisées par les sites et scénarios du banc d’essai.

Site de la sourcewebarena.dev
Consulter le document original ↗
54Recherche & RAG

VisualWebArena — Visual Web Tasks (2024)

Environnement de tâches Web dans lesquelles la perception visuelle complète l’interprétation textuelle. Il aide à évaluer les agents qui naviguent dans des interfaces destinées aux humains.

Site de la sourcearxiv.org
Consulter le document original ↗
55Recherche & RAG

OSWorld — Computer Use Benchmark (2024)

Banc d’essai de tâches informatiques impliquant plusieurs applications et états de système. Il illustre la difficulté de réussir des opérations réelles malgré des interfaces apparemment compréhensibles.

Site de la sourcearxiv.org
Consulter le document original ↗
56Recherche & RAG

RAGAS — RAG Evaluation (2023)

Proposition d’évaluation de systèmes RAG sur plusieurs dimensions, notamment récupération des passages et fidélité de la génération. Les métriques automatiques demandent une validation appropriée.

Site de la sourcearxiv.org
Consulter le document original ↗
57Recherche & RAG

GEO — Generative Engine Optimization (2023)

Étude de stratégies et métriques de visibilité dans des moteurs de recherche génératifs. Les résultats portent sur des configurations d’essai, pas sur des garanties de classement universelles.

Site de la sourcearxiv.org
Consulter le document original ↗
58Recherche & RAG

SWE-bench — Software Agents (2024)

Étude ICLR sur des tâches de correction de code issues de problèmes de dépôts réels. Elle permet d’étudier des tests exécutables plutôt que de juger seulement des explications de code.

Site de la sourceproceedings.iclr.cc
Consulter le document original ↗
59Recherche & RAG

AgentDojo — Prompt Injection Evaluation

Environnement de recherche pour analyser les injections de consignes et les défenses dans des agents utilisant des outils. Il distingue les attaques simulées des incidents réellement observés.

Site de la sourceagentdojo.spylab.ai
Consulter le document original ↗