Matthew Berman. La vidéo présente l’article scientifique et le code de LMSYS RouteLLM : un petit classificateur placé devant une paire composée d’un modèle performant et d’un modèle plus faible décide lequel appeler, pour atteindre environ 95 % de la qualité du modèle performant à une fraction du coût. La vidéo reste sous notre seuil habituel de 100 000 vues, mais, dans le créneau précis « montrez-moi un véritable routage de modèles, pas seulement des comparaisons », c’est l’explication la plus claire sur YouTube. Elle correspond directement à la section de l’article consacrée au compromis qualité/coût.
Les noms, les tarifs et les capacités des modèles évoluent rapidement. Utilisez cette vidéo pour son schéma de décision, puis vérifiez le comportement actuel des modèles avant de l’adopter.
Évaluer les compromis de routage entre qualité, coût et fiabilité avant d'ajouter de la complexité d'orchestration.
Être à l’aise avec la lecture de Python et les appels aux API de modèles ; la carte des catégories de la sélection principale est utile.
Dernière révision : 18 mai 2026
Continuez dans le même parcours d’apprentissage avec les prochaines vidéos d’accompagnement sélectionnées.
107 minutesApprendre le cycle d’évaluation destiné aux concepteurs de produits : examiner les traces, étiqueter les défaillances, définir des critères, tester les modifications et les comparer au jugement humain.
211 minutesComprendre suffisamment bien la pile LLM moderne pour analyser les tokens, l’entraînement, les outils et les défaillances.
18 minutesComprendre pourquoi les appels de LLM fondés sur des schémas exigent des objets typés, des validateurs, des nouvelles tentatives et un traitement explicite des champs mal formés ou hallucinés.
Des cours externes sélectionnés pour approfondir ce sujet.
Anthropic AcademyAnthropic Academy
Le protocole de contexte des modèles (MCP) remplace progressivement les intégrations ponctuelles d'outils dans tout l'écosystème de l'IA. Apprenez-le directement à la source. À la fin, vous aurez construit et déployé votre propre serveur MCP, connecté un client LLM et compris pourquoi cette norme est ce qui se rapproche le plus de l'USB-C dans ce domaine.
DeepLearning.AIJoão Moura (Founder, CrewAI)
Doubles as our sales and customer-support vertical pick and a genuinely practical agent-building course: you build an agentic sales pipeline (lead scoring, personalized outreach) and a customer-support data-insights pipeline as two of the five hands-on projects, taught by CrewAI's own founder. Requires basic Python, so it sits with our other builder-track courses rather than the no-code picks.
Hugging FaceHugging Face
La présentation la plus claire et la plus ouverte des systèmes agentiques. Elle s'appuie sur les trois frameworks que les ingénieurs évaluent réellement — smolagents, LlamaIndex et LangGraph — plutôt que sur la pile d'un seul fournisseur. Le cours se conclut par une évaluation comparative et un classement public, offrant un résultat vérifiable par votre équipe.
