IA Générative10 min de lecture

Building a recommendation engine that doesn't trust the LLM

This is the engineering companion to the production architecture piece. Instead of re-arguing why open-ended agents are risky in commerce, it walks through the actual implementation choices in `ai-florist`: FastAPI boundaries, LangGraph orchestration, pgvector retrieval, learned scoring weights, deterministic fallbacks, and runtime observability.

Cyril Noirot

Lead Data Scientist

12 avril 2026

À propos de l'auteur

Cyril Noirot

Lead Data Scientist

Data scientist freelance. Je conçois et déploie des systèmes de décision — prévision, pricing, marketing measurement, optimisation — pour des équipes qui prennent des décisions à fort enjeu.

Plus sur Cyril Réalisations LinkedIn

What agentic commerce actually requires in production

Macy's reports customers spending 4.75x more with their AI assistant. Sephora just launched inside ChatGPT. Zalando rolled out to 25 markets. The question for every other retailer isn't whether to build this — it's how to architect it so it actually works. Here's what I learned building one for premium floral e-commerce.

IA Générative6 min

LLM Systems: Architecture First, Framework Second

LangChain, LangGraph, Claude ADK, Google ADK, PydanticAI — different names, different abstractions, same promise. This article cuts through the framework noise and identifies the five architectural properties that actually determine whether an LLM system survives production.

IA Générative9 min

Pourquoi les projets d'IA agentique échouent: un problème d'operating model pas seulement de technologie

La plupart des échecs GenAI en entreprise ne viennent pas d'un mauvais modèle. Ils viennent d'un mauvais design de workflow, d'une absence de mandat et d'une architecture incapable de faire agir un système.

Newsletter

Articles techniques sur la prévision, le pricing et les systèmes de décision. Aucune fréquence imposée.

Enter your email