40 idées de projets IA à coder avec les frameworks de développement LLM : LangChain, LangGraph, Mastra, Vercel AI SDK et bien d'autres !

Vous cherchez des idées concrètes pour progresser en IA générative et maîtriser les outils pour le développement LLM ?

Vous êtes au bon endroit.

Dans cet article, vous découvrirez 40 idées de projets IA à coder, classées par niveau et par type d’application (chatbots, analyse de documents, agents, etc.).

Que vous soyez débutant, autodidacte, ou déjà développeur confirmé, cette liste vous aidera à passer à l’action, à enrichir votre portfolio ou à trouver l’inspiration pour votre prochain projet d’IA générative.

Pour aller plus loin, des liens vers des tutoriels, des outils et des formations vous guideront tout au long du chemin.

👉 Explorez les projets, testez, codez — et transformez vos idées en agents IA autonomes.

Sommaire de tous les projets

1) Générer une blague de développeur, avec du code
2) Chercher sur Wikipédia, version LLM
3) Choisir ses vacances intelligemment
4) Alimenter une base de données sémantique
5) Un RAG
6) Des agents
7) Assistant client pour site e-commerce
8) Chatbot RH pour répondre aux questions internes
9) Assistant juridique pour les PME
10) Coach santé IA (routines, conseils, suivi)
11) Bot concierge pour site hôtelier ou touristique
12) Analyseur de CV (points forts, style, mise en forme)
13) Lecteur intelligent de contrats avec détection de clauses sensibles
14) Résumeur de rapports annuels
15) Outil de comparaison de deux documents légaux
16) Extracteur de données depuis factures ou bons de commande
17) Recherche intelligente sur une base de tutoriels
18) Moteur de recherche juridique sur des arrêts de jurisprudence
19) Recherche sur une FAQ
20) Recherche d’articles de blog internes
21) Moteur de recherche pour documentation technique
22) FAQ sur des manuels internes d’entreprise
23) Assistant de support produit à partir d’un wiki
24) Conversation à partir d’une thèse ou d’un mémoire
25) Assistant qualité pour les audits internes ISO
26) Assistant RAG pour fans de littérature
27) Agent d’aide à la priorisation de tâches
28) Agent qui évalue des candidatures RH selon des critères
29) Agent pour scoring de leads commerciaux
30) Agent qui aide à la sélection de prestataires
31) Processus d’onboarding automatisé (étapes, réponses, emails)
32) Création automatique de contenus à partir d’une transcription
33) Enchaînement de tâches IA avec logique conditionnelle
34) Pipeline de vérification et correction de textes
35) Générateur de résumés de réunion + plan d’action
36) Assistant de rédaction commerciale (propositions, devis, relances)
37) Outil IA pour préparer des présentations à partir de notes
38) Générateur de contenus pour newsletters
39) Assistant IA pour benchmark concurrentiel
40) Mini-application IA de prise de notes augmentée

Projets IA à coder pour démarrer son apprentissage du développement LLM

Découvrez une liste de mini-projets IA à coder pour apprendre à utiliser les frameworks LLM LangChain, LangGraph, Vercel AI SDK et Mastra.

Ces idées s’adressent aux développeurs qui découvrent l’IA générative, mais sont aussi utiles pour les développeurs LLM expérimentés qui souhaitent tester rapidement une nouvelle technologie IA pour s’échauffer avant d’attaquer les projets plus complexes proposés dans la partie suivante.

Simples mais concrets, ces exercices vous aideront à comprendre les concepts essentiels (prompts systèmes, agents, chaînes d’outils) tout en créant vos premiers agents IA.

Que vous souhaitiez générer une blague de développeur, interroger Wikipedia via un agent ou construire un assistant voyage qui aide à choisir entre mer et montagne, ces projets sont une excellente introduction pour apprendre à coder avec l’IA générative.

1) Générer une blague de développeur, avec du code

Objectif
Envoyer un prompt à un LLM pour générer une blague, en passant par une API plutôt que par une interface chat classique.

Utilité
Idéal pour s’initier à l’appel d’API d’un LLM et comprendre le flux prompt → réponse → affichage.

Technologies

• Un routeur LLM: LangChain, Vercel AI SDK ou OpenRouter
• Google Colab pour expérimenter côté notebook si vous utilisez Python
• Node.js si vous êtes plutôt branché JavaScript

Documentations, tutos, inspirations open source

• Consultez la documentation d’OpenRouter API pour expérimenter avec différents modèles LLM.
• Inspirez-vous du dépot open source dataprofessor/langchain-quickstart, qui montre comment créer une application LLM avec LangChain et Streamlit pour l’interface graphique.

Bonus

• Ajoutez une fonction “blague du jour” à l’aide d’un scheduler dans Google Colab ou via GitHub Actions.

2) Chercher sur Wikipédia, version LLM

Objectif
Demander au LLM d’effectuer une recherche sur Wikipedia et de synthétiser les informations obtenues en réponse structurée.

Utilité
Excellent pour apprendre à combiner une recherche web via un outil spécialisé avec une réponse enrichie par LLM et la structuration de l’output. Les LLM aussi adorent Wikipedia !

Technologies

• LangChain avec un appel d’outil et l’outil WikipediaQueryRun pour interroger Wikipedia
• API Tavily ou Serper pour déclencher une recherche sur Internet
• Tool calling avec Vercel AI SDK

Documentations, tutos, inspirations open source

• Inspirez-vous de la documentation Build an Agent de LangGraph, qui montre comment intégrer un outil de recherche (Tavily) dans un agent pour effectuer une recherche, puis synthétiser la réponse via LLM.
• Consultez la page officielle de Tavily pour intégrer une recherche web complète en complément.

Bonus
Combinez les deux outils pour un agent capable d’interroger Wikipedia et le web en parallèle.

3) Choisir ses vacances intelligemment

Objectif
Créer un agent qui aide l’utilisateur à décider entre des vacances à la montagne ou à la mer, en analysant ses préférences et en argumentant ses choix.

Utilité
Excellent exercice pour découvrir la conception d’un prompt système et expérimenter avec des agents LLM qui raisonnent étape par étape.

Technologies

• LangChain pour orchestrer la logique d’interaction
• Vercel AI SDK pour déployer une interface web réactive
• GPTs de ChatGPT ou Agents Mistral pour une utilisation directement dans l’interface du fournisseur LLM

Documentations, tutos, inspirations open source

• Découvrez le principe des GPTs de ChatGPT
• Lisez la documentation des system prompts de Vercel AI SDK
• Explorez le principe de la “tokenization” pour comprendre comment Mistral différencie le prompt système

Bonus
Connectez une API météo (ex. OpenWeatherMap) pour enrichir les suggestions avec des données en temps réel.

Projets IA pour niveau intermédiaire: d’une bases vectorielle à un agent IA autonome en passant par le RAG

Ces projets sont conçus pour les développeurs qui connaissent déjà les bases de l’IA générative et veulent passer à l’étape supérieure.

Vous irez au-delà du simple prompt engineering, en mettant en place un véritable context engineering pour alimenter les réponses du LLM avec des données de qualité.

En explorant des concepts comme les embeddings, le RAG (Retrieval-Augmented Generation) et les agents, vous apprendrez à bâtir des systèmes IA robustes et évolutifs.

Si vous ne connaissez pas encore ces termes, découvrez les ressources LBKE en français sur l’IA générative:

📖 Notre lexique de l’IA générative
🔎 Notre article sur le RAG avec LangChain
🔢 Notre définition complète des embeddings

4) Alimenter une base de données sémantique

Objectif
Mettre en place une base de données d’embeddings (vector store) pour indexer et interroger des contenus texte en langage naturel.

Utilité
Parfait pour comprendre le principe des bases de données vectorielles (Chroma, Pinecone, pgvector, Milvus…) et mettre en place les briques essentielles pour le RAG (projet suivant).

Technologies

• LangChain pour la gestion des embeddings et des vecteurs
• Chroma pour le vector store
• Modèles d’embeddings via OpenAI, Mistral Embed ou fastembed

Documentations, tutos, inspirations open source

• Parcourez le guide d’intégration de Chroma dans LangChain: tutoriel officiel étape par étape pour créer, sauvegarder, interroger votre vector store Chroma avec LangChain.
• Consultez le dépot open source chroma pour explorer un moteur vectoriel performant et open‑source.

Bonus
Ajoutez une interface Streamlit pour visualiser les embeddings et exécuter des recherches en direct.

5) Un RAG

Objectif
Connecter une base d’embeddings (cf projet précédent) à un LLM pour créer votre premier système RAG capable de répondre à des questions en s’appuyant sur des données externes.

Utilité
Apprenez à combiner recherche vectorielle et génération de texte pour obtenir des réponses précises, sourcées et contextualisées à partir de vos propres documents.

Le RAG est un peu le « hello world » des LLM ! C’est aussi l’objet de notre première journée de formation LangChain/LangGraph éligible CPF.

Technologies

• Le langage LCEL pour chaîner plusieurs étapes pour créer un véritable pipeline LLM
• Base vectorielle (Chroma, Pinecone, Weaviate…)
• LLM (GPT, Mistral, Claude) pour la synthèse des réponses

Documentations, tutos, inspirations open source

• Suivez le tutoriel officiel Build a Retrieval Augmented Generation (RAG) App: Part 1 pour implémenter un RAG simple et performant en Python.
• Examinez le projet open-source DocsGPT, un assistant RAG prêt à l’emploi pour la documentation d’entreprise.

Bonus
Ajoutez un système de citations en conservant la source dans les métadonnées de l’embeddings, pour inclure les références dans les réponses.

6) Des agents

Objectif
Créer un agent autonome ReAct, capable d’exécuter plusieurs étapes en boucle pour résoudre un problème. Vous pouvez lui fournir comme outil un accès à une base de données sémantique.

Utilité
Ce projet vous initie à l’orchestration multi‑agents avec des frameworks comme LangGraph, Mastra ou l’Agent Development Kit de Google (ADK).

Vous pouvez comparer un agent ReAct avec un outil de recherche, et un pipeline RAG: lequel fonctionne mieux dans votre cas ?

Technologies

• LangGraph et Mastra pour créer des agents à partir d’appels LLM
• CrewAI pour orchestrer plusieurs spécialisés
• L’architecture ReAct pour un agent fonctionnant en boucle action-réflexion.

Documentations, tutos, inspirations open source

• Étudiez le projet LangGraph: framework open‑source pour orchestrer des agents dans des graphes de tâches.
• Explorez CrewAI pour construire une équipe d’agents coopérant sur un objectif commun.

Bonus
Ajoutez une mémoire longue durée pour que l’agent puisse adapter ses actions au fil du temps.

Projets par type d’application

Vous cherchez des idées de projets IA pour explorer des cas d’usage concrets ?

Cette section regroupe des projets d’IA générative classés par domaine : chatbots, analyse de documents, moteurs de recherche, agents décisionnels, workflows automatisés, etc.

Ces idées vous permettront de créer des applications utiles en contexte professionnel : assistants clients pour e‑commerce, analyseurs de CV, chatbots RH, systèmes RAG pour votre documentation technique, ou encore outils d’automatisation pour améliorer la productivité.

Chaque projet combine des technologies de développement comme LangChain, LangGraph, Vercel AI SDK et Mastra, et bien sûr les LLM.

En bonus, des liens vers des projets open‑source et des tutoriels vous guideront pour passer rapidement de l’idée au prototype.

🗨️ Chatbots et assistants

Les chatbots basés sur des LLM ne se limitent plus à traiter quelques questions listées à l’avance.

Aujourd’hui, ils peuvent dialoguer, contextualiser, adapter leur ton et se connecter à des bases de données métier.

Dans cette section, découvrez des idées de projets pour créer des assistants intelligents utiles dans le e-commerce, les RH, la santé ou encore le tourisme.

7) Assistant client pour site e-commerce

Objectif
Répondre automatiquement aux questions fréquentes des clients sur un site marchand (livraison, retours, produits, suivi commande…).

Utilité
Gain de temps pour les équipes support et support client 24h/24.

Technologies

• LangGraph pour orchestrer les fils de conversations, gérer la mémoire et répondre correctement aux questions
• LLM (GPT, Claude, Mistral) pour comprendre et reformuler les requêtes
• Base de connaissances vectorielle (Chroma, Weaviate) construite à partir de la FAQ, CGV, etc.
• Intégration frontend via Vercel AI SDK dans une application Next/React

Documentations, tutos, inspirations open source

• Déployez facilement un exemple grâce au template Next.js AI Chatbot Starter, adapté pour un chat e‑commerce interactif
• Explorez le guide RAG Chatbot Guide pour ajouter du RAG au chatbot.

8) Chatbot RH pour répondre aux questions internes

Objectif
Répondre automatiquement aux questions des salariés sur la paie, les congés, les procédures internes et d’autres informations spécifiques.

Utilité
Réduit la charge des RH tout en offrant un accès instantané à l’information.

Technologies

• LangChain + RAG sur les documents RH internes
• Base de données d’embeddings: Chroma
• LLM avec prompt système pour des réponses adaptées au ton de l’entreprise
• Interface: connexion avec Slack ou un bot Teams

Documentations, tutos, inspirations open source

• Inspirez-vous du projet autonomous-hr-chatbot: un assistant RH autonome construit avec LangChain, Pinecone et Streamlit, pour répondre à des questions RH.
• Utilisez les loaders de LangChain pour intégrer le règlement intérieur ou les documents RH
• Ajoutez des logiques de filtre par profil (ex: réponses différentes pour manager vs. salarié)

Bonus
Ajouter des outils pour planifier les congés en intéragissant avec un planning partagé.

9) Assistant juridique pour les PME

Objectif
Faciliter l’accès aux informations juridiques de base pour les petites entreprises et les startups : répondre à leurs questions sur les statuts légaux, la protection des données (RGPD), les contrats de travail, les obligations fiscales, etc.

Utilité

• Pour les entrepreneurs : clarifier leurs obligations légales avant de lancer un produit ou recruter.
• Pour les services support: offrir un premier niveau d’information avec un gain de temps et une base de réponses cohérentes, avant consultation d’un juriste.

Technologies proposées

• OpenAI ou Mistral: générer réponses textuelles, résumer des articles de loi.
• Chroma: indexer et retrouver par similarité des extraits de textes juridiques.
• Python-docx / pdfminer: parser des documents juridiques (ex. modèle de contrat, statuts).
• Frontend: interface légère avec Streamlit ou Vercel AI SDK.

Documentations, tutos, inspirations open source

• OpenAssistant (LAION) est un assistant multi-tâches open‑source, facilement extensible pour intégrer des modules spécifiques comme vérification RGPD, clauses contractuelles. Le projet n’est plus maintenu mais la base open source reste pertinente.
• Pour l’extraction d’information depuis PDF/docx, regardez du côté de python-docx ; mêmes frameworks utilisés dans d’autres projets similaires comme le CV analyzer (voir plus loin) et à adapter au contexte juridique.

10) Coach santé IA (routines, conseils, suivi)

Objectif
Fournir des conseils personnalisés de santé, bien-être, nutrition ou sommeil, selon les objectifs ou symptômes décrits.

Utilité
Permet à un utilisateur d’avoir un assistant IA pour le suivi en autonomie et les routines quotidiennes.

Technologies

• LangGraph pour structurer les dialogues complexes (objectifs, suivi, conseils)
• Base de données SQL traditionnelle pour les données d’entrée : exercice, humeur, sommeil…
• Interface mobile possible avec Expo / React Native

Documentations, tutos, inspirations open source

• Découvrez CareBot_Medical_multi‑llama3‑8b‑base sur HuggingFace : c’est un exemple de modèle complexe construit à partir d’un LLM open source (Llama3-8b)
• Explorez la base de code de HealthGPT : une application iOS open‑source utilisant GPT‑3.5/4 pour interagir en langage naturel avec les données Apple Health.
• Intégrez des APIs santé comme Nutritionix API (données nutritionnelles)

Bonus
Proposez un mode “journal quotidien” pour aider au suivi des symptômes ou humeurs.

11) Bot concierge pour site hôtelier ou touristique

Objectif
Répondre aux demandes courantes des visiteurs d’un site web d’hôtel ou d’un site touristique (réservation, services, localisation, activités à proximité…).

Utilité
Augmente le taux de conversion et réduit les demandes simples au standard ou par mail.

Technologies

• Mastra: pour orchestrer les dialogues et intégrer une logique RAG (Retrieval-Augmented Generation) afin de fournir des réponses personnalisées à partir des documents de l’établissement, avec mémoire conversationnelle.
• Base d’embeddings (Milvus): pour indexer et interroger les FAQ, CGU, et guides touristiques.
• Frontend: intégration via Vercel AI SDK pour une interface web réactive.
• APIs externes: pour gérer les disponibilités et les réservations en temps réel (Calendly).

Documentations, tutos, inspirations open source

• Génération d’itinéraires et recommandations touristiques:
  • Inspirez-vous de bytewiz3/TravelGPT: un assistant qui crée des itinéraires de voyage personnalisés en fonction des préférences utilisateur.
  • Regardez RobertoCorti/gptravel: une application Streamlit qui fournit des recommandations et itinéraires sur mesure.
  • Adoptez l’approche frontend de dabit3/gpt-travel-advisor: une architecture Next.js pour un chatbot intégré au site web.

Bonus
Ajoutez un mode “itinéraire intelligent” qui construit un programme sur plusieurs jours selon les intérêts de l’utilisateur, ou une fonctionnalité “suggestion d’activités à la carte”.

📄 Analyse de documents (PDF, DOCX, etc.)

L’IA permet de traiter automatiquement des documents complexes. Ces projets montrent comment extraire des données, résumer un texte ou encore croiser plusieurs sources avec un LLM.

12) Analyseur de CV (points forts, style, mise en forme)

Objectif
Analyser un CV pour en extraire les points forts, détecter le style de rédaction, repérer les éléments manquants, et proposer des pistes d’amélioration selon un poste ciblé.

Utilité
Outil utile pour les candidats qui veulent optimiser leur CV avant de postuler, ou pour les recruteurs qui souhaitent évaluer rapidement un profil. Attention cependant : l’utilisation de l’IA dans les processus RH est strictement réglémenté par l’AI Act !

Technologies

• Vercel AI SDK et zod pour orchestrer les étapes et fournir des données dans un format structuré JSON.
• OpenAI ou Mistral pour analyser le contenu textuel et suggérer des améliorations.
• Chroma, FAISS pour retrouver des exemples de bons CV similaires (via embeddings).
• Python-docx / pdfminer pour extraire le texte des fichiers.

Piste concrète
Inspirez-vous de projets open source comme:

• Extraction structurée avec pyresparser : utilisez pyresparser pour extraire les informations clés d’un CV (nom, contact, expérience, compétences) depuis un PDF ou DOCX.

• Matching CV ↔ offre par embeddings : le projet Resume-Matcher montre comment faire le lien entre un CV et une offre d’embauche.

Bonus
Connectez une API d’annonces d’emploi (ex. Adzuna, Reed) pour ajuster l’analyse à un poste réel, ou proposez une version “anonymisation automatique du CV”.

13) Lecteur intelligent de contrats avec détection de clauses sensibles

Objectif
Analyser automatiquement un contrat pour identifier les clauses sensibles, ambiguës ou à risque (résiliation, exclusivité, etc.).

Utilité
Un outil précieux pour les non-juristes (freelances, TPE) pour repérer rapidement les points à surveiller.

Technologies

• LangChain pour découper le contrat en “chunks” qui peuvent être gérés par l’IA
• Unstructured pour charger un PDF

Documentations, tutos, inspirations open source:

• Assistant légal conversationnel dans Word : l’assistant “Ally” (Azure‑Samples/ally-legal-assistant) ajoute un plugin Word utilisant Azure OpenAI pour marquer automatiquement les clauses critiques, fournir des réponses en temps réel, et vérifier les incohérences
• Le Graph RAG avec Milvus pour préserver les liens logiques

Bonus
Ajoutez une simplification automatique des clauses en langage courant.

14) Résumeur de rapports annuels

Objectif
Résumer automatiquement des rapports financiers, RSE ou d’activité pour en extraire les points clés.

Utilité
Permet aux dirigeants, investisseurs ou journalistes de gagner du temps en capturant l’essentiel d’un document souvent long et dense.

Technologies

• LangChain + RecursiveTextSplitter pour découper, parser et résumer par section
• La notion de synthèse extractive : au lieu de laisser l’IA générer la synthèse (synthèse abstractive), demandez lui de choisir les meilleurs passages (synthèse extractive) -> pas de risque d’hallucinations !
• LLM avec prompts spécifiques pour classifier les parties du documents

Documentations, tutos, inspirations open source

• Comparez votre résumé avec celui d’une offre en ligne gratuite, par exemple Scribbr
• Le projet OpenTextSummarizer

Bonus
Exporter directement le résumé vers Notion, Markdown ou Google Docs via API.

15) Outil de comparaison de deux documents légaux

Objectif
Identifier les différences clés entre deux versions d’un contrat, CGU ou document juridique.

Utilité
Utile pour détecter ce qui a changé dans un avenant, repérer des ajouts litigieux ou auditer des documents similaires.

Technologies

• Python dans un notebook Google Colab pour pouvoir exécuter le code en ligne
• DiffMatchPatch pour comparer le texte (le projet est archivé mais le code source reste disponible sur GitHub)
• LLM pour expliquer en langage clair les différences clés
• PyPDFLoader pour lire les documents PDF avec LangChain

Documentations, tutos, inspirations open source

• La capacité à comparer des documents sert aussi pour la collaboration, voir cet article d’Ink and Switch sur les logiciels hors-ligne et le CRDT

Bonus
Ajoutez une option de génération de “note de synthèse des écarts” entre les deux documents.

16) Extracteur de données depuis factures ou bons de commande

Objectif
Extraire automatiquement des champs comme le montant, la date, le fournisseur, ou les lignes d’articles depuis une facture.

Utilité
Outil pratique pour la comptabilité automatisée, la saisie de factures ou l’agrégation de données commerciales.

Technologies

• Vercel AI SDK + zod pour un output structuré
• LangChain + Pydantic si vous préférez Python
• Tesseract ou Mistra OCR pour scanner des documents

Documentations, tutos, inspirations open source

• Extraction de données depuis une facture : invoice2data est une bibliothèque en ligne de commande et Python pour extraire des données de factures PDF.
• Document AI, l’analyseur de document de Mistral fondé sur ses capacités d’OCR

Bonus
Export direct vers CSV, Airtable, ou Google Sheets via API.

🔍 Moteurs de recherche IA

L’IA générative est impressionnante par sa capacité à nous parler en langage naturel. Mais le cas d’usage le plus disruptif est probablement la conception de moteurs de recherche de nouvelle génération.

Les LLM améliorent les moteurs de recherche grâce à leur capacité à comprendre les termes similaires, via les embeddings.

Découvrons quelques projets mobilisant cette nouvelle capacité.

17) Recherche intelligente sur une base de tutoriels

Objectif
Permettre à l’utilisateur de poser des questions en langage naturel sur une base de tutoriels (texte), et recevoir des extraits et réponses précises.

Utilité
Améliore l’expérience d’apprentissage et facilite l’accès rapide à l’information dans une documentation dense.

Technologies:

• Ingestion & vectorisation des tutoriels (embeddings + Chroma)
• RAG avec LangChain pour recherche + synthèse
• Frontend Web (Next.js / React)

Documentations, tutos, inspirations open source:

• Inspirez-vous de DocsGPT, un assistant RAG open‑source conçu pour ingérer documents et répondre avec des sources.
• Découvrez le tutoriel Getting started with AI-powered search avec Meilisearch.

Bonus
Ajoutez des capacités multimodales : ingestion de vidéos (transcription de l’audio en texte pour ingestion).

18) Moteur de recherche juridique sur des arrêts de jurisprudence

Objectif
Proposer un moteur de recherche sur les arrêts de jurisprudence, comprenant recherche plein-texte (FTS), résumé et citations de sources légales.

Utilité
Utile aux avocats et juristes pour trouver rapidement la jurisprudence pertinente et ses analyses.

Technologies:

• Indexation avec vecteurs sparse BM25 avec Milvus, ou ElasticSearch
• LLM pour la synthèse
• Interface Web type Lexis + citations

Documentations, tutos, inspirations open source:

• L’IA Lexis, spécialisée dans le juridique ou encore Descrybe.ai
• Doctrine en France

Bonus
Ajout d’un module d’explication du raisonnement légal basé sur chain-of-thought pour expliquer pourquoi un texte est pertinent.

19) Recherche sur une FAQ

Objectif
Créer un moteur de question/réponse permettant de dialoguer avec une FAQ.

Utilité
Améliore l’assistance client avec un système de chat plus intelligent, capable de garder le fil de la conversation et de répondre à plusieurs questions.

Technologies:

• Formatage de la FAQ en Markdown, JSON pour une consommation structurée par le LLM
• Mastra avec une mémoire libSQL et des threads pour suivre l’historique de la conversation
• Open WebUI pour l’interface

Documentations, tutos, inspirations open source:

• Découvrez le pattern Contextual FAQ d’OpenDialog
• Etudiez l’analyse de l’intégration de l’IA dans ce ticket GitHub de Karakeep (ex Hoarder)
• Déployez un agent RAG via la solution commerciale Contextual.ai

Bonus
Ajoutez un tableau de bord d’analyse des requêtes client pour identifier les FAQ manquantes et affiner en continu.

20) Recherche d’articles de blog internes

Objectif
Permettre aux employés de rechercher dans les archives internes (blogs, posts, wikis) en langage naturel.

Utilité
Améliore la productivité en facilitant l’accès aux connaissances internes sans devoir parcourir manuellement chaque source.

Technologies:

• Une base vectorielle, par exemple pgvector sur PostgreSQL
• Les embeddings produits par un modèle LLM/Transformer : fastembed, Mistral Embed…
• Interface Web minimaliste (React / Next.js)

Documentations, tutos, inspirations open source:

• Inspirez-vous de Swirl, une plateforme open-source de recherche sur des bases de connaissance d’entreprise.
• Testez Jina AI, un framework open-source pour le déploiement de services IA.
• Suivez le guide AI-Powered Content Search de Google pour transformer un corpus textuel (comme des blogs internes) en moteur de recherche augmenté par LLM.

Bonus
Ajoutez un système de suggestion automatique d’articles liés, basé sur la similarité vectorielle des contenus précédemment consultés.

21) Moteur de recherche pour documentation technique

Objectif
Offrir une recherche intelligente sur la documentation technique (API, guides, tutoriels, FAQ internes).

Utilité
Centralise la doc technique pour les développeurs internes ou les clients, avec des réponses contextualisées, synthétiques et sourcées.

Technologies:

• Ingestion multimodale avec Qwen 2.5-VL pour les documents complexes
• OCR avec Mistral OCR pour les images et documents scannés
• Un Graph RAG avec Milvus pour préserver les liens logiques

Documentations, tutos, inspirations open source:

• Étudiez l’interface de Mintlify, une plateforme de documentation moderne qui permet d’ajouter un assistant AI embarqué à votre doc.
• Étudiez la stratégie de contextual retrieval par Anthropic (embeddings + BM25) pour améliorer la pertinence des réponses générées.

Bonus
Ajoutez une extension dans l’IDE (VSCode, WebStorm…) pour interroger la doc technique directement sans quitter l’environnement de développement.

🗂️ RAG & connaissances personnalisées

Les projets de type RAG (Retrieval-Augmented Generation) permettent à un LLM de s’appuyer sur une base de documents personnalisés pour générer des réponses précises et contextualisées.

Plutôt que de s’en remettre uniquement à sa mémoire d’entraînement, le modèle “interroge” des données locales: manuels internes, wiki produit, thèse d’étudiant, etc.

L’utilisation est très proche des moteurs de recherche, mais avec une approche plutôt centrée sur la conversation avec l’utilisateur.

22) FAQ sur des manuels internes d’entreprise

Objectif
Permettre à un assistant IA de répondre à des questions basées sur les manuels internes PDF de l’entreprise.

Utilité
Idéal pour les services formation ou helpdesk souhaitant centraliser la connaissance des manuels internes.

Technologies

• Streamlit pour l’interface utilisateur
• Chroma + LangChain pour les embeddings, la vectorisation, et le RAG

23) Assistant de support produit à partir d’un wiki

Objectif
Créer un chatbot support alimenté par un wiki produit interne, permettant aux utilisateurs de poser des questions spécifiques.

Utilité
Améliore le support en fournissant des réponses immédiates et fiables à des questions qui ne sont pas prévues explicitement dans une FAQ.

Technologies

• MediaWiki comme source de connaissances
• Les plugins RAG de Mastra
• La playground Mastra comme interface graphique

Documentations, tutos, inspirations open source

• Découvrez Wiki-RAG
• Combinez la solution avec Mem0 pour ajouter de la mémoire utilisateur, améliorant la personnalisation

24) Conversation à partir d’une thèse ou d’un mémoire

Objectif
Transformer un document académique en chatbot intelligent, capable d’expliquer des sections du texte.

Utilité
Idéal pour les étudiants ou chercheurs souhaitant interagir avec leur document académique.

Technologies

• Ingestion de PDF/Markdown avec chunking sémantique via LangChain
• PostgreSQL + pgvector pour stocker les chunks avec des métadonnées
• Un LLM avec capacités de raisonnement (Large Reasoning Model) pour interpréter correctement le contenu

Documentations, tutos, inspirations open source

• Comparez votre chatbot au produit Chatdoc
• Étudiez le processus d’analyse visuelle du layout d’un fichier PDF présenté par Huridoc

25) Assistant qualité pour les audits internes ISO

Objectif
Créer un assistant IA capable d’aider les équipes qualité à préparer, réaliser et suivre les audits internes selon les normes ISO (ex: ISO 9001, 14001, 45001). Il peut:

• répondre à des questions sur les procédures qualité,
• identifier les documents et enregistrements manquants,
• suggérer des actions correctives basées sur les rapports précédents.

Utilité

• Pour les responsables qualité : gain de temps dans la préparation et la conduite des audits internes.
• Pour les audités : compréhension facilitée des exigences et des écarts.
• Réduction des non-conformités lors des audits externes en anticipant les problèmes.

Technologies

• Graph RAG : pour analyser les référentiels en préservant les liens logiques
• Architecture SPA : pour une interface graphique dans le navigateur, afin de structurer les interactions avec l’IA (checklists, prise de note, historique de conversation…)
• Agent LangGraph : agent IA fondé sur les LLM pour les analyses plus complexes, le routage des requêtes vers des prompts spécifiques…
• pdfminer / docx2txt : extraction de texte depuis les documents internes PDF/DOCX.

Documentations, tutos, inspirations open source

• RAGflow: un moteur RAG open-source utilisé en entreprise, avec extraction de documents structurés (Text, PDF, Excel…), citations, et workflows CI/CD. Idéal comme base de pipeline d’assistant qualité pour indexer procédures ISO.
• graniet/kheish: un agent LLM multi-rôles (équivalent à une approche multi-agents) combiné à un RAG, utile pour mener des audit selon plusieurs angles d’analyse

26) Assistant RAG pour fans de littérature

Objectif
Créer un assistant qui permet aux lecteurs de:

• poser des questions sur leurs œuvres préférées,
• approfondir leur connaissance des personnages, citations, thèmes et intrigues à travers une interface interactive,
• comparer des styles d’auteurs ou des époques littéraires.

Le système s’appuie sur une base vectorielle construite à partir de textes littéraires classiques et modernes.

Utilité

• Pour les lecteurs: (re)découvrir des œuvres sous un angle nouveau, analyser personnages et motifs récurrents.
• Pour les étudiants: outil d’aide à la compréhension, synthèse et révision d’œuvres.
• Pour les auteurs: source d’inspiration en explorant styles et structures narratives.

Technologies

• Mastra : mettre en place le système RAG
• Vite + React : pour une interface client interactive
• Pandoc : pour la conversion entre epub et Markdown (possible dans les deux sens)
• Un LLM de frontière (OpenAI, Anthropic, Mistral) : capable de faire des analyses approfondies selon plusieurs points en un seul prompt

Documentations, tutos, inspirations open source

• L’intégration Gutenberg de LangChain pour accéder à de nombreux livres libres de droits

Bonus
Ajoutez un générateur de poèmes dans le style d’un auteur choisi.

🧑‍⚖️ Agents décisionnels / autonomes

Les agents décisionnels fondés sur l’IA révolutionnent la manière dont les entreprises automatisent leurs processus complexes.

Ces agents autonomes utilisent des modèles de langage (LLM) et des frameworks comme LangChain, CrewAI, LLamaIndex, Agent Development Kit (Google) ou encore Mastra (TypeScript) pour analyser des données en temps réel, hiérarchiser les tâches, proposer des recommandations et prendre des décisions automatisées.

Dans cette catégorie, vous découvrirez des idées de projets IA concrets pour développer des agents intelligents. Que vous soyez développeur, data scientist ou chef de projet, ces agents IA vous aideront à passer de la théorie à la pratique en construisant des outils décisionnels à fort impact.

27) Agent d’aide à la priorisation de tâches

Objectif
Aider l’utilisateur à classer ses tâches selon importance, urgence, effort ou autres critères définis.

Utilité
Pratique pour les managers, freelances – aide à optimiser la productivité quotidienne.

Technologies

• Orchestration multi‑agents : priorisation, triage, résumé
• CrewAI ou PraisonAI pour une approche multi-agent
• Un LLM aussi léger que possible pour un tri rapide

Documentations, tutos, inspirations open source

• Explorez la collection d’agents GenAI_Agents (Diamant AI) pour trouver des agents pertinents pour votre projet
• Lisez l’enquête AgenticRAG-Survey sur le rapport entre agents et RAG

28) Agent qui évalue des candidatures RH selon des critères

Objectif
Automatiser l’évaluation de CVs/candidatures en comparant avec des critères de poste (skills, expérience, diplôme…). Attention : l’agent ne doit pas prendre de décision définitive et son utilisation doit rester conforme à l’AI Act !

Utilité
Support RH pour une analyse structurée des candidatures (extraction de données, identification des expériences associées à un poste…).

Technologies

• LangChain pour l’architecture RAG et le traitement des documents
• Agent LangGraph pour l’analyse en plusieurs étapes

Documentations, tutos, inspirations open source

• Regardez Resume-Screening-RAG-Pipeline, un bot open source conçu dans le cadre d’un projet de fin d’études, avec Streamlit pour l’interface graphique

29) Agent pour scoring de leads commerciaux

Objectif
Scorer automatiquement les leads entrants selon potentiel de conversion.

Utilité
Priorisation des efforts commerciaux, qualification rapide et cohérente.

Technologies

• n8n pour collecter automatiquement les mails ou formulaires des leads.
• LLM pour un scoring efficace
• Intégration de l’API de votre CRM favori

Documentations, tutos, inspirations open source

• Lisez ce retour d’expérience de Refuel
• Avancé : découvrez le principe de la calibration : comment interpréter un score machine learning comme une vraie probabilité de conversion

30) Agent qui aide à la sélection de prestataires

Objectif
Comparer et recommander des prestataires (agence, freelance, fournisseur) selon critères définis : prix, expertise, disponibilité, localisation…

Utilité
Aide la direction ou les équipes achat à faire des choix éclairés.

Technologies

• Vercel AI SDK avec zod pour des sorties structurées
• Base PostgreSQL pour stocker les informations structurées
• Mastra pour un agent avec un état, qui stocke au fur et à mesure les prestataires déjà comparés

Documentations, tutos, inspirations open source

• Comment convertir une requête en langage naturel vers du SQL : conseils de Google

🔁 Workflows automatisés

Les workflows IA automatisés et les pipelines intelligents sont au cœur de la transformation numérique des entreprises. Les outils tels que n8n, Make, Zapier ou Power Automate n’ont jamais été aussi populaires qu’aujourd’hui !

Ils sont l’équivalent no-code d’outils comme LangChain et LangGraph : on peut par exemple réimplémenter l’architecture RAG avec un outil d’automatisation.

L’IA agit comme une étincelle qui décuple l’intelligence des outils d’automatisation traditionnels.

Voici une nouvelle série de projets à concevoir sous la forme de workflows IA.

31) Processus d’onboarding automatisé (étapes, réponses, emails)

Objectif
Orchestrer de manière autonome les étapes d’intégration d’un nouvel employé : création des comptes, transmission d’informations utiles.

Utilité
Permet de standardiser et d’automatiser l’onboarding, réduisant la charge pour les RH et améliorant l’expérience des nouveaux arrivants dans l’organisation.

Technologies

• Workflow n8n
• API “Assistants” d’OpenAI
• Intégration email / Slack / Microsoft Teams etc.

Documentations, tutos, inspirations open source

• Inspirez-vous du dépôt aws-samples/automate-user-onboarding-for-fsi-with-generative-ai pour une automatisation sur un cloud AWS

32) Création automatique de contenus à partir d’une transcription

Objectif
Transformer automatiquement des transcriptions (audio/video) en résumés, articles ou publications structurées.

Utilité
Idéal pour les créateurs de contenu, marketeurs ou formateurs qui veulent automatiser la production de textes et publications.

Technologies

• Whisper (OpenAI) pour transcription (vibe pour une version avec interface graphique)
• Google Drive pour stocker les transcriptions
• Make ou Zapier pour déclencher le traitement
• Un noeud LLM pour utiliser l’IA

Documentations, tutos, inspirations open source

• Découvrez cet article complet de Zapier sur le traitement automatique des transcriptions

33) Enchaînement de tâches IA avec logique conditionnelle

Objectif
Construire un workflow multi-étapes IA où chaque tâche est exécutée ou non selon une condition. Exemple typique en entreprise : trier des mails et déclencher différentes actions.

Utilité
Rendre l’automatisation enfin intelligente !

Technologies

• Frameworks comme Haystack / Nextflow / GitHub Actions
• Conditions if-else pour déclencher ou non des étapes
• LLM / components IA pour traitements spécifiques

Documentations, tutos, inspirations open source

• Lisez la documentation concernant le “router” dans Make
• Découvrez le principe de la “so-so automation” expliqué par Daron Acemoğlu et Simon Johnson pour prioriser l’automatisation des tâches avec un vrai retour sur investissement

34) Pipeline de vérification et correction de textes

Objectif
Vérifier et corriger automatiquement l’orthographe, grammaire et style d’un texte brut, avant publication ou diffusion.

Utilité
Utile pour la production de contenu professionnel ou la publication interne.

Technologies

• Output structuré au format Markdown
• Stockage cloud sur Dropbox pour placer les textes à corriger
• Cron jobs Vercel pour déclencher la correction de tous les textes à heure fixe

Documentations, tutos, inspirations open source

• Découvrez Spellcaster pour la correction orthographique dans une base de code

Bonus
Attention : les LLM peuvent donner des résultats décevants pour la correction orthographique. À vous de jouer pour améliorer leurs capacités en combinant ce pipeline avec un RAG sur les règles de grammaires à vérifier.

📈 IA pour le business / productivité

Les outils d’IA pour le business et la productivité mixent différentes techniques avancées de développement LLM pour automatiser les processus d’entreprise.

Toutes les tâches sont impactées : création de contenus, synthèses, mais aussi prise de décision.

Grâce à des technologies comme LangChain, les modèles de fondation LLM et des pipelines RAG (Retrieval-Augmented Generation), ces solutions permettent de gagner un temps précieux tout en améliorant la qualité du travail produit.

Les idées de projets IA ci-dessous répondent aux besoins des professionnels, freelances et équipes marketing souhaitant booster leur efficacité.

35) Générateur de résumés de réunion + plan d’action

Objectif
Transcrire des réunions (audio/video), générer un résumé clair et extraire des plans d’action pour les prochaines étapes.

Utilité
Parfait pour transformer automatiquement des réunions en comptes-rendus et to-do lists actionnables.

Technologies

• Whisper (OpenAI) pour transcription ou solutions commerciales comme TL;DV
• Un LLM open source hébergé localement avec Ollama ou vLLM pour les réunions confidentiels
• Automatisation de workflow n8n pour l’export vers email, Trello, Slack…

Documentations, tutos, inspirations open source

• meeting-minutes, un assistant de prise de note de réunion open source

Bonus Générez la synthèse au format mind map.

36) Assistant de rédaction commerciale (propositions, devis, relances)

Objectif
Générer automatiquement des propositions commerciales, devis ou emails de relance à partir de templates ou description de besoin.

Utilité
Idéal pour les commerciaux et freelances souhaitant gagner du temps tout en maintenant la qualité.

Technologies

• Une plateforme IA avec interface graphique et systèmes de projets/agents : ChatGPT, Claude, Mistral, Ailix…
• Pour ce projet, utilisez toutes les fonctionnalités avancées et vos talents de prompt engineering avec une approche no-code !

Documentations, tutos, inspirations open source

• Découvrez la création de “GPT” ChatGPT

37) Outil IA pour préparer des présentations à partir de notes

Objectif
Transformer des notes brutes (texte) en slides Markdown structurés avec titres, bullet points et design cohérent.

Utilité
Gain de temps pour préparer une conférence, un contenu de formation, une présentation technique.

Technologies

• Slidev ou Reveal.js pour générer un PDF ou une version web de slides Markdown
• Un notebook avec des widgets IPython (FileUpload) pour rapidement uploader un fichier
• LangChain pour découper le texte et générer les slides

Documentations, tutos, inspirations open source

• Guide de syntaxe de Slidev

Bonus
Générez des slides en temps réel à partir de la voix avec Mastra.

38) Générateur de contenus pour newsletters

Objectif
Créer automatiquement des newsletters thématiques à partir d’un flux RSS.

Utilité
Automatise la rédaction d’un premier résumé pour le marketing ou la veille interne.

Technologies

• Cron job + CI/CD pour déclencher la récupération du flux RSS
• Stockage des résultats dans un dépôt GitHub
• LLM avancé pour transformer le flux en newsletter

Documentations, tutos, inspirations open source

• Regardez AWS Generative AI Newsletter application: pipeline serverless prêt à l’emploi.
• Testez le newsletter‑generator de LLamaIndex: web‑app open-source simple et efficace.

Bonus
Générez un podcast vocal (cf la newsletter Quoi de neuf les devs)

39) Assistant IA pour benchmark concurrentiel

Objectif
Collecter automatiquement des informations sur vos concurrents (sites, avis, prix), générer des comparaisons et alertes en temps réel.

Utilité
Aide les équipes produit/marketing à suivre leur marché et détecter les opportunités rapidement.

Technologies

• Scraping (BeautifulSoup, APIs)
• Navigation automatisée via Browser Use
• Structuration des données avec Vercel AI SDK et zod
• Stockage du résultat dans un dossier cloud

40) Mini-application IA de prise de notes augmentée

Objectif
Capturer des idées et enrichir automatiquement les notes (résumé, reformulation, liens) via IA.

Utilité
Améliore la prise de notes pour étudiants ou créateurs de contenus.

Technologies

• Interface légère supportant le Markdown, avec un éditeur de texte ProseMirror
• Connexion à un LLM de frontière
• Sauvegarde sur le cloud

Documentations, tutos, inspirations open source

• Testez Notty : un éditeur minimal avec assistance IA pour reformuler et enrichir notes.
• Découvrez NoteGen : application markdown cross‑platform tirant parti de l’IA pour organiser et structurer les idées.

Fin : à vous de coder

Voilà, vous avez découvert pas moins de 40 projets IA à implémenter avec des technologies LLM.

Ils sont représentatifs du travail au quotidien des développeurs LLM et des agences LLM. Ce nouveau domaine du développement LLM est à la frontière entre l’IA et le développement informatique traditionnel.

LBKE vous accompagne dans votre apprentissage du développement LLM avec deux formations éligibles CPF LangGraph / LangChain (Python) et Mastra / Vercel AI SDK (JavaScript).