LangChain
Le framework open source le plus largement adopté pour construire des applications LLM — chaînes, agents, retrieval et intégrations couvrant des centaines de fournisseurs — et l'écosystème autour de LangGraph et LangSmith.
L'IA de production est un système : contexte, outils, permissions, traces, évaluations et boucles de rétroaction autour du modèle.
Ce que c'est
LangChain (2022, Python et TypeScript) emballe les blocs de construction des applications LLM : gabarits de prompts, retrieval, intégrations d'outils, mémoire et adaptateurs de modèles pour à peu près chaque fournisseur. Autour gravitent LangGraph, pour l'orchestration d'agents avec état, et LangSmith, pour le traçage et l'évaluation.
Pourquoi c'est important
LangChain est le point d'entrée de facto de l'ingénierie LLM et le plus grand catalogue d'intégrations de l'écosystème. Il est aussi régulièrement critiqué pour la profondeur de ses abstractions : les équipes prototypent souvent dessus, puis allègent vers des SDK directs ou des frameworks plus légers. Savoir quand il mérite sa place relève de la décision d'ingénierie, pas d'un réflexe par défaut.
Concepts liés
LangGraph, Pydantic AI, Harnais d'agent, RAG.
Ressources connexes
La bibliothèque de LangChain pour construire des workflows d'agents avec état sous forme de graphes — nœuds, arêtes, points de contrôle et interruptions avec humain dans la boucle — un des substrats courants pour l'orchestration d'agents en production.
Le framework d'agents de l'équipe Pydantic — agents typés, sorties structurées, appel d'outils, reprises et évaluations construits autour de la validation Pydantic, avec un support multi-fournisseurs et de bascule de premier ordre.
L'échafaudage autour d'un agent IA — construction du prompt, acheminement des outils, logique de reprise, émission de traces, gestion d'état — qui transforme un modèle en participant de workflow.
Le patron où un agent IA récupère du contexte pertinent dans vos données avant de générer une réponse — au lieu de s'appuyer uniquement sur ce que le modèle a appris à l'entraînement.
Comment nous l'utilisons
Notre framework d'agents par défaut est Pydantic AI. Quand la pile existante d'un mandat repose sur LangChain ou LangGraph, nous l'étendons plutôt que de la réécrire — le contrat de runtime que nous ajoutons (versionnage, évaluations, traces, portes de promotion) est le même sur l'un ou l'autre substrat.