video1.0<iframe src="https://www.loom.com/embed/0b3cfca9031e4674aa4625c75893f926" frameborder="0" width="1850" height="1387" webkitallowfullscreen mozallowfullscreen allowfullscreen></iframe>13871850Loomhttps://www.loom.com13871850https://cdn.loom.com/sessions/thumbnails/0b3cfca9031e4674aa4625c75893f926-3cbc9e3d9ca2c1aa.gif5441.638Dans cette vidéo, nous découvrons l’outil **Langraph**, un framework permettant de construire des flux de travail complexes autour des LLM (modèles de langage). L’auteur commence par rappeler la différence entre un simple enchaînement linéaire de tâches (pipeline) et une approche plus avancée de type workflow ou agentique, où l’on peut gérer des boucles, des branches conditionnelles et des interventions humaines au fil de l’exécution. Il explique ensuite la structure de Langraph (États, Nœuds, Arrêtes), la notion de persistance, de suivi (streaming, logs) et les possibilités de débogage. La vidéo se poursuit par des démonstrations de code, depuis un petit exemple (un chatbot “one-shot”) jusqu’à la mise en place d’un système plus élaboré d’analyse d’intention (Intent Analyzer) pouvant faire des allers-retours entre plusieurs nœuds (classifieur, critique, etc.). L’ensemble illustre comment Langraph facilite la modélisation d’architectures évoluées combinant prompts, mémoires, actions et décisions, notamment dans des scénarios où interviennent plusieurs agents ou types de traitements.