DSPy
Anneau : ASSESS · Domaine : DEVELOPMENT · Éditeur : Stanford NLP (Stanford Future Data Systems)
Cadre de travail Python pour « programmer, et non plus écrire des prompts » : le nom signifie Declarative Self-improving Python. Il permet de construire des systèmes modulaires, d'un simple classifieur à un pipeline RAG ou une boucle d'agent, et fournit des algorithmes pour optimiser les prompts et les poids. Le dépôt rattache le projet à plusieurs publications (DSPy, ICLR 2024 ; optimisation d'instructions et de démonstrations pour programmes multi-étapes ; combinaison de fine-tuning et d'optimisation de prompt ; GEPA, juillet 2025, sur l'évolution réflexive des prompts). Installation par pip install dspy. Dernière version : 3.4.0 (25 septembre 2026).
Valeur métier
Remplace l'écriture et la retouche manuelle de prompts par des programmes que l'on évalue et optimise avec des jeux de test. Intéressant pour les équipes qui veulent rendre un pipeline LLM reproductible et moins dépendant d'un modèle donné ; en revanche, il demande des compétences Python et un jeu d'évaluation.
Valeur IA
Rend un pipeline LLM optimisable et testable plutôt que réglé à la main par essais de prompts.
Tags : framework, prompt-optimization, llm, python, stanford, open-source, rag, agents