FSH Learn // Gratuit // FR + EN
L'IA, expliquée par quelqu'un qui la met en production
Les concepts clés de l'IA en mots simples, chacun lu avec le regard d'un leader produit et tech.
- Fondateurs
- Product managers
- Tech leads
- Dirigeants
Parcours
Des parcours courts qui mènent une compétence IA des principes de base à une décision que vous pouvez défendre.
Concepts
15 en ligneModèles
- Le grand modèle de langage (LLM)Un modèle qui prédit le token suivant à partir de motifs appris. Il n'a ni mémoire propre ni jugement, et il produit la suite la plus plausible, pas la plus juste.7 min de lectureLire
- Les hallucinationsLe modèle énonce des affirmations fausses mais plausibles : il est entraîné à répondre, pas à reconnaître ce qu'il ignore. On les réduit par la conception du produit ; on ne les supprime pas.7 min de lectureLire
- Les tokens et le coûtChaque token envoyé au modèle et chaque token qu'il renvoie coûtent de l'argent et du temps. Le budget fait donc partie de la conception, dès le départ.7 min de lectureLire
- Les autres familles de modèlesUn LLM n'est qu'un type de modèle parmi d'autres. Image, voix, recherche par le sens, chiffres, petits modèles locaux : ce que fait chacun, ce qu'il change pour vous et à quoi il sert.10 min de lectureLire
- L'effort de raisonnementUn réglage qui échange du temps de réflexion et de l'argent contre de la qualité sur les tâches difficiles. Sur une tâche simple, plus d'effort coûte plus sans rien améliorer.7 min de lectureLire
Contexte
- La fenêtre de contexteLa quantité fixe de texte qu'un modèle peut voir à la fois. Ce qui n'y tient pas n'existe pas pour lui, même si c'est essentiel pour vous.9 min de lectureLire
- Le prompting : bien briefer un modèleLe prompt est le texte que le modèle reçoit ; le prompting, la façon de l'écrire et de choisir ce que le modèle lit. Des consignes claires, rangées au bon niveau, valent mieux qu'un long texte.11 min de lectureLire
- Le RAG : chercher avant de répondreAu moment de la question, l'application va chercher les quelques documents utiles et les donne au modèle, au lieu de tout lui envoyer. La réponse ne vaut que ce que vaut la recherche.8 min de lectureLire
Construire
- Le harnais : ce qui entoure le modèleLe même modèle donne des résultats très différents selon l'outil qui l'entoure : ses instructions, ce qu'il lit, ce qu'il peut faire et ce qui est vérifié. C'est cet entourage qu'il faut choisir et régler.8 min de lectureLire
- Skills et plugins : du savoir-faire à la demandeUn skill réunit des instructions, des fichiers de référence et parfois du code, qu'un assistant IA charge quand la tâche le demande. Il se partage comme un document et s'installe comme un logiciel.8 min de lectureLire
- Les agentsUn agent est un modèle qui, en boucle, choisit ses outils et agit pour atteindre un but. Souvent, un enchaînement fixe fait le même travail pour moins cher et se teste mieux.10 min de lectureLire
- Les garde-fousLes contrôles placés autour d'un modèle : validation, limites, revue humaine et défense contre l'injection de prompt. Ils se dimensionnent selon le coût d'une erreur.8 min de lectureLire
- Les évaluations (évals)Des tests répétables qui montrent si une fonctionnalité IA est assez bonne, avant et après chaque changement. Sans eux, on juge sur une démo.7 min de lectureLire
- Les sorties structuréesUne sortie structurée oblige la réponse du modèle à suivre un schéma fixé d'avance. Sa forme est contrainte ; sa justesse reste à mesurer.7 min de lectureLire
- Outils et MCP : brancher un modèle sur vos systèmesUn modèle n'agit sur vos systèmes qu'à travers des outils : il demande l'appel, votre application l'exécute. MCP standardise ces branchements. Chacun ouvre un accès, à limiter et à confier à un propriétaire.9 min de lectureLire