Tu comprends ce qu'est un token et pourquoi les modèles calculent sur des nombres.
Niveau 2 Le grand cahier
Intermédiaire
On regarde l'IA d'un peu plus près
Comprends ce qui se passe vraiment
Passer des analogies aux vrais mécanismes modernes
Toujours avec des images et des histoires, mais on apprend des trucs encore plus malins sur comment l'IA réfléchit.
On passe des images aux vrais rouages : tokens, mémoire, recherche d'infos… Tu commences à parler l'IA comme un pro.
On garde la clarté, mais on ajoute de la structure : on commence à lire les systèmes actuels comme un praticien sérieux.
Le niveau 2 transforme les intuitions en vrais mécanismes
Tu gardes la clarté du niveau 1, mais tu commences à lire les modèles modernes comme quelqu'un qui manipule vraiment des outils IA.
- LLM
- Tokens
- RAG
- Agents
À la fin, tu comprends les LLM, les embeddings, le RAG, les prompts structurés et la différence entre un workflow et un agent.
Progression0 / 12 fiches validées
0% Progression guidée Accessible à tous
Tu visualises à quoi servent embeddings, vecteurs et recherche sémantique.
Tu fais la différence entre workflow guidé et agent.
Je relie les analogies aux vraies briques des systèmes modernes
Je manipule des notions comme token, embedding ou chunking
Je compare les approches selon leur rôle et leurs limites
Je pratique avec une vision déjà orientée produit
Premier déclic
Ton premier pas ici: ouvrir la boîte des LLM sans la rendre indigeste
On monte d'un cran sans casser la pédagogie: plus technique, mais toujours visuel, progressif et concret.
La mécanique du texte
Tokens et grands modèles de langage
Le niveau intermédiaire sert à relier les mots qu'on entend partout aux mécanismes réels: tokenisation, contexte, recherche sémantique, prompts et outils.
Ouvrir la première fiche Ce que cette première session doit t'apporter Un vrai déclic simple, rassurant et mémorisable.
Tu comprends ce qu'est un token et pourquoi les modèles calculent sur des nombres.
Tu visualises à quoi servent embeddings, vecteurs et recherche sémantique.
Tu fais la différence entre workflow guidé et agent.
Plan du niveau
Trois étapes simples pour avancer sans te perdre
Carnet éditorial, schémas propres, rythme calme, notions reliées.
1
Lire un LLM
Le module pour lire la matière première des LLM avec des mots enfin clairs.
- Tokenizer et contexte
- Prédire le prochain token
- Fenêtre de contexte et mémoire
2
Chercher et retrouver
Le module pour comprendre comment un système retrouve, classe et injecte l'information.
- Embeddings
- Vectorisation
- Chunking
- RAG de base
3
Faire agir un système
Le module pour passer de la réponse à l'action orchestrée.
- Prompts structurés
- Outils et appels de fonctions
- Agents, mémoire, planification
À la fin du niveau
Voilà ce que tu sauras vraiment raconter ou repérer
On n'apprend pas juste des mots. On cherche un vrai résultat de compréhension que tu peux réutiliser dans une conversation, un cours, un métier ou un projet.
Expliquer la logique générale d'un LLM moderne.
Comprendre à quoi servent embeddings, RAG et prompts structurés.
Relier un besoin produit à un type de système IA.
Parler d'agent sans tout mélanger avec un simple workflow.
Fiches prêtes à lire
Les fiches de ce niveau déjà prêtes pour démarrer maintenant
Chaque fiche garde la même logique: un déclic simple, une explication claire, des repères visuels et une montée progressive vers la compréhension.
Niveau 2
La mécanique du texte Intermédiaire
Tokens et grands modèles de langage
Comprendre qu'un LLM ne lit pas des phrases comme nous : il manipule des fragments appelés tokens.
- tokens
- texte
Niveau 2
Quand les idées deviennent des coordonnées Intermédiaire
Embeddings et vecteurs
Voir comment un système transforme des textes ou documents en points d'un espace pour retrouver ce qui se ressemble.
- recherche
- similarité
Niveau 2
Rouvrir le cahier avant de répondre Intermédiaire
RAG expliqué simplement
Comprendre le principe du Retrieval-Augmented Generation sans le transformer en jargon intimidant.
- documents
- fiabilité
Niveau 2
Le cerveau ne fait pas tout Intermédiaire
Agents vs workflows
Faire la différence entre un enchaînement déterministe d'étapes et un système plus autonome piloté par modèle.
- outils
- orchestration
Niveau 2
Ce que le modèle garde sous les yeux Intermédiaire
La fenêtre de contexte
Comprendre ce qu'un modèle peut « garder en tête » pendant une conversation, et pourquoi cela a une limite.
- mémoire
- limites
Niveau 2
Mieux demander, mieux obtenir Intermédiaire
Bien écrire ses prompts
Comprendre pourquoi une consigne claire et structurée change radicalement la qualité de la réponse.
- consigne
- clarté
Niveau 2
Se souvenir, mais pas tout seul Intermédiaire
La mémoire d'un assistant
Comprendre pourquoi un modèle n'a pas de mémoire native, et comment un produit lui en donne une.
- contexte
- produit
Niveau 2
Plusieurs sens, une seule machine Intermédiaire
Le multimodal : texte, image, son
Comprendre comment un modèle peut comprendre et mélanger du texte, des images et du son.
- image
- audio
Niveau 2
Il n'y a pas de « meilleur » dans l'absolu Intermédiaire
Comparer les familles de modèles
Apprendre à comparer les grandes familles de modèles (GPT, Claude, Gemini, Mistral, Llama…) selon l'usage, pas selon le buzz.
- comparaison
- usage
Niveau 2
Du bruit qui devient un film Intermédiaire
Comment l'IA génère des vidéos
Comprendre comment une IA crée une vidéo : la même idée que pour les images, mais avec le temps en plus — et pourquoi c'est si lourd, si cher et encore imparfait.
- diffusion
- génératif
Niveau 2
Trois machines très différentes, pas une seule Intermédiaire
La voix : comprendre, parler, cloner
Séparer clairement les trois briques de la voix par IA — comprendre (transcrire), parler (synthèse), cloner — et savoir pourquoi le clonage change la donne (arnaques, consentement).
- audio
- synthèse vocale
Niveau 2
Du texte aux notes, en jetons Intermédiaire
Comment l'IA crée de la musique
Comprendre comment une IA fabrique une chanson entière à partir d'une simple description, sans baguette magique.
- audio
- génération