01
Fondements de l'IA
Comprenez ce qu'est l'IA, comment les systèmes apprennent, où ils échouent et comment juger les réclamations sans battage médiatique.
Bibliothèque IA gratuite
Fondamentaux GuidesLibre pour toujours.
84 des guides en anglais simple, des parcours d'apprentissage structurés et une bibliothèque ouverte — construits par une organisation à but non lucratif indépendante 501(c)(3) pour que tout le monde puisse comprendre l'IA moderne.
84Guides gratuits
1Pistes thématiques
~2 minPar guide
~3hTemps de lecture
Commencez ici
Cinq cours axés sur les résultats
Chaque cours comprend des résultats explicites, des compétences cartographiées, des activités pratiques et une synthèse appliquée.
02
Utilisateur responsable de l'IA
Utilisez l’IA de manière productive tout en protégeant la confidentialité, en vérifiant les résultats et en préservant la responsabilité humaine.
03
L'IA au travail
Évaluez les cas d'utilisation sur le lieu de travail, exécutez des projets pilotes sûrs, mesurez la valeur et communiquez les changements de manière responsable.
04
Politique et société en matière d'IA
Analysez les systèmes d’IA en termes de droits, d’équité, de gouvernance, de sécurité et d’intérêt public.
05
Construire avec des systèmes d'IA
Comprenez les modèles de langage, la récupération, les agents, l'évaluation, les coûts et les garanties de déploiement grâce à une conception de système pratique.
Pistes thématiques
Parcourir par piste
Sautez dans la zone qui vous tient à cœur. Chaque piste comporte plusieurs guides en anglais simple.
FondamentauxConcepts de base : comment l'IA fonctionne à un niveau élevé.84 Guides IA linguistiqueLLM, PNL, ChatGPT, invite et compréhension de texte.155 Guides IA visuelleGénération d'images, vision par ordinateur, vidéo et conception.133 Guides IA audioVoix, musique, podcasting et IA axée sur l'audio.117 Guides EntreprisesProfils de OpenAI, Anthropic, Google, Meta, et plus encore.121 Guides ApplicationsComment l'IA apparaît dans le codage, la recherche, les agents et la vie quotidienne.111 Guides SecteursL'IA dans les soins de santé, la finance, l'éducation, l'énergie et bien plus encore.91 Guides TechniquePuces, réglage fin, RAG, vecteurs et infrastructure IA.177 Guides SociétéBiais, confidentialité, droits d'auteur, sécurité et avenir de l'IA.30 Guides
Bibliothèque complète
Tous les guides
84 de 1019 guides illustrés. Filtrez par piste ou recherchez ci-dessus.
Fondamentaux
Réglage fin en mode autonome
Le réglage fin de l'auto-jeu améliore un modèle en le faisant rivaliser ou en apprenant de ses propres résultats passés, générant ainsi son propre signal d'entraînement.
FondamentauxFormation en période de test
L'entraînement au moment du test (TTT) permet à un modèle de continuer à apprendre de chaque nouvelle entrée au moment où il fait une prédiction, au lieu de rester figé après l'entraînement.
FondamentauxGrokking et généralisation retardée
Grokking est un phénomène surprenant dans lequel un réseau de neurones mémorise d'abord ses données d'entraînement, reste longtemps avec une précision de validation proche de zéro, puis…
FondamentauxSurajustement et sous-ajustement
Le surajustement se produit lorsqu'un modèle mémorise ses données d'entraînement et échoue sur de nouveaux exemples ; le sous-ajustement, c'est quand il est trop simple de capturer le modèle réel.
FondamentauxRégularisation
La régularisation est un ensemble de techniques qui contraignent délibérément un modèle afin qu'il se généralise à de nouvelles données au lieu de mémoriser l'ensemble d'apprentissage.
FondamentauxRétropropagation
La rétropropagation est l'algorithme qui permet à un réseau neuronal d'apprendre de ses erreurs en calculant efficacement la contribution de chaque poids à l'erreur.
FondamentauxDescente de dégradé
La descente de gradient est la méthode d'optimisation qui fait descendre les poids d'un modèle vers une erreur plus faible, une petite étape à la fois.
FondamentauxFonctions de perte
Une fonction de perte est le nombre unique qui indique à un modèle à quel point ses prédictions sont fausses, transformant un objectif vague en quelque chose que les mathématiques peuvent optimiser.
FondamentauxFonctions d'activation
Les fonctions d'activation sont de petites portes non linéaires à l'intérieur de chaque neurone qui permettent aux réseaux neuronaux d'apprendre des motifs complexes et courbes au lieu de simplement des lignes droites.
FondamentauxRéseaux de neurones convolutifs
Les réseaux de neurones convolutifs (CNN) constituent l’architecture la plus performante pour comprendre les images.
FondamentauxRéseaux de neurones récurrents
Les réseaux de neurones récurrents (RNN) sont conçus pour gérer des séquences telles que du texte, de la parole et des séries chronologiques.
FondamentauxRéseaux adverses génératifs
Les réseaux contradictoires génératifs (GAN) créent de nouvelles données réalistes en opposant deux réseaux de neurones dans un concours.
Vous avez fini de lire ? Prouvez-le.
Check what you learned with a topic quiz, then explore our structured courses or work toward a certificate. Every guide stays free to read.