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
Meta-Apprentissage
Meta-learning, ou « apprendre à apprendre », entraîne les modèles à s'adapter rapidement à de toutes nouvelles tâches à partir de seulement une poignée d'exemples.
FondamentauxMéthodes d'ensemble et boosting de gradient
Les méthodes d'ensemble combinent de nombreux modèles simples afin que le groupe fasse de meilleures prédictions que n'importe quel modèle unique.
FondamentauxApprentissage profond bayésien
L'apprentissage profond bayésien traite les poids d'un réseau neuronal comme des distributions de probabilité plutôt que comme des nombres fixes, de sorte que le modèle peut indiquer son niveau de confiance.
FondamentauxApprentissage du programme
L’apprentissage du programme entraîne les modèles d’IA sur des exemples dans un ordre délibéré – facile d’abord, difficile ensuite – au lieu de fournir des données dans un ordre aléatoire.
FondamentauxRecherche d'architecture neuronale
Neural Architecture Search (NAS) automatise la conception des structures de réseaux neuronaux – laissant les algorithmes, et non les humains, décider du nombre de couches et des opérations…
FondamentauxApprentissage continu et oubli catastrophique
L’apprentissage continu est l’objectif de former l’IA à un flux de nouvelles tâches au fil du temps sans effacer ce qu’elle sait déjà.
FondamentauxAuto-encodeurs variationnels
Les auto-encodeurs variationnels (VAE) sont des réseaux de neurones génératifs qui apprennent à compresser les données dans un espace latent lisse et probabiliste, puis à reconstruire…
FondamentauxModèles spatiaux d’état et Mamba
Les modèles d'espace d'état (SSM) sont des modèles de séquence qui transmettent des informations à travers un état caché compressé, évoluant linéairement avec la longueur de la séquence…
FondamentauxRéseaux de neurones graphiques
Les réseaux de neurones graphiques (GNN) sont des modèles qui apprennent directement sur des données structurées sous forme de graphes (nœuds connectés par des arêtes) en transmettant et en agrégeant des informations…
FondamentauxApprentissage par renforcement multi-agents
L'apprentissage par renforcement multi-agents (MARL) forme plusieurs agents d'apprentissage qui partagent un environnement, chacun adaptant son comportement tandis que les autres s'adaptent également.
FondamentauxApprentissage actif
L'apprentissage actif est une stratégie de formation dans laquelle le modèle lui-même choisit les exemples non étiquetés qu'un humain doit ensuite étiqueter.
FondamentauxAugmentation des données
L'augmentation des données élargit artificiellement un ensemble de formation en créant des copies modifiées d'exemples existants, comme en retournant ou en recadrant des images.
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.