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
Apprenez l'IA.Libre pour toujours.
1019 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.
1019Guides gratuits
9Pistes thématiques
~2 minPar guide
~34hTemps 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
1019 de 1019 guides illustrés. Filtrez par piste ou recherchez ci-dessus.
Technique
Distillation des connaissances
La distillation des connaissances entraîne un petit modèle « étudiant » à imiter un grand modèle « enseignant » précis.
TechniqueMélange d'experts
Le mélange d'experts (MoE) est une conception de modèle qui divise un réseau en de nombreux sous-réseaux spécialisés et n'en active que quelques-uns par entrée.
FondamentauxIntégrations
Les intégrations transforment des mots, des images ou d'autres données en listes de nombres (vecteurs) afin que des éléments similaires se retrouvent rapprochés dans un espace de grande dimension.
FondamentauxTokenisation
La tokenisation est l'étape qui consiste à découper le texte en morceaux plus petits appelés jetons, les unités qu'un modèle de langage lit et prédit réellement.
FondamentauxIngénierie des fonctionnalités
L'ingénierie des fonctionnalités consiste à transformer des données brutes en entrées informatives (fonctionnalités) qui aident un modèle à apprendre.
TechniqueQuantification du modèle
La quantification du modèle réduit un réseau neuronal en stockant ses nombres sur moins de bits, de sorte que le même modèle s'exécute plus rapidement et sur un matériel plus petit.
TechniqueApprentissage fédéré
L'apprentissage fédéré entraîne un modèle partagé sur de nombreux appareils ou organisations sans collecter leurs données brutes en un seul endroit.
FondamentauxArbres de décision et forêts aléatoires
Un arbre de décision fait des prédictions en posant une série de questions simples oui/non, comme un organigramme.
FondamentauxMachines à vecteurs de support
Une machine à vecteurs de support (SVM) est un algorithme classique qui sépare deux groupes en traçant la frontière la plus large possible entre eux.
FondamentauxRéduction de dimensionnalité
La réduction de dimensionnalité réduit les données de plusieurs colonnes (caractéristiques) à quelques-unes tout en conservant la structure importante.
FondamentauxApprentissage par transfert
L'apprentissage par transfert réutilise un modèle déjà formé sur un grand ensemble de données et l'adapte à une nouvelle tâche connexe.
FondamentauxApprentissage auto-supervisé
L'apprentissage auto-supervisé entraîne des modèles sur des données non étiquetées en inventant une tâche dont la réponse est cachée dans les données elles-mêmes.
Vous avez fini de lire ? Prouvez-le.
Vérifiez ce que vous avez appris avec un quiz thématique, puis explorez nos cours structurés ou travaillez pour obtenir un certificat. Chaque guide reste libre de lecture.