Bibliothèque pédagogique
Comprendre l’IA, un sujet à la fois.
Des fiches courtes, classées par besoin, avec une date de mise à jour et des sources consultables.
66 contenus
Qu’est-ce que l’intelligence artificielle ?
Comprendre ce qu’une IA fait réellement, sans lui prêter des capacités humaines.
NotionQu’est-ce qu’une IA générative ?
Découvrir comment elle produit du texte, des images, du son ou du code.
NotionChatbot, moteur ou agent IA ?
Comprendre ce qui dialogue, ce qui retrouve des sources et ce qui peut agir.
NotionTokens et fenêtre de contexte
Comprendre comment l’IA découpe les informations et ce qu’elle peut examiner à la fois.
NotionComment une IA apprend-elle ?
Suivre le parcours des exemples au modèle et distinguer entraînement, contexte et utilisation.
NotionQuelles données utilise une IA ?
Comprendre leur origine, leur préparation et pourquoi leur qualité change les résultats.
NotionComment une IA crée-t-elle une image ?
Voir comment le bruit, le texte et les réglages deviennent progressivement une image.
NotionComment une IA crée-t-elle une voix ou un son ?
Comprendre la synthèse vocale, le clonage, la musique et les précautions indispensables.
NotionComment une IA crée-t-elle une vidéo ?
Comprendre les images successives, la cohérence temporelle et les risques de manipulation.
NotionQu’est-ce qu’une IA multimodale ?
Comprendre comment un même système relie texte, image, son et vidéo sans devenir infaillible.
NotionUne IA peut-elle raisonner ?
Distinguer une résolution par étapes d’une pensée humaine et apprendre à contrôler le résultat.
NotionAlgorithme, automatisation et IA : quelles différences ?
Distinguer une méthode, son exécution automatique et la production d’un résultat par inférence.
NotionModèle ouvert, fermé, local ou cloud ?
Comprendre deux choix distincts : l’accès au modèle et l’endroit où le calcul est réalisé.
NotionQu’est-ce qu’une mémoire d’IA ?
Distinguer contexte, historique, préférences, documents retrouvés et connaissances apprises.
NotionPourquoi les réponses d’une IA changent-elles ?
Comprendre probabilités, température, contexte et variation sans confondre stabilité et vérité.
NotionQu’est-ce qu’un réseau de neurones ?
Suivre l’information à travers les couches et comprendre comment le réseau ajuste ses paramètres.
NotionQue sont les paramètres d’un modèle ?
Comprendre les valeurs apprises et pourquoi leur nombre ne suffit pas à mesurer la qualité.
NotionQu’est-ce qu’un embedding ?
Comprendre comment des contenus deviennent des coordonnées et comment l’IA mesure leur proximité.
NotionQu’est-ce que le RAG ?
Voir comment une IA retrouve des passages avant de répondre et pourquoi les sources restent à contrôler.
NotionQu’est-ce qu’un LLM ?
Comprendre comment un grand modèle de langage prédit des tokens et pourquoi un texte fluide peut être faux.
NotionQu’est-ce qu’un Transformer ?
Comprendre comment l’attention relie les tokens et pourquoi cette architecture équipe de nombreux modèles.
NotionQu’est-ce que le fine-tuning ?
Comprendre comment on spécialise un modèle et quand préférer un prompt ou le RAG.
NotionQu’est-ce que l’inférence en IA ?
Suivre le calcul qui transforme une nouvelle entrée en prédiction ou en réponse.
NotionQu’est-ce que la distillation d’un modèle ?
Comprendre comment un grand modèle aide à entraîner un élève plus léger.
NotionQu’est-ce que la quantification d’un modèle ?
Voir comment réduire la précision numérique peut alléger et accélérer une IA.
NotionQu’est-ce que l’élagage d’un modèle ?
Comprendre ce que l’on retire vraiment et pourquoi les gains doivent être mesurés.
NotionQu’est-ce qu’un modèle Mixture of Experts ?
Voir comment un routeur n’active qu’une partie d’un grand modèle pour chaque token.
NotionGPU, TPU et NPU : quelles différences ?
Comprendre pourquoi l’IA utilise des puces spécialisées et comment les comparer.
NotionRAM, VRAM et mémoire d’un modèle d’IA
Estimer ce qui doit tenir en mémoire et comprendre pourquoi les poids ne sont qu’une partie du besoin.
NotionQu’est-ce que le cache KV ?
Comprendre comment le modèle réutilise ses calculs passés et pourquoi le contexte occupe de la mémoire.
NotionPréentraînement et alignement
Suivre les étapes qui transforment une base de prédiction en assistant suivant des consignes.
NotionBenchmarks et évaluations d’une IA
Comprendre ce qu’un score mesure, ce qu’il masque et comment tester un outil pour son usage réel.
VigilanceInstructions système et garde-fous
Distinguer une consigne linguistique des véritables protections techniques d’une application d’IA.
NotionQu’est-ce qu’une API d’IA ?
Suivre la demande d’une application jusqu’au modèle et comprendre les contrôles indispensables.
NotionModèle généraliste ou spécialisé ?
Choisir selon la tâche, le volume, le coût et les conditions réelles plutôt que selon la taille.
NotionFaire fonctionner une IA localement
Comprendre ce qui reste sur l’appareil, le matériel nécessaire et les compromis avec le cloud.
NotionComment un agent IA utilise-t-il des outils ?
Décomposer la boucle qui choisit, autorise et exécute une action dans un service externe.
NotionIA, emploi et métiers
Distinguer l’automatisation d’une tâche, la transformation d’un poste et la disparition d’un emploi.
NotionSupervisé, non supervisé ou par renforcement ?
Comprendre quel signal guide le modèle : réponse, structure ou récompense.
NotionClassification, régression et génération
Distinguer trois formes de résultats et les contrôles adaptés à chacune.
NotionFonction de perte et descente de gradient
Voir comment un modèle mesure son erreur et ajuste progressivement ses paramètres.
NotionSurapprentissage et généralisation
Comprendre pourquoi réussir les exercices connus ne suffit pas face au réel.
NotionComment lire un jeu de données pour l’IA ?
Distinguer exemples, caractéristiques et étiquettes, puis éviter les fuites.
NotionPrécision, rappel et matrice de confusion
Comprendre ce qu’un score moyen cache et choisir une mesure selon le risque.
NotionPourquoi surveiller une IA après son lancement ?
Repérer les changements du monde réel et réagir avant que la qualité se dégrade.
NotionExplicabilité et interprétabilité de l’IA
Distinguer une explication fidèle d’un récit seulement convaincant.
NotionQue signifie la « confiance » d’une IA ?
Interpréter un score sans le confondre avec une certitude ou une preuve.
NotionQu’est-ce qu’un modèle bien calibré ?
Vérifier si les probabilités annoncées correspondent aux fréquences observées.
NotionComment une IA détecte-t-elle une anomalie ?
Comprendre pourquoi un cas inhabituel est un signal à vérifier, pas un verdict.
NotionComment fonctionne un système de recommandation ?
Suivre le passage du catalogue aux quelques propositions finalement affichées.
Guide pratiqueFormuler une bonne demande
Une méthode simple en quatre éléments et un modèle prêt à réutiliser.
Guide pratiqueRésumer un document avec une IA
Protéger les informations, donner une consigne claire et vérifier le résultat.
Guide pratiqueApprendre avec une IA
Progresser avec l’outil sans lui confier sa réflexion ni son travail.
Guide pratiqueEnfants, adolescents et IA
Apprendre, créer et réagir aux situations difficiles avec sept règles simples.
Guide pratiqueUtiliser l’IA au travail
Choisir une tâche adaptée, protéger les informations et contrôler le résultat.
Guide pratiqueChoisir un outil d’IA
Comparer les solutions à partir de son besoin, de ses données et de tests concrets.
VigilanceComprendre les hallucinations
Reconnaître une information inventée et acquérir les bons réflexes.
VigilanceProtéger ses informations
Savoir quelles données ne pas transmettre et comment réduire les risques.
VigilanceVérifier une réponse d’IA
Contrôler les affirmations importantes sans devoir tout recommencer.
VigilanceComprendre les biais
Repérer comment des données, des choix ou un usage peuvent déséquilibrer un résultat.
VigilancePeut-on laisser une IA décider ?
Adapter le contrôle humain aux conséquences et reconnaître une validation seulement apparente.
VigilanceReconnaître un contenu suspect
Vérifier l’origine d’une image, d’une voix ou d’une vidéo avant de la partager.
VigilanceUne conversation est-elle confidentielle ?
Comprendre ce qui peut être conservé et quoi vérifier avant de partager.
VigilanceIA et droit d’auteur
Adopter les bons réflexes avec les contenus utilisés et produits.
VigilanceImpact environnemental de l’IA
Comprendre d’où vient l’impact et réduire les calculs inutiles sans culpabiliser.
VigilanceReconnaître une arnaque utilisant l’IA
Déjouer la pression, vérifier une identité et réagir rapidement si vous avez déjà agi.
Essayez un terme plus simple ou affichez de nouveau toutes les catégories.