Espace d'apprentissage

Le point d'entrée central pour tous les contenus d'apprentissage — guidé ou libre, comme tu préfères.

Parcours d'apprentissage

Contenu

Le socle

Les bases techniques sont posées ici pour que personne ne bute sur les termes.

Opérations & ligne de commande

Comment fonctionne un ordinateur, ce que sont les APIs et comment utiliser le terminal.

Débutant 0 sur 5

Vous comprenez comment les ordinateurs fonctionnent. Vous utilisez le terminal et Git.

5 articles Sans prérequis Aucun

Comment un ordinateur "réfléchit"

CPU, GPU, RAM et disque dur. Les composants d'un ordinateur.

Internet et les APIs

Comment les ordinateurs communiquent sur Internet.

Le terminal

Taper des commandes plutôt que cliquer. Les commandes essentielles.

Sauvegarder des versions avec Git

Enregistrer les modifications et les sauvegarder dans le cloud en toute sécurité.

Open Source et Closed Source

Code source ouvert et fermé. Ce que cela signifie.

Télécharger le certificat

Cliquez pour voir le statut

Python & logique de programmation

Des variables aux boucles et fonctions jusqu'aux classes et paquets.

Débutant

Vous programmez en Python. Vous comprenez les types de données, les boucles et les fonctions.

8 articles Débutants avec bases informatiques Prérequis: Opérations & ligne de commande

Variables et types de données

String, Integer, Float, Boolean. Comment stocker des données.

Conditions et boucles

If/Else et boucles (For, While). Le code prend ses propres décisions.

Fonctions

Diviser le code en petits blocs. Entrée et sortie.

Quand le code ne fonctionne pas

Trouver et corriger les erreurs. Lire les messages d'erreur.

Listes et dictionnaires

Stocker de nombreuses valeurs dans une liste. Retrouver des valeurs par leur nom.

Classes et objets

Plans de construction pour le code. Classe, objet, méthode et propriété.

Paquets (Packages)

Utiliser du code prêt à l'emploi. Ne pas réinventer la roue.

Environnements virtuels (Virtual Environments / Docker)

Séparer les projets les uns des autres. Chaque projet a ses propres paquets.

Télécharger le certificat

Cliquez pour voir le statut

L'atelier

Les choses se créent ici. Focus sur l'application, les outils et les workflows modernes.

Art génératif (images & vidéos)

Génération d'images avec Stable Diffusion, LoRA, ControlNet et plus encore.

Débutant Disponible à partir du 26 août 2026

Vous générez vos propres images avec Stable Diffusion. Vous utilisez LoRA et ControlNet.

4 articles + 1 démo Créatifs, designers, artistes amateurs Prérequis: Opérations & ligne de commande

Génération d'images (Du texte à l'image)

Disponible à partir du 26 août 2026

L'outil (Stable Diffusion Forge)

Disponible à partir du 26 août 2026

Contrôle et ajustement fin

Disponible à partir du 26 août 2026

Améliorer le flux de travail

Disponible à partir du 26 août 2026

GANs — Essayer

Voir comment les GANs génèrent des images.

Optionnel

Télécharger le certificat

Cliquez pour voir le statut

Modèles de langage locaux

L'écosystème Hugging Face. Utiliser et réduire les modèles localement.

Intermédiaire Disponible à partir du 9 sept. 2026

Vous comprenez Hugging Face. Vous installez des modèles sur votre ordinateur.

3 articles Soucieux de la protection des données, bricoleurs Prérequis: Opérations & ligne de commande

L'écosystème (Hugging Face)

Disponible à partir du 9 sept. 2026

Installer des modèles sur son ordinateur

Disponible à partir du 9 sept. 2026

Quantification (Réduire les modèles)

Disponible à partir du 9 sept. 2026

Télécharger le certificat

Cliquez pour voir le statut

Agents et automatisation

System prompts, Prompt Engineering, RAG, Function Calling et flux de travail no-code.

Intermédiaire

Vous créez des system prompts et construisez des pipelines RAG. Vous utilisez Function Calling et n8n.

6 articles Makers, automatiseurs Prérequis: Modèles de langage locaux Python & logique de programmation

Donner une tâche au modèle (system prompts)

System prompt et rôles. One-Shot et Few-Shot.

Prompt Engineering (Penser étape par étape)

Zero-Shot et Chain-of-Thought. Éviter les erreurs.

Connecter ses propres données (RAG)

Retrieval-Augmented Generation. L'IA reçoit vos données comme aide.

Function Calling (Quand l'IA appuie sur des boutons)

JSON output et Tool Use. L'IA choisit un outil et l'exécute.

Utiliser des interfaces (APIs et MCP)

API Key et Model Context Protocol. Connecter des agents IA à d'autres services.

Flux de travail no-code (n8n)

Trigger, Node et Workflow Automation. Des flux de travail sans programmation.

Télécharger le certificat

Cliquez pour voir le statut

L'IA dans le développement logiciel

Vibecoding, Context Engineering et agents de coding. Une nouvelle façon de programmer.

Intermédiaire Disponible à partir du 7 oct. 2026

Vous programmez avec l'IA. Vous utilisez le Context Engineering et les agents de coding autonomes.

3 articles Développeurs, makers Prérequis: Python & logique de programmation Agents et automatisation

Programmer avec le langage (Vibecoding)

Disponible à partir du 7 oct. 2026

Context Engineering

Disponible à partir du 7 oct. 2026

Agentic Coding (Des IA qui tapent elles-mêmes)

Disponible à partir du 7 oct. 2026

Télécharger le certificat

Cliquez pour voir le statut

L'académie

La colonne vertébrale académique — équivalent aux modules IA d'un cursus informatique, mais accessible à tous.

Structures informatiques et algorithmes

Ce que sont les algorithmes et comment les données sont organisées.

Intermédiaire

Vous comprenez les algorithmes, la notation Big-O et les principales structures de données.

6 articles Apprenants avec bases Python Prérequis: Python & logique de programmation

Qu'est-ce qu'un algorithme ?

Un guide étape par étape pour l'ordinateur.

Quelle est la rapidité d'un algorithme ? (Big-O)

Si un programme devient lent avec beaucoup de données.

Structures de données I (L'un après l'autre)

Array, Linked List, Stack, Queue. Les données en ligne.

Récursion

Une fonction qui s'appelle elle-même. Comme une boucle, mais différemment.

Structures de données II (Arbres et réseaux)

Tree, Graph, Node, Edge. Les données avec des connexions.

Structures de données III (Avec clé)

Hash Table et Key-Value Pair. Retrouver rapidement des données avec un nom.

Travelling Salesman — When Trying Everything Takes Too Long

This path's first demo: find the shortest tour through many cities — an NP-hard problem that exposes the limits of brute force and why we need clever heuristics like simulated annealing.

Optionnel

Télécharger le certificat

Cliquez pour voir le statut

Mathématiques des données

Statistiques et probabilités. Le fondement du Machine Learning.

Intermédiaire

Vous comprenez la moyenne, la dispersion, les distributions et le théorème de Bayes.

6 articles + 1 démo Apprenants avec bases en algorithmes Prérequis: Structures informatiques et algorithmes

Où est le centre ?

Moyenne, médiane et valeurs aberrantes.

À quelle distance du centre ?

Variance et écart-type. À quel point les données sont dispersées.

La forme des données (distributions)

Distribution normale, asymétrie et longues queues.

Relations entre les données

Corrélation et causalité. Deux choses sont-elles liées ?

Probabilité et espérance

Quelle est la probabilité d'un résultat ? Risque et utilité.

Bayes et probabilité conditionnelle

Le théorème de Bayes. Les nouvelles connaissances changent l'estimation.

Naive Bayes — Essayer

Classer des textes avec l'algorithme Naive Bayes.

Optionnel

Télécharger le certificat

Cliquez pour voir le statut

Algèbre linéaire et calcul

Vecteurs, matrices, tenseurs et dérivées. Le langage du Deep Learning.

Intermédiaire

Vous comprenez les vecteurs, matrices, tenseurs et dérivées. C'est ce dont on a besoin pour les réseaux de neurones.

6 articles Apprenants avec bases en statistiques Prérequis: Mathématiques des données

Directions et espaces (vecteurs)

Scalaire, vecteur et espace dimensionnel. Des nombres avec une direction.

Tableaux de données et transformations (matrices)

Matrice et multiplication matricielle. Des nombres en lignes et colonnes.

Tenseurs (Le langage des GPUs)

Tenseur comme tableau multidimensionnel. Des données sur plusieurs niveaux.

Mesurer le changement (dérivées)

Pente et taux de variation. Où est-ce que ça monte, où est-ce que ça descend ?

Dérivées partielles et gradient

Pente dans plusieurs directions simultanément.

Fonctions imbriquées (règle de la chaîne)

Des fonctions dans des fonctions. La base de la rétropropagation.

Télécharger le certificat

Cliquez pour voir le statut

IA classique et symbolique

De Turing aux méthodes de recherche et à la théorie des jeux jusqu'à l'hiver de l'IA.

Intermédiaire

Vous comprenez les débuts de l'IA. Vous connaissez les méthodes de recherche, la théorie des jeux et les enseignements de l'hiver de l'IA.

7 articles + 4 démos Apprenants avec bases en algorithmes Prérequis: Structures informatiques et algorithmes

La naissance de l'IA (De Turing à Dartmouth)

Test de Turing et conférence de Dartmouth (1956). Comment tout a commencé.

Recherche dans les graphes

Espace d'états, recherche en largeur (BFS) et en profondeur (DFS).

Heuristiques et recherche de chemin

Heuristique, fonction de coût, Dijkstra et l'algorithme A*.

A* Recherche de chemin — Essayer

Regardez A* et Dijkstra trouver un chemin dans un labyrinthe.

Optionnel

Théorie des jeux (Résoudre les conflits)

Plusieurs agents en compétition. Jeu à somme nulle et équilibre de Nash.

MinMax et élagage

Arbre de décision et stratégie MinMax. Trouver le meilleur coup.

MinMax — Essayer

Jouez au Tic-Tac-Toe contre une IA qui ne peut pas perdre.

Optionnel

Règles et logique (systèmes experts)

Système expert et règles si-alors. L'ordinateur comme conseiller.

IA basée sur des règles — Essayer

Voir comment un système expert forme des chaînes logiques.

Optionnel

Chatbot ELIZA — Essayer

Parlez avec le premier chatbot à base de règles de l'histoire.

Optionnel

L'hiver de l'IA (Échecs et enseignements)

Des promesses trop grandes. Pourquoi la première IA s'est heurtée à ses limites.

Télécharger le certificat

Cliquez pour voir le statut

Bases du Machine Learning

Le grand changement : de la programmation à l'entraînement. Supervised et Unsupervised Learning.

Intermédiaire 0 sur 4

Vous comprenez le Machine Learning. Vous entraînez des modèles et les évaluez avec des chiffres.

8 articles + 2 démos Apprenants avec tous les parcours de base Prérequis: Structures informatiques et algorithmes Mathématiques des données Algèbre linéaire et calcul IA classique et symbolique

Programmer ou entraîner ?

Machine Learning, données d'entraînement, modèle et prédiction.

Supervised Learning (Apprendre avec un professeur)

Label, features, classification et régression.

Régression linéaire et logistique

Droite de régression, sigmoïde et fonction d'erreur (MSE).

La matière première (Data Engineering)

Préparer les données. Valeurs manquantes et normalisation.

Paramètres et hyper-paramètres

Ce que l'IA apprend elle-même. Ce que l'humain configure.

Quand l'IA apprend par cœur

Overfitting et underfitting. Séparer données d'entraînement et données de test.

Évaluer les modèles

Accuracy, Precision, Recall, F1-Score. À quel point le modèle est-il bon ?

Unsupervised Learning (Motifs dans le chaos)

Clustering (k-Means) et détection d'anomalies. Apprendre sans professeur.

Supervised Learning — Essayer

Entraînez un modèle et regardez la frontière de décision.

Optionnel

Decision Tree — the Glass-Box Classifier

Watch a tree of yes/no questions carve up the data — and see it tip into overfitting when it asks too many. The most transparent algorithm in the ML toolkit.

Optionnel

K-Means Clustering — Essayer

Regardez K-Means trier des points de données en groupes.

Optionnel

Télécharger le certificat

Cliquez pour voir le statut

Deep Learning (La révolution neuronale)

Du neurone artificiel à l'activation et aux couches cachées jusqu'à la rétropropagation.

Avancé

Vous comprenez les réseaux de neurones. Du Perceptron à la rétropropagation.

6 articles + 3 démos Apprenants avec bases en Machine Learning Prérequis: Bases du Machine Learning

Le neurone artificiel

Perceptron, poids, biais et sommation. Le plus petit élément de base.

Perceptron — Essayer

Entraînez le réseau de neurones le plus simple étape par étape.

Optionnel

L'étincelle (activation)

Linéaire ou non-linéaire. ReLU et sigmoïde.

Le réseau (couches cachées)

Deep Neural Network et couche cachée. Les données circulent vers l'avant.

Neural Network Playground — Démo interactive

Construisez vos propres architectures de réseau, entraînez en direct et observez la rétropropagation en action.

Optionnel

À quel point l'IA se trompe-t-elle ?

Fonction de perte. Ainsi l'IA calcule son erreur.

Le chemin vers la vallée (descente de gradient)

Descente de gradient et taux d'apprentissage. Trouver le point le plus bas.

Le cœur de l'apprentissage (rétropropagation)

Rétropropagation. Propager les erreurs en arrière et en tirer des leçons.

Télécharger le certificat

Cliquez pour voir le statut

Architectures modernes (GenAI)

De la tokenisation aux embeddings et transformers jusqu'aux grands modèles de langage.

Avancé Disponible à partir du 12 août 2026

Vous comprenez la tokenisation, les embeddings, les CNNs, RNNs, Transformers et les LLMs.

9 articles + 3 démos Apprenants avec bases en Deep Learning Prérequis: Deep Learning (La révolution neuronale)