Ma via vers l’IA
Voici des sources très intéressantes pour construire le parcours :
Vulgarisation
- Excellente mise en bouche de toutes les notions et questions ethiques autours de l’IA: L’iA pour les noobs v1
- Des vidéos très pédagogiques sur le site ScienceEtonnante
Machine learning
- Machine learnia
- Microsoft ML for Beginners
- Machine Learning d’Andrew Ng : donne un certificat linkedin
- fidle.cnrs
- CS329H : Machine Learning basé sur les préférences humaines Maîtrisez le RLHF (Reinforcement Learning from Human Feedback), la clé du succès des modèles actuels.
Neural Networks and Deep learning
- Microsoft AI fo Beginners
- Machine learnia
- fidle.cnrs
- CS230 : Deep Learning | Automne 2025 Les fondations indispensables pour maîtriser les réseaux de neurones profonds.
- CS231N : Deep Learning pour la vision par ordinateur | 2025 La référence absolue pour comprendre comment les machines “voient” et interprètent les images.
IA generative
- Microsoft generative ai for beginners
- MIT
- Récap complet sur le fonctionnement des LLM comme ChatGPT
- CS336 : Créer un modèle de langage (LLM) de zéro | 2025 Pour ceux qui veulent comprendre l’architecture profonde derrière les outils comme ChatGPT.
- CS25 : Tout sur les Transformers Plongez dans l’architecture qui a déclenché la révolution de l’IA générative.
- CME295 : Évaluation des LLM | Automne 2025 Apprenez à mesurer réellement la performance et la fiabilité des grands modèles de langage.
- Les meilleures techniques de prompting (Google)
- L’académie d’OpenAI: Le parcours officiel pour maîtriser ChatGPT & l’écosystème OpenAI.
- L’académie d’Anthropic pour ceux qui préférent Claude Le parcours officiel pour maîtriser Claude.
- Tutoriel Perplexity et Perplexity Labs Labs, c’est la fonctionnalité la plus sous-estimée
- Guide pour générer des images avec l’IA Le guide rapide, gratuit, ultra-didactique.
- Guide pour générer des vidéos avec l’IA Le guide pour maîtriser le meilleur modèle vidéo actuel.
Agent, workflow
- Automatiser avec n8n Des tutoriels vidéos pour mieux utiliser l’automatisation avec n8n
- Guide pour Agents IA OpenAI a publié ce guide sur les agents
Outils
Outils pour comprendre: tiktokenizer
huggingface le “GitHub” de l’intelligence artificielle open-source.
On y trouve tous les modèles, datasets, outils, documentations et une communauté ultra-active pour le NLP, la vision, l’audio, etc.
Un parcours
Voici un fil conducteur des notions à maitriser. A partir des sources précédemment selectionnée, je mettrais des liens plus préçis au fur et à mesure de ma progression.
1. Mathématiques
- Algèbre linéaire : vecteurs, matrices, valeurs propres
- Analyse : dérivées, gradients
- Probabilités : distributions, théorème de Bayes
- Statistiques : tests d’hypothèses
2. Programmation
- Syntaxe Python
- NumPy : tableaux, opérations
- Pandas : dataframes, nettoyage de données
- Scikit-learn : pipelines, modèles
3. Apprentissage automatique
- Algorithmes : régression linéaire/logistique, arbres de décision, forêts aléatoires, SVM, KNN, Naive Bayes, k-means, DBSCAN
- Réduction de dimension : ACP (PCA), t-SNE
- Évaluation : précision, rappel, F-mesure, courbe ROC-AUC, validation croisée
4. Réseaux de neurones
- Perceptron unique
- MLP (Perceptrons multicouches)
- Rétropropagation
- Fonctions d’activation : ReLU, sigmoïde, tanh
- Fonctions de perte : MSE, entropie croisée
- Optimisation : descente de gradient stochastique (SGD)
5. Apprentissage profond
- CNN (Réseaux de neurones convolutifs)
- RNN/LSTM/GRU (Réseaux de neurones récurrents)
- Transformers : auto-attention, multi-tête, encodage positionnel
- Optimisation : Adam, ajustement du taux d’apprentissage
- Régularisation : dropout, normalisation par lot (batch norm)
6. Apprentissage par renforcement profond
- MDP (Processus de décision markoviens)
- Récompenses et fonctions de valeur
- Q-Learning et variantes DQN
- Gradients de politique
- Méthodes acteur-critique : A2C/A3C, PPO, SAC
- Stratégies d’exploration
- Mémoire de rejeu d’expériences
7. IA générative
- Modélisation probabiliste
- VAE, GAN, Modèles de diffusion, Modèles auto-régressifs
- Transformers et LLM (grands modèles de langage)
- Tokenisation
- Pré-entraînement vs ajustement fin
- Prompting et échantillonnage
8. IA agentique
- Utilisation d’outils et d’API
- Planification et raisonnement
- Chaînes/arbre de pensée
- Gestion de la mémoire (court et long terme)
- Agents autonomes
- Coordination multi-agents
- Boucles de rétroaction
- RLHF (apprentissage par renforcement à partir de retours humains)
- Alignement et sécurité