Aller au contenu

Blog de Ranksignal

Apprentissage de l'IA

  • Accueil
  • Rag
  • Deep Learning
  • Machine Learning
  • Agentic
  • Maths
  • Python
  • MLOps
  • Inference

Cours & Tutoriels d'Intelligence Artificielle

Cours & Tutoriels d'Intelligence Artificielle
Le prefill d'un LLM : la lecture qui précède le premier mot

Le prefill d’un LLM : la lecture qui précède le premier mot

9 octobre 2026 Par RankSignal Inference

Avant d’écrire, un LLM lit tout ton prompt d’un coup. Ce que calcule le prefill, ce qu’il laisse derrière lui, et pourquoi un prompt long coûte plus cher.

LLM as a judge : quand un modèle note le travail d'un autre

LLM as a judge : quand un modèle note le travail d’un autre

9 octobre 2026 Par RankSignal RAG

Un LLM qui note les sorties d’un autre : définition, grille, seuil, postes où on l’emploie et limites du « LLM as a judge », expliqués pas à pas.

Système multiagent : des IA qui travaillent en équipe

Système multiagent : des IA qui travaillent en équipe

9 octobre 2026 Par RankSignal Agentic

Un système multiagent confie chaque rôle à un agent spécialisé. Définition, exemple de code, modes d’organisation et idées reçues à écarter.

Text2cypher : le LLM qui écrit la requête de graphe

Text2cypher : le LLM qui écrit la requête de graphe

9 octobre 2026 Par RankSignal RAG

Text2cypher traduit une question en langage courant en requête Cypher pour une base de graphe. Ses ingrédients, un exemple lu pas à pas, ses limites.

Agent retriever : un outil de recherche que l'IA choisit

Agent retriever : un outil de recherche que l’IA choisit

9 octobre 2026 Par RankSignal Agentic

Un agent retriever est une capacité de recherche mise sous étiquette, que le système choisit selon la question. Définition, code lu pas à pas, idées reçues.

Recherche vectorielle : trouver des voisins, pas des mots

Recherche vectorielle : trouver des voisins, pas des mots

9 octobre 2026 Par RankSignal RAG

Une recherche vectorielle compare des positions dans un espace, pas des mots. Vecteurs, cosinus, index et limites, avec un agent qui choisit son outil.

Le finetuning d'un modèle : adapter une IA sans la refaire

Le finetuning d’un modèle : adapter une IA sans la refaire

7 octobre 2026 Par RankSignal Inference

Le finetuning reprend un modèle déjà entraîné et déplace ses poids vers ton usage. Ce qui change, comment ça se passe, et ce que ça ne fait pas.

Self-RAG : le RAG où le modèle se critique lui-même

Self-RAG : le RAG où le modèle se critique lui-même

7 octobre 2026 Par RankSignal RAG

Self-RAG entraîne le LLM à décider s’il doit chercher, à juger chaque passage et à vérifier sa réponse. Définition, quatre jetons, gains et coûts.

RAG agentique : quand la recherche devient une décision

RAG agentique : quand la recherche devient une décision

7 octobre 2026 Par RankSignal RAG

Un RAG agentique ne suit plus un trajet fixe : un agent décide où chercher, quand relancer et quand répondre. Définition, mécanisme, exemple pas à pas.

Graphe de connaissances : le savoir en nœuds et relations

Graphe de connaissances : le savoir en nœuds et relations

7 octobre 2026 Par RankSignal RAG

Un graphe de connaissances range les faits en triplets (entité, relation, entité). Découvre comment il se construit, ce qu’il retrouve, et ses limites.

Pagination des publications

← Précédent 1 2 3 4 5 6 … 9 Suivant →

Tutoriels récents

  • Régression de Poisson : modéliser un nombre d’événements
  • Qu’est-ce qu’un modèle vision-langage ? Un LLM qui regarde
  • Le modèle de Cox : mesurer le risque au fil du temps
  • Entropie croisée binaire : ce que punit BCELoss
  • Régression locale : une droite refaite à chaque point

Commentaires récents

Aucun commentaire à afficher.

Archives

  • octobre 2026
  • septembre 2026

Cours & Tutoriels

  • Agentic
  • Deep Learning
  • Inference
  • Machine Learning
  • Maths
  • Python
  • RAG

© 2026 Blog de Ranksignal. Tous droits réservés.