Qu’est-ce qu’un Transformer ? L’architecture derrière les LLM
Un Transformer, c’est une pile de blocs où chaque mot regarde tous les autres. Découvre ses pièces, comment il apprend et où il s’arrête.
Cours & Tutoriels d'Intelligence Artificielle
Régression logistique : les questions à te poser avant de choisir
Cible à deux issues, frontière en ligne droite, volume de données, nombre de classes : les critères qui disent si la régression logistique est faite pour toi.
Régression logistique : la probabilité derrière le oui/non
Une régression logistique ne prédit pas une valeur : elle calcule une probabilité, puis un seuil décide. Cotes, log-cote, vraisemblance, pièges.
Quand optimiser un moteur d’inférence (et quand s’arrêter)
Cible chiffrée, bonne couche, modèle adapté, coût des essais : les signaux qui justifient d’optimiser un moteur d’inférence, et ceux qui disent stop.
Quand utiliser un moteur d’inférence (et quand s’en passer)
API au token ou GPU dédiés ? Les signaux, les chiffres et les cas où il est trop tôt pour héberger toi-même un modèle derrière un moteur d’inférence.
Optimiser un moteur d’inférence : les 6 techniques qui comptent
Batching, quantification, spéculation, cache KV, parallélisme, désagrégation : comment chaque technique contourne le goulot de l’inférence d’un LLM.
Agents IA : stopper l’explosion de la facture de tokens
Ton agent boucle, réfléchit, cherche… et ta facture de tokens s’envole. Six leviers concrets pour borner les boucles sans rendre l’agent bête.
Chunking : quel découpage pour une réponse exacte du 1er coup ?
Taille fixe, sections, sémantique, parent-enfant : compare les méthodes de découpage d’un RAG et choisis celle qui fait remonter la bonne réponse en premier.
Éviter que l’agent hallucine sur les documents récupérés
Un RAG hallucine par trois chemins : mauvais passages, contexte ignoré, contexte mal lu. Voici un verrou pour chacun, et comment mesurer que ça tient.
Agent IA + RAG : concevoir un système qui cherche avant d’agir
Un agent qui décide quoi chercher, un RAG qui lui fournit des faits fiables : voici comment les assembler, les tester et éviter les pièges.