Comment suivre ce cours

La plupart des gens qui apprennent l'IA bloquent à l'un de deux endroits. Les uns ont lu beaucoup d'articles sur « le fonctionnement des grands modèles », parlent avec aisance d'attention et de Transformer, mais n'ont jamais appelé une API eux-mêmes, et encore moins construit quelque chose d'utile. Les autres savent assembler un chatbot avec divers frameworks, mais dès que le résultat est mauvais, ils ne peuvent que changer de prompt en espérant avoir de la chance, parce qu'ils ne savent pas ce qui se passe en dessous.

Ce cours veut que vous ne manquiez de rien des deux côtés : savoir construire des choses, et savoir pourquoi elles marchent et pourquoi elles cassent.

Deux parties

Partie 1 : construire avec les grands modèles (modules 00 à 07). On part du premier appel d'API, puis viennent les prompts, l'appel d'outils, le RAG (faire lire vos documents au modèle), les agents, et enfin comment évaluer et mettre en production. Cette partie ne fait qu'appeler des API, sans carte graphique ni mathématiques.

La plupart des leçons de la première partie tournent autour d'un même projet : un assistant de questions-réponses pour la bibliothèque HTTP open source httpx, que nous appelons RepoBot. Il commence comme un petit programme en ligne de commande qui ne sait que discuter, et grandit version après version : il apprend d'abord à lire la documentation de httpx pour répondre, puis à chercher lui-même les réponses dans le code source, et enfin il reçoit un jeu d'évaluation et des journaux et peut être mis en ligne pour d'autres.

Partie 2 : comprendre les grands modèles à partir de zéro (modules 08 à 11). On écrit à la main la descente de gradient et la rétropropagation avec numpy, on construit de zéro un petit GPT avec PyTorch, on l'entraîne sur des poèmes Tang jusqu'à ce qu'il écrive lui-même quelques vers présentables. Puis on écrit LoRA à la main, on fine-tune un vrai modèle open source et on déploie un modèle en local.

Apprendre d'abord à utiliser, ensuite le principe, est un choix délibéré. Réussir son premier appel d'API prend dix minutes ; construire un premier assistant qui lit la documentation, environ trois semaines. Avec ces réussites derrière vous, et après avoir rencontré des problèmes concrets (« pourquoi invente-t-il toujours des noms de fonctions ? »), vous saurez ce que vous cherchez quand vous reviendrez au principe.

Choisir un parcours

Les modules de la première partie dépendent les uns des autres : le RAG du module 04 utilise la conversation et l'appel d'outils du module 03, les agents du module 05 utilisent 03 et 04. Dans la seconde partie, 08 et 09 se suivent aussi dans l'ordre. Les autres modules peuvent se lire dans le désordre.

À quoi ressemble une leçon

Chaque leçon commence par un problème concret : sans cette notion, où allez-vous bloquer ? Puis vient le principe, suivi du code. Là où on peut écrire les choses à la main, on écrit d'abord une version minimale sans aucun framework, puis on vous montre à quelle étape elle correspond dans les bibliothèques existantes. Ainsi, les frameworks cessent d'être des boîtes noires.

La seconde moitié de la leçon traite des cas où la méthode fonctionne mal et des pièges courants ; viennent enfin des exercices et un auto-test. Les réponses de l'auto-test sont repliées ; réfléchissez avant de les ouvrir.

Les sorties de programmes montrées dans le cours ont toutes réellement été obtenues au moment de l'écriture. Le champ verified du frontmatter indique la date et le modèle. Pour les exemples qui appellent un grand modèle, vos résultats différeront de ceux du cours ; c'est normal, le module suivant explique pourquoi. Le code qui n'appelle pas de grand modèle, par exemple l'entraînement de réseaux de neurones dans la seconde partie, fixe la graine aléatoire, et vous devriez obtenir exactement les mêmes nombres que dans le cours.

Comment pratiquer

Exécutez vous-même le code, sans exception. Le mieux est de le taper vous-même, ou au moins de le copier et de l'exécuter, puis de le modifier : changer la question, changer un paramètre, observer comment le résultat change. Le code complet de chaque leçon se trouve aussi dans le dossier code/, mais considérez-le comme un corrigé à comparer, pas comme un point de départ à exécuter tel quel.

Les exercices ont plusieurs niveaux. Le premier est en général « changez une chose et voyez ce qui se passe », quelques minutes suffisent ; faites-les tous. Le dernier demande souvent d'écrire une petite fonctionnalité ; choisissez ceux qui vous intéressent.

Que faire face à une erreur

Les erreurs font partie de l'apprentissage, pas de panique. Procédez dans cet ordre :

1. Regardez la dernière ligne. Les messages d'erreur de Python sont longs, mais la vraie cause est presque toujours sur la dernière ligne. Par exemple, openai.AuthenticationError: Error code: 401 signifie que la clé est incorrecte, ModuleNotFoundError: No module named 'openai' que le paquet n'est pas installé, ou qu'il est installé dans un autre environnement.
2. Regardez quelle ligne de votre code l'erreur désigne. Remontez jusqu'à la première ligne qui mentionne votre propre fichier ; le problème est généralement tout près.
3. Comparez avec le code du cours. Ligne par ligne : une faute de frappe, une ligne oubliée ?
4. Cherchez le message d'erreur complet sur le web, ou demandez à une IA. Complet, bien sûr ; ne vous contentez pas de dire « ça plante ».

Se faire aider par une IA pour apprendre est une bonne idée. Si vous ne comprenez pas un bout de code, demandez-lui de l'expliquer ligne par ligne ; si une notion reste floue, demandez-lui de l'expliquer sous un autre angle ou avec un autre exemple. Mais écrivez les exercices vous-même. Faire écrire ses exercices par une IA, c'est comme envoyer quelqu'un à la salle de sport à sa place : c'est l'autre qui gagne les muscles.

Combien ça coûte

La première partie appelle l'API d'un grand modèle. Le cours utilise par défaut DeepSeek, parce qu'on peut s'y inscrire et payer directement depuis la Chine et que les prix sont bas. Aux prix de septembre 2026, tous les exemples et exercices de la première partie coûtent en général moins d'un dollar. La leçon suivante explique comment obtenir une clé, et aussi comment passer à Qwen (通义千问) ou Kimi, ou faire tourner un modèle gratuitement sur votre ordinateur avec Ollama.

La seconde partie ne coûte presque rien. Le petit GPT s'entraîne en quelques minutes sur le CPU d'un portable ordinaire. Ce n'est qu'au module 10, pour fine-tuner un vrai modèle open source, qu'un GPU gratuit dans le cloud est conseillé ; la leçon explique comment l'utiliser.

Exercices

1. Jetez un œil au sommaire du cours, choisissez votre parcours d'après le tableau ci-dessus et notez combien d'heures par semaine vous comptez y consacrer, et quel jour.
2. Pensez à une petite chose que vous aimeriez faire avec l'IA, par exemple « m'aider à mettre en ordre mes comptes rendus de réunion hebdomadaires » ou « répondre aux questions sur la documentation de notre équipe ». Notez-la ; à la fin de la première partie, revenez voir si vous savez la construire. Il n'y a pas de réponse type.

Auto-test

1. Pourquoi ce cours explique-t-il d'abord comment utiliser les grands modèles, et seulement ensuite leur principe ?

En construisant d'abord quelque chose d'utile, vous rencontrez des problèmes concrets, par exemple un modèle qui invente une fonction inexistante ou se contredit. En abordant le principe avec ces questions en tête, vous savez quelle réponse vous cherchez, vous apprenez plus solidement et vous risquez moins d'abandonner au milieu des mathématiques.

2. Vous appelez un grand modèle avec le code du cours et obtenez une réponse différente de celle du cours. Avez-vous fait une erreur ?

Pas forcément. La sortie d'un grand modèle comporte une part d'aléatoire ; la même question posée deux fois peut donner deux réponses différentes (la leçon 3 du module 01 explique pourquoi). Tant que le programme ne plante pas et que la réponse est à peu près sensée, vous avez bien fait. Le code qui n'appelle pas de grand modèle fixe la graine aléatoire, et ses nombres devraient être exactement ceux du cours.

3. Un long message d'erreur apparaît quand vous exécutez le code. Où regarder en premier ?

La dernière ligne. Elle indique généralement directement le type d'erreur et sa cause. Remontez ensuite jusqu'à la première ligne qui mentionne votre propre fichier pour localiser la ligne de code en cause.