AI Engineering Hub : un référentiel de tutoriels pratiques sur les LLM, le RAG et les agents IA
Tutoriels approfondis sur les LLM, les RAG et les applications d'agents d'IA du monde réel.
En bref
- De quoi s’agit-il ?
- Un référentiel avec plus de 93 exemples de projets, couvrant des tutoriels sur les LLM, le RAG et les agents IA, de l'OCR pour débutants aux systèmes d'agents en production.
- À qui s’adresse-t-il ?
- Le référentiel propose un parcours d'apprentissage organisé par difficulté, de 22 projets débutants à 48 projets intermédiaires et 23 projets avancés, couvrant l'OCR, le RAG, les agents, le MCP, le fine-tuning et les systèmes de production, le tout sous licence MIT.
- Puis-je l’utiliser commercialement ?
- Oui. MIT est une licence permissive : vous pouvez utiliser, modifier et vendre un logiciel qui en dépend, à condition de conserver les mentions de droit d’auteur et de licence.
- Est-il encore maintenu ?
- Oui. Les derniers commits datent d’il y a 5 jours.
- En quel langage est-il écrit ?
- Principalement Jupyter Notebook, d’après les statistiques de langage de GitHub.
Ces réponses reposent sur les données GitHub du projet (dernière synchronisation le 15 septembre 2026) et sur notre analyse. Elles ne constituent pas un avis juridique.
ANALYSE OPEN SOURCE APPROFONDIE
Aperçu du référentiel et portée
AI Engineering Hub est un référentiel open source dont le langage principal est Jupyter Notebook. Sa description est « In-depth tutorials on LLMs, RAGs and real-world AI agent applications. » Le README présente le référentiel comme une « ressource complète pour apprendre et construire avec l'IA » et liste plus de 93 projets prêts pour la production, des tutoriels approfondis sur les LLM, le RAG et les agents, ainsi que des applications réelles d'agents IA. Le référentiel compte 36 851 étoiles, 6 090 forks et 121 problèmes ouverts, avec main comme branche par défaut.
Structure des projets par difficulté
Le README divise les projets en trois niveaux de difficulté : 22 projets débutants, 48 projets intermédiaires et 23 projets avancés. Les projets débutants se concentrent sur des composants uniques et des implémentations simples, comme LaTeX OCR with Llama, Local ChatGPT with DeepSeek, Simple RAG Workflow et Image Generation with Janus-Pro. Les projets intermédiaires comprennent des systèmes multi-composants et des flux agentiques, tels que Agentic RAG, AutoGen Stock Analyst, Real-time Voice Bot et plusieurs projets liés au MCP. Les projets avancés couvrent le fine-tuning, les déploiements en production et les systèmes complexes, notamment DeepSeek Fine-tuning, Build Reasoning Model, Multi-Agent Deep Researcher et NotebookLM Clone.
Parcours d'apprentissage et démarrage
Le README fournit des conseils pour les lecteurs de différents niveaux. Les débutants complets sont dirigés vers la AI Engineering Roadmap, décrite comme un guide complet de Python à l'IA en production. Ensuite, les lecteurs peuvent commencer par des projets débutants comme des applications OCR et des implémentations RAG simples, passer à des projets intermédiaires avec des agents et des flux complexes, et enfin s'attaquer à des projets avancés incluant le fine-tuning et les systèmes de production. La feuille de route ne spécifie pas de calendrier ni de prérequis ; les lecteurs sont censés avancer à leur rythme.
Sujets techniques couverts
Le référentiel couvre un large éventail de sujets techniques : OCR et vision avec des modèles comme Llama, Gemma et Qwen ; interfaces de chat et UI construites avec Chainlit et Streamlit ; RAG de base et avancé utilisant LlamaIndex, Milvus, Qdrant et d'autres outils ; traitement multimodal pour l'audio, la vidéo et les images ; agents IA et flux de travail avec CrewAI et AutoGen ; projets liés au Model Context Protocol (MCP) ; comparaison et évaluation de modèles avec des outils comme Opik ; fine-tuning et développement de modèles ; et déploiements de systèmes de production. Le README ne fournit pas de spécifications techniques détaillées pour chaque projet.
Format des projets et exécutabilité
Chaque projet est répertorié dans le README sous forme de lien de répertoire avec une description d'une ligne, par exemple « Convert LaTeX equation images to code using Llama 3.2 vision » ou « 100% local OCR app with Llama 3.2 and Streamlit ». Ces descriptions indiquent l'objectif du projet et la technologie principale, mais le README ne contient pas de commandes d'installation, d'étapes d'exécution ni d'exigences d'environnement. Les utilisateurs doivent naviguer dans chaque répertoire de projet pour trouver les détails d'implémentation réels.
Contribution communautaire et état de maintenance
Le README accueille les contributeurs et décrit un processus de contribution : forker le référentiel, créer une nouvelle branche, soumettre une demande de tirage avec une description des améliorations, et se référer aux directives de contribution dans CONTRIBUTING.md. Il encourage également les discussions et suggestions via les problèmes GitHub. Le référentiel est actuellement actif (non archivé), mais le README ne fournit pas d'informations sur la fréquence de maintenance, le nombre de contributeurs ou les temps de réponse aux problèmes.
Licence et conditions d'utilisation
Le référentiel est sous licence MIT, copyright (c) 2024 patchy631. La licence accorde la permission d'utiliser, copier, modifier, fusionner, publier, distribuer, sous-licencier et vendre des copies du logiciel, à condition que l'avis de droit d'auteur et l'avis de permission soient inclus. Le logiciel est fourni « tel quel », sans garantie d'aucune sorte, y compris la qualité marchande, l'adéquation à un usage particulier et la non-contrefaçon. Le texte de la licence ne traite pas des garanties de sécurité, du support technique ou des engagements de mise à jour ; ces aspects sont laissés à l'appréciation des utilisateurs.
Conclusion éditoriale
Le référentiel propose un parcours d'apprentissage organisé par difficulté, de 22 projets débutants à 48 projets intermédiaires et 23 projets avancés, couvrant l'OCR, le RAG, les agents, le MCP, le fine-tuning et les systèmes de production, le tout sous licence MIT.
Notes de la communauté