Cours d'apprentissage LLM
Roadmap personnelle exposée publiquement : 4 axes — RAG, LLMOps, Orchestration, Agentic — pour 30 leçons en lecture longue. Format agnostique : on apprend les concepts, pas un outil propriétaire.
État au 2026-09-12 : 5 leçons publiées sur 30 prévues, 1 axe sur 4 ouvert. Les trois autres sont annoncés, pas encore écrits — la progression de chaque axe est affichée ci-dessous.
RAG
Retrieval-Augmented Generation : du chunking au reranking, comprendre et bâtir des pipelines de recherche augmentée robustes.
LLMOps
Mise en production de LLM : observabilité, évaluation, monitoring, fine-tuning, quantization. Le quotidien d'une stack LLM mature.
À venir · 7 leçons prévuesOrchestration
Pieuvre, multi-agents, dispatch, consolidation. L'art de coordonner plusieurs LLM sans cacophonie.
À venir · 8 leçons prévuesAgentic
Agents qui agissent : tool use, planification, mémoire, réflexion, sécurité. Au-delà de la conversation.
À venir · 7 leçons prévuesTon bilan de l'axe RAG
Ton bilan apparaîtra ici quand les 5 leçons publiées seront terminées.
Les 5 leçons publiées sont terminées. Voici ce que tu sais maintenant expliquer. Ce bilan est calculé dans ton navigateur : il n'existe nulle part ailleurs.
- RAG-00 · Pourquoi un LLM oublie : la mémoire externe
Expliquer pourquoi un LLM invente quand on l'interroge sur tes documents, et ce que le RAG change sans rien supprimer.
Quiz non passé
- RAG-01 · Anatomie d'un système RAG : du chunk à la réponse
Nommer les cinq composants d'un RAG, séparer l'indexation de la requête, et savoir où regarder quand la réponse est mauvaise.
Quiz non passé
- RAG-02 · Stratégies de chunking : où couper, et pourquoi ça compte
Choisir une stratégie de découpage d'après la structure du corpus, et la mesurer avant de la compliquer.
Quiz non passé
- RAG-03 · Embeddings : choisir le modèle qui transforme ton texte en vecteur
Choisir un modèle d'embedding sur des critères qui se mesurent : langue, tâche de retrieval, dimension, coût et souveraineté.
Quiz non passé
- RAG-04 · Vector stores : où ranger les vecteurs et comment les retrouver vite
Choisir un vector store d'après le volume, la latence et la stack existante, et garder hors du store ce qui permet d'en changer.
Quiz non passé