Aller au contenu

Par où commencer

Trois chemins ordonnés à travers les articles du site, selon ce que vous cherchez : comprendre, construire, ou décider. Chaque étape dit pourquoi elle vient là.

Page révisée le 2026-09-06 · 28 étapes sur trois parcours

Ce site compte 149 articles. Lus au hasard, ils se répètent et se contredisent en apparence ; lus dans l'ordre, ils s'appuient les uns sur les autres. Trois chemins sont proposés ci-dessous, selon ce que vous cherchez. Chaque étape indique pourquoi elle vient là — si la raison ne vous parle pas, sautez-la, l'ordre est un service, pas une règle.

Vous pouvez cocher les étapes au fur et à mesure. Le repère reste dans votre navigateur : ni compte, ni serveur, ni donnée envoyée nulle part.

Comprendre

Vous utilisez ces outils, ou vous en entendez parler tous les jours, et vous voulez savoir ce qu'il y a dessous. Aucun prérequis.

À la fin, le vocabulaire ne vous bloque plus et vous savez pourquoi ces systèmes se trompent.

8 étapes · ~46 min de lecture
  1. C'est quoi ChatGPT — et les IA comme lui

    On part du produit que tout le monde connaît, pas de la théorie. Le reste s'accroche là-dessus.

    fondamentaux · découverte · 5 min

  2. Comment on en est arrivé là — petite histoire des IA qui parlent

    Savoir d'où ça vient évite de croire que tout est apparu en 2023 — et explique pourquoi certaines limites persistent.

    fondamentaux · découverte · 6 min

  3. Tokens et tokenisation — comment les LLM lisent le texte

    Premier vrai mécanisme. Un modèle ne lit pas des mots ; comprendre ça éclaire la moitié des comportements bizarres.

    fondamentaux · découverte · 7 min

  4. La fenêtre de contexte — ce que c'est, pourquoi ça compte

    La contrainte la plus concrète du quotidien : ce que le modèle a sous les yeux, et ce qu'il n'a plus.

    fondamentaux · découverte · 5 min

  5. Pourquoi ça invente des trucs — les limites des IA conversationnelles

    L'hallucination expliquée par le mécanisme, pas par la morale. C'est le point où l'on cesse de s'énerver contre l'outil.

    fondamentaux · découverte · 5 min

  6. Chain-of-Thought — comment faire réfléchir un LLM à voix haute

    Comment on obtient un raisonnement étape par étape — et pourquoi ce raisonnement n'est pas une preuve.

    fondamentaux · découverte · 8 min

  7. Comment bien s'en servir — guide pratique pour parler à une IA

    Le seul geste pratique du parcours : mieux formuler ce qu'on demande, maintenant qu'on sait ce qui se passe derrière.

    outils · découverte · 5 min

  8. Qui fabrique ces IA — les entreprises derrière ChatGPT, Claude et les autres

    Pour finir : qui produit ces modèles, avec quels intérêts. Utile avant de choisir un outil en équipe.

    acteurs · découverte · 5 min

Construire

Vous allez brancher un LLM sur vos données ou vos outils. Le parcours suppose les fondamentaux acquis.

À la fin, vous savez quoi assembler, dans quel ordre, et comment vérifier que ça marche.

10 étapes · ~72 min de lecture
  1. Le prompting — principes fondamentaux

    La brique de base. Avant toute architecture, l'essentiel des résultats se joue dans la formulation.

    outils · découverte · 5 min

  2. Context engineering — au-delà du prompt engineering

    Le passage du prompt isolé à la discipline de ce qu'on injecte — et surtout de ce qu'on n'injecte pas.

    techniques · praticien · 8 min

  3. RAG — augmenter un LLM avec des données externes

    La première architecture réelle : attacher une mémoire externe au modèle.

    outils · découverte · 5 min

  4. Embeddings et recherche sémantique — comment les LLM comprennent le sens

    Le composant qui rend la recherche par le sens possible. Sans lui, le RAG reste une boîte noire.

    fondamentaux · praticien · 9 min

  5. Fine-tuning vs RAG — quand choisir quoi

    L'arbitrage que tout le monde pose trop tard. Le trancher tôt évite un projet entier de trop.

    outils · praticien · 7 min

  6. MCP vs Tool Calling — quand utiliser quoi

    Quand le modèle doit agir et pas seulement répondre : par quelle interface, et à quel prix de couplage.

    outils · praticien · 6 min

  7. Agents LLM — comment un modèle de langage passe à l'action

    L'étape où le système sort de la question-réponse : planifier, appeler, se corriger.

    techniques · praticien · 8 min

  8. Évaluer un agent LLM — méthodes et pièges

    Poser la mesure avant d'agrandir. Un agent qu'on ne sait pas évaluer ne se pilote pas.

    techniques · praticien · 6 min

  9. Guardrails LLM — la sécurité comme architecture

    La sécurité traitée comme de l'architecture, pas comme une consigne dans le prompt.

    enjeux · praticien · 6 min

  10. Agents en production : ce que disent 1 200 cas réels

    Ce que 1 200 cas réels montrent de l'écart entre la démo et la production.

    techniques · praticien · 12 min

Et après ? Enchaîner sur le cours RAG — 5 leçons

Décider

Vous devez arbitrer : lancer ou non, à quel coût, sous quelle garantie. Le parcours privilégie les chiffres aux promesses.

À la fin, vous avez les ordres de grandeur, les modes d'échec connus, et de quoi poser les bonnes questions.

10 étapes · ~88 min de lecture
  1. IA agentique — les LLM qui passent à l'action

    Poser le périmètre : ce qu'on appelle « agent » recouvre des choses très différentes.

    techniques · découverte · 8 min

  2. Les 4 niveaux d'un agent IA (L0–L3)

    Une échelle L0-L3 pour situer un projet. Beaucoup de décisions se dénouent en identifiant le vrai niveau visé.

    fondamentaux · découverte · 7 min

  3. Plus d'agents ≠ meilleurs résultats — le paradoxe du scaling multi-agents

    Le contre-argument à l'intuition dominante. À lire avant de dimensionner quoi que ce soit.

    techniques · praticien · 6 min

  4. Le coût réel d'un système multi-agents — un ordre de grandeur au-dessus

    L'ordre de grandeur du surcoût, mesuré. C'est le chiffre qui manque à la plupart des dossiers.

    enjeux · praticien · 10 min

  5. Benchmarks LLM — pourquoi les scores ne disent pas tout

    Pourquoi un score de benchmark ne se transporte pas dans votre contexte.

    fondamentaux · praticien · 7 min

  6. Le LLM-juge est trois fois plus permissif que l'humain

    Le cas concret : faire évaluer par un modèle donne un résultat trois fois trop indulgent.

    enjeux · avancé · 11 min

  7. Les 14 modes de défaillance des agents IA

    Quatorze modes d'échec documentés. Une liste de risques prête à l'emploi pour un comité.

    enjeux · praticien · 13 min

  8. Human-in-the-Loop — l'humain et l'agent, un duo nécessaire

    Où placer l'humain — la seule variable qui change vraiment le profil de risque.

    enjeux · découverte · 7 min

  9. Réguler l'IA — pourquoi l'Europe, les États-Unis et la Chine ne parlent pas le même langage

    Le cadre réglementaire, à comprendre avant de s'engager sur un calendrier.

    enjeux · découverte · 12 min

  10. Le triangle de décision : gouverner un système IA agentique

    Pour finir : une grille de gouvernance qui articule les trois précédents.

    techniques · avancé · 7 min


Si aucun des trois ne correspond

Les trois parcours couvrent les demandes les plus fréquentes, pas tous les besoins. Pour explorer autrement : le glossaire si un mot bloque, les lectures longues pour une publication de fond, l'agenda pour rencontrer des gens plutôt que lire, et les six territoires du menu pour fouiller par sujet.

Les articles portent désormais un niveau — découverte, praticien, avancé — qui dit ce qu'ils supposent déjà connu, jamais leur difficulté ni leur longueur. Un article « avancé » n'est pas meilleur : il commence plus loin.