1
Introduction à l'intelligence artificielle
- Présentation générale de l'IA.
- IA, machine learning, deep learning, symbolique versus statistique.
- Large Language Model, text embeddings, transformers.
- Natural Language Processing, GPT, Tokens.
- Exploration du Vector Database et du format GPT-Generated Unified Format (GGUF).
- Les principaux outils d'IA en mode SaaS.
- Requêtage de LLM (prompt engineering).
- Architecture web et IA.
Travaux pratiques
Avec l'aide d'un Large Language Model (LLM), écrire une application JavaScript qui relève un challenge d'IA symbolique comme la génération de grille de sudoku.
2
Visual Studio Code (VSCode) et GitHub Copilot
- VSCode, GitHub Copilot, prérequis d'utilisation.
- Le chat de GitHub Copilot.
- Utiliser directement Copilot depuis un fichier.
- Définir une fonction et son implémentation.
- Utiliser une fonction.
Travaux pratiques
Écrire une application qui génère des pages web à partir d'un prompt transmis à un LLM.
3
La programmation par prompt
- Pourquoi faire des prompts complets et détaillés ?
- Techniques de rédaction de prompt.
- Role prompting, Few-Shot Prompting, Chain-of-thought (CoT).
- Iteration, format de sortie, Self-Consistency.
- Négation, modulaire, clarté et concision.
- Couplage de LLM puissant et faible.
- Transformer son prompt en application web.
- Prompt de modification.
- Prompt pour toutes les étapes d'un projet.
- Prompt d'idéation, specification, conception, codage, test, déploiement.
Travaux pratiques
Faire un prompt de spécification d'une application web qui donne les nouvelles positives du jour.
4
Les outils du cloud
- Les différents service cloud (OpenAI, Claude, etc.).
- Gestion des clés d'API.
- Typologie tarifaire.
- Assistance au développement : Lovable, Bolt.
- GitHub Copilot, Windsurf, Continue.dev.
Travaux pratiques
Développer et déployer une application web uniquement à l'aide d'un assistant IA de développement.
5
Les LLM
- Architecture d'un LLM.
- Utillser les notions de temperature, top_p.
- Fonctionnalités : summarization, classification, extraction d’information.
- Format structuré en sortie JSON.
- Étude du fichier GGUP.
- Les LLM du marché.
- Les LLM sur Internet (SaaS).
- Installer un LLM en local.
- Présentation de LM Studio et Hugging Faces.
- Text embedding, cosine similarity, réduction de dimension.
- Architecture RAG.
Travaux pratiques
Rédiger une spécification d'architecture technique RAG (génération augmentée par récupération) de LLM explorant en base de données documentaire locale et confidentielle.
6
Les outils pour développer avec l’IA
- L'API de OpenAI.
- Hugging Face : le GitHub de l'IA.
- LLM, transformers, datasets.
- LangChain : API pour l'IA.
- LM Studio : faire tourner en local des composants IA.
- Bonnes pratiques d'utilisation des outils.
Travaux pratiques
Faire un "ChatGPT" local qui explore une base documentaire confidentielle avec une architecture RAG.
3j
- 21h00 
Télécharger le programme
Partager cette formation