FAQ

Je suis le créateur de What’s AI, le cofondateur et directeur technique de Towards AI, le coauteur de Building LLMs for Production ainsi qu’un formateur et conférencier en ingénierie IA. Mon travail rend surtout les décisions techniques derrière les systèmes d’IA plus claires et pratiques.

What’s AI rassemble mes vidéos, articles, infolettres, guides et conversations sur l’ingénierie IA. Je pars d’une technique ou d’une annonce, puis je cherche ce qu’elle change pour une personne qui doit construire, évaluer ou livrer un système.

Commencez par la solution la plus simple qui peut réussir. Rendez le workflow clair, définissez une bonne réponse, ajoutez des évaluations et de l’observabilité, puis augmentez l’autonomie seulement lorsque le problème l’exige. La fiabilité est généralement plus difficile, et plus importante, que le prompting.

Je mise encore plus sur la chaîne YouTube What’s AI, je développe la formation IA B2B avec Towards AI, j’améliore la plateforme et les cours de Towards AI Academy, et je travaille sur la deuxième édition de Building LLMs for Production. J’ai aussi quelques autres projets en cours que je ne suis pas encore prêt à partager.

Oui. Commencez par le vocabulaire et l’intuition, puis apprenez assez de Python pour lire la documentation, appeler des API, manipuler des données et déboguer ce qu’un agent génère. Vous n’avez pas besoin de tout maîtriser avant un premier petit projet.

Je suivrais cet ordre : intuition et vocabulaire, Python au besoin, un cours structuré, la documentation d’un framework, deux ou trois petits projets, puis évaluations, traces, coûts et déploiement. Passez au RAG, au fine-tuning ou aux agents lorsque le problème vous y pousse.

Non pour la majorité des rôles en ingénierie IA. Les mathématiques deviennent importantes selon le problème, mais vous pouvez commencer avec l’intuition, le code, les données et les projets. La recherche fondamentale demande généralement une profondeur différente.

Choisissez un problème étroit avec des données que vous pouvez utiliser de façon responsable : un assistant documentaire avec citations, un workflow de support avec outputs structurés ou un extracteur de documents avec validation. Ajoutez un petit jeu d’évaluation et documentez les échecs.

Pour l’intuition, commencez avec What’s AI, 3Blue1Brown, Andrej Karpathy, Yannic Kilcher ou AI Coffee Break with Letitia. Pour un parcours structuré, utilisez le cours LLM de Hugging Face, la feuille de route en ingénierie IA ou un programme Towards AI adapté à votre niveau. Choisissez un parcours, terminez un projet, puis revenez lorsque vous rencontrez une vraie limite.

Passez des notebooks aux systèmes. Construisez un service de bout en bout, ajoutez des outputs structurés, une évaluation reproductible, des traces, un budget de coût et de latence, puis déployez-le. Comparez ensuite une approche simple à une approche plus complexe.

Deux à quatre projets sérieux valent mieux qu’une page de démos. Montrez le problème, la baseline, les décisions d’architecture, les compromis, les échecs, l’évaluation et ce que vous feriez ensuite. Un bon README prouve que vous comprenez le système.

Entraînez-vous sur un petit problème volontairement flou. Clarifiez les hypothèses, créez une baseline, définissez un schéma de sortie et un jeu d’évaluation, documentez les compromis et livrez quelque chose qu’une autre personne peut exécuter. Le jugement et la communication comptent autant que le résultat.

Apprenez d’abord à cadrer le problème et à évaluer une baseline. Le prompting façonne le comportement, le RAG fournit des connaissances dynamiques, le fine-tuning modifie le comportement et les agents ajoutent de l’autonomie. Choisissez selon une limite observée, pas la popularité.

Suivez quelques sources fiables, lisez les notes de version des outils que vous utilisez vraiment et testez seulement les changements liés à un problème réel. Les données, le contexte, les évaluations, l’observabilité et les compromis vieillissent mieux que les listes de frameworks.

Towards AI est une entreprise de déploiement et de formation en IA. Elle réunit l’éducation, la communauté, la formation des équipes et la construction de systèmes afin que les leçons de la production reviennent dans les cours et les pratiques.

Aux deux. Les personnes utilisent les cours, le livre, les contenus et la communauté. Les entreprises travaillent avec nous pour former leurs équipes et déployer des systèmes d’IA sur mesure qui dépassent le stade de la démo.

Si vous ne codez pas, commencez par un parcours Python ou IA pour le travail. Si vous connaissez Python et voulez construire un produit complet, choisissez Full Stack AI Engineering. Si vous avez déjà les bases et visez les systèmes autonomes, regardez Agentic AI Engineering.

Le livre couvre les applications LLM au-delà de la démo : prompting, RAG, fine-tuning, agents, évaluation, optimisation et déploiement. C’est une référence pratique à consulter selon le problème plutôt qu’un livre à mémoriser.

La communauté Learn AI Together rassemble des débutants, des étudiants, des ingénieurs et des personnes qui construisent des produits. C’est le meilleur endroit pour une question d’apprentissage qui pourrait aussi aider d’autres membres.

Oui. Towards AI travaille avec les équipes techniques, non techniques et de direction sur la formation, la stratégie, les cas d’usage et le déploiement. Envoyez le contexte, l’audience, le résultat visé, l’échéancier et les contraintes importantes.

Oui. Les sujets incluent généralement l’ingénierie IA, les agents et workflows, le RAG, l’évaluation, le contexte, la mémoire et la production. Précisez l’événement, la date, l’audience, le format, le lieu et le résultat attendu.

Oui lorsque le produit est réellement pertinent pour les personnes qui apprennent ou construisent avec l’IA. Envoyez le produit, l’audience, la période, l’objectif et les liens utiles. Les demandes sans contexte ou adéquation claire sont moins susceptibles d’avancer.

Utilisez le formulaire de contact et choisissez le sujet le plus précis. Il permet d’acheminer correctement les demandes de formation, conférence, partenariat, médias ou collaboration. Pour les questions générales, privilégiez la communauté.