Comprendre et accéder
Ce qu'est l'intelligence artificielle, comment elle est fabriquée, et les quatre portes pour l'atteindre depuis votre poste
- Chapitres 1 à 11
- 254 pages
- 27 figures
- Format 8,5 × 11 po, en couleur
Bientôt sur Amazon
Ce tome paraîtra en éditions Kindle et brochée. Laissez votre courriel pour être avisé de la parution.
Être avisé de la parutionÀ propos de ce tome
Avant d'employer l'intelligence artificielle, sachez ce que vous tenez entre les mains et par quelle porte l'atteindre.
Presque tout le monde apprend l'IA à l'envers : on parle d'agents et d'orchestration à des lecteurs à qui personne n'a montré ce qu'est un modèle, une donnée d'entraînement ou une puce. Ce premier tome de la Bibliothèque IA rétablit l'ordre. Il pose les définitions exactes, explique comment un modèle est fabriqué, dresse le paysage des modèles, prépare votre poste de travail, puis vous fait obtenir une réponse par quatre portes différentes : l'application de clavardage, l'interface de programmation directe, les passerelles et le routage, et l'exécution locale.
Onze chapitres en trois parties : Comprendre (les définitions, l'histoire de la science, celle de l'industrie), La science fondamentale (les données, les algorithmes, le matériel) et Les modèles (le paysage, le choix, le poste de travail, l'accès). Vous y trouverez 27 figures, des encadrés typés (concept clé, définition, la règle, méthode, faisons le calcul, cas concret, attention, notes Québec et Canada), l'aide-mémoire de la première ceinture, un glossaire et trois annexes : catégories de produits, aide-mémoire des commandes par système, faux amis et pièges de licence. Chaque chapitre se termine par les erreurs qui coûtent cher, les points à retenir, un plan d'action, une autoévaluation et ses sources. Les mathématiques sont optionnelles : les calculs sont isolés dans des encadrés que l'on peut sauter.
Le tome 1 mène à la première ceinture de la Bibliothèque IA, une collection de six tomes qui enseigne l'IA comme un métier manuel, une pièce à la fois : savoir accéder à un modèle par quatre portes et choisir la bonne. Il ne suppose rien de ce qui suit. Le tome 2 y ajoute les gestes, modalité par modalité ; les tomes suivants donnent au modèle des connaissances, des moyens d'agir, puis assemblent des agents avant la mise en production et la gouvernance.
Ce que vous saurez faire
- Définir un système d'IA comme le font l'OCDE et le droit européen, et placer les cinq cercles emboîtés, de l'IA aux grands modèles de langage
- Distinguer l'IA prédictive, générative et agentique, et reconnaître laquelle répond à un besoin
- Calculer la mémoire dont un modèle a besoin et savoir s'il tient sur votre machine
- Lire une licence de modèle et dire ce qu'elle interdit, au lieu de répéter l'étiquette « ouvert »
- Tester des modèles sur vos propres tâches plutôt que de vous fier à un classement, et calculer le coût mensuel d'une tâche répétée
- Installer et vérifier neuf outils de base sur Windows 11, macOS à puce Apple et Ubuntu 26.04 LTS
- Choisir la bonne porte d'accès selon la tâche, le budget et la confidentialité exigée
Au sommaire
Partie I — Comprendre : l'IA en une image
1Définitions, cercles emboîtés et carte des pièces
- 1.1 Ce qu'est l'intelligence artificielle
- 1.2 Les cinq cercles emboîtés
- 1.3 Prédictive, générative et agentique
- 1.4 La carte des pièces : ce que vous allez assembler
- 1.5 Les quatre faux amis du vocabulaire
- 1.6 Les ceintures et le fil rouge
2Histoire : science et technologie
- 2.1 L'IA symbolique et les systèmes experts
- 2.2 L'apprentissage statistique
- 2.3 L'apprentissage profond
- 2.4 Le Transformer
- 2.5 L'IA générative
- 2.6 Les modèles de raisonnement
- 2.7 Les agents, les protocoles et les compétences (2024-2026)
3Histoire : industrie, adoption et impacts
- 3.1 Les acteurs
- 3.2 Les modèles d'affaires
- 3.3 Le prix de l'inférence : deux courbes opposées
- 3.4 L'adoption par les entreprises et les développeurs
- 3.5 La productivité et la frontière irrégulière
- 3.6 L'emploi
- 3.7 La consolidation de 2025-2026
- 3.8 Les tendances
Partie II — La science fondamentale : trois couches
4La couche des données
- 4.1 Pourquoi les données passent avant les algorithmes
- 4.2 Données structurées et non structurées
- 4.3 Les corpus d'entraînement
- 4.4 La qualité et les biais
- 4.5 L'étiquetage et l'annotation
- 4.6 Les données synthétiques
- 4.7 Les environnements d'entraînement par renforcement
- 4.8 Les droits et la vie privée
- 4.9 Les jeux de données publics
5La couche algorithmique (1) : apprendre, concevoir et entraîner
- 5.1 Les trois manières d'apprendre
- 5.2 Du neurone au réseau
- 5.3 La rétropropagation
- 5.4 Les architectures : CNN, RNN, Transformer, diffusion, mélange d'experts
- 5.5 L'attention
- 5.6 Les jetons et les plongements
- 5.7 Le préentraînement et les lois d'échelle
- 5.8 Avec quoi on entraîne : cadriciels et entraînement distribué
6La couche algorithmique (2) : perfectionner et utiliser
- 6.1 Le post-entraînement : SFT, RLHF, DPO et renforcement vérifiable
- 6.2 L'adaptation : ajustement fin, LoRA et QLoRA
- 6.3 La distillation et la quantification
- 6.4 La fusion, l'édition et l'interprétabilité
- 6.5 L'inférence : la génération jeton par jeton
- 6.6 Température, fenêtre de contexte et cache KV
- 6.7 Raisonner avant de répondre
- 6.8 Pourquoi un modèle se trompe
7La couche matérielle
- 7.1 Pourquoi il faut du matériel spécialisé
- 7.2 CPU, GPU, TPU, NPU et puces spécialisées
- 7.3 La mémoire vidéo et la mémoire unifiée
- 7.4 Entraîner ou inférer, deux besoins différents
- 7.5 L'interconnexion et le réseau
- 7.6 Les compilateurs et les noyaux : CUDA, ROCm, Triton et MLX
- 7.7 L'ordonnancement du calcul
- 7.8 Les centres de données et l'énergie
- 7.9 Les PC d'IA et les puces Apple
- 7.10 Ce que votre poste peut exécuter
Partie III — Les modèles : la pièce centrale
8Le paysage des modèles
- 8.1 Les familles
- 8.2 Modèles de langage, grands et petits
- 8.3 Les modèles de raisonnement
- 8.4 Les multimodaux
- 8.5 Plongements et reclassement
- 8.6 Parole, image, vidéo, musique, 3D
- 8.7 Code
- 8.8 Séries temporelles et données tabulaires
- 8.9 Vision-langage-action et modèles du monde
- 8.10 Les modèles de garde
- 8.11 Les concentrateurs et les registres
- 8.12 Les licences : « ouvert » est un dégradé, pas une frontière
9Choisir un modèle
- 9.1 Les critères
- 9.2 Lire un classement sans se tromper
- 9.3 Le prix par jeton
- 9.4 Tester sur ses propres tâches
- 9.5 Le routage : choisir par requête
10Préparer son poste de travail
- 10.1 Le terminal sur les trois systèmes
- 10.2 Les gestionnaires de paquets : winget et Scoop, Homebrew, apt et dnf
- 10.3 Python avec uv
- 10.4 Node.js et Git
- 10.5 Docker, Podman et WSL 2
- 10.6 Les pilotes GPU
- 10.7 VS Code
- 10.8 Les variables d'environnement
- 10.9 Les secrets : la saisie masquée, jamais la ligne de commande
11Accéder à un modèle : les quatre portes
- 11.1 Le chemin d'une requête
- 11.2 Porte 1 : les applications de clavardage
- 11.3 Porte 2 : l'API directe
- 11.4 Porte 3 : les passerelles et le routage
- 11.5 Porte 4 : l'exécution locale
- 11.6 Comparer le coût, la vitesse et la confidentialité
- 11.7 Choisir sa porte selon la tâche
Extrait
Un menuisier qui débute n'apprend pas à monter un mur le premier jour. Il apprend d'abord ce qu'est un clou, puis ce qu'est une planche, puis comment le clou tient la planche. Le mur vient après, et il n'est rien d'autre que des clous et des planches assemblés. L'intelligence artificielle s'apprend de la même façon, et c'est précisément ce qui manque à la plupart des livres et des formations sur le sujet : ils décrivent des murs à des gens qui n'ont jamais tenu un clou. Cette collection fait l'inverse. Chaque pièce y est expliquée seule, avec sa fonction, son prix, son installation et ses pièges, avant d'être assemblée à d'autres.
Fiche technique
| Titre | Comprendre et accéder |
|---|---|
| Sous-titre | Ce qu'est l'intelligence artificielle, comment elle est fabriquée, et les quatre portes pour l'atteindre depuis votre poste |
| Série | Bibliothèque IA |
| Tome | Tome 1 sur 6 |
| Auteur | Pierre Vinet |
| Éditeur | Pierre Vinet |
| Langue | Français |
| Chapitres | 11 (1–11) |
| Pages | 254 |
| Figures | 27 |
| Format | 8,5 × 11 po, couleur |
| Éditions prévues | Kindle et broché |
Pour qui
Employés, gestionnaires, indépendants, étudiants et débutants en informatique qui utilisent déjà l'IA ou vont devoir choisir comment le faire, et qui veulent des bases justes, datées et vérifiables.
Prérequis
Aucun. Ce tome ouvre la collection ; aucune programmation n'est requise (les procédures passent par des commandes de terminal données pas à pas pour Windows 11, macOS sur puce Apple et Ubuntu 26.04 LTS).
Former vos équipes ou mettre l'IA au travail dans votre PME ?
Ces livres enseignent ; nous accompagnons aussi les entreprises sur le terrain. Parlons trente minutes de votre situation, sans engagement.