MAVECO
Book a meeting
Cover of the book “Comprendre et accéder”, volume 1 of 6 of Pierre Vinet’s Bibliothèque IA, on a dark background with the accent color indigo
AI Library · Volume 1 of 6 · Belt 1

French-language books

Understand and Access

Original title (in French): Comprendre et accéder

What artificial intelligence is, how it is built, and the four doors to reach it from your workstation

  • Chapters 1 to 11
  • 254 pages
  • 27 figures
  • Format 8.5 x 11 in, full color

Coming soon on Amazon

This volume will be published in Kindle and paperback editions. Leave your email to be notified at publication.

Get notified at publication

About this volume

Understand and Access is the first volume of the Bibliothèque IA, a six-volume collection on artificial intelligence. This is a French-language book. It starts from a simple observation: most people are taught AI backwards, hearing about agents and orchestration before anyone has shown them what a model, a training dataset or a chip is. This volume restores the order. It gives the exact definitions used by the OECD and European law, places the five nested circles from AI to large language models, and traces the science and the industry behind them. It then explains the three layers of the field (data, algorithms, hardware), maps the families of models, and teaches how to read a ranking, a licence and a price per token. It prepares a workstation on Windows 11, macOS on Apple silicon and Ubuntu 26.04 LTS. Finally it shows four doors to reach a model: chat applications, the direct API, gateways and routing, and local execution, and how to choose the right one for a task, a budget and a level of confidentiality. The book has eleven chapters, 27 figures, typed call-out boxes, notes specific to Quebec and Canada, a glossary, three appendices and the memo sheet for the first belt. Facts are dated and sourced in APA 7 style. No programming is required and the math is optional. Volume 1 leads to the first belt and prepares Volume 2, which covers what a model can do, modality by modality.

What you will be able to do

  • Define an AI system as the OECD and European law do, and place the five nested circles, from AI to large language models
  • Tell predictive, generative and agentic AI apart, and recognize which one answers a need
  • Calculate the memory a model needs and know whether it fits on your machine
  • Read a model licence and say what it forbids, instead of repeating the label "open"
  • Test models on your own tasks rather than trusting a ranking, and calculate the monthly cost of a repeated task
  • Install and verify nine basic tools on Windows 11, macOS on Apple silicon and Ubuntu 26.04 LTS
  • Choose the right way in, according to the task, the budget and the confidentiality required

Table of contents

The books are written in French; their titles, tables of contents and excerpts are shown in the language of the book.

Partie I — Comprendre : l'IA en une image
  1. 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
  2. 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)
  3. 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
  1. 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
  2. 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
  3. 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
  4. 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
  1. 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
  2. 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
  3. 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
  4. 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

Excerpt

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.

Excerpt from “Comprendre et accéder” — Chapitre 1, ouverture (avant le § 1.1)

Technical details

TitleComprendre et accéder
SubtitleCe qu'est l'intelligence artificielle, comment elle est fabriquée, et les quatre portes pour l'atteindre depuis votre poste
Title translated into EnglishUnderstand and Access
SeriesBibliothèque IA
VolumeVolume 1 of 6
AuthorPierre Vinet
PublisherPierre Vinet
LanguageFrench
Chapters11 (1–11)
Pages254
Figures27
Format8.5 x 11 in, color
Planned editionsKindle and paperback

Who it is for

Employees, managers, freelancers, students and computing beginners who already use AI or will have to choose how to, and who want accurate, dated, verifiable foundations.

Prerequisites

None. This volume opens the collection; no programming is required (the procedures use terminal commands given step by step for Windows 11, macOS on Apple silicon and Ubuntu 26.04 LTS).

Train your teams, or put AI to work in your SME?

These books teach; we also work alongside companies in the field. Let’s talk for thirty minutes about your situation, no strings attached.

Book a meetingThe whole library