Le voyage d’un prompt
Lecontrairedel’ingratitudeest
Sept tokens entrent dans un grand modèle de langage. Il répond « la gratitude. » Ce site suit cette phrase pas à pas, de la frappe au clavier jusqu’à l’assistant d’une banque de 8 000 personnes.
Avant de partir, pariez : quel mot le token est regarde-t-il le plus ?
Que devient cette phrase dans le modèle ?
Elle est découpée en sept tokens
Le modèle ne lit pas des mots, mais des morceaux de mots. « L’ingratitude » en donne trois.
Chaque token devient une liste de nombres
Ces nombres placent le token sur une carte du sens, où « gratitude » voisine avec « reconnaissance ».
Les tokens se consultent
C’est l’attention. Dans l’exemple simplifié du module 2.3, « est » consacre 59 % de son attention à « gratitude ».
Le modèle note chaque suite, puis choisit
« gratitude » obtient 45 %. Le modèle tire au sort selon ces chances, et la suite la plus probable sort le plus souvent.
- 87modules, chacun avec son expérience à manipuler
- 9étapes pour suivre une seule phrase de bout en bout
- 747termes définis en une phrase, en anglais et en français
- 0 €sans publicité, sans inscription
Neuf questions. Choisissez la vôtre.
Trois rangées : comprendre la machine, en faire un outil, la mettre au travail. Cliquez une case pour voir ses modules.
Essayez tout de suite
Réglez l’audace du modèle
« Le contraire de l’ingratitude est… » Le modèle hésite entre quatre suites. Bougez le curseur, puis tirez un mot.
« Le contraire de l’ingratitude est … »
Temps 1Comprendre la machine
Étape 0 : Boussole
Avant le départ
De quoi parle-t-on, et par où commencer ?
On écrit la phrase et on déplie la carte : IA, machine learning, LLM, agents, leur histoire, et dix idées reçues à laisser sur le quai.
Sans cette étape, on confond les mots, et l’on part avec de fausses certitudes.
Étape 1 : Fondations : de l’apprentissage au réseau de neurones
Le pays à traverser
Comment une machine peut-elle apprendre quoi que ce soit ?
Neurone, erreur, gradient, vecteur : les quatre idées dont tout le reste est fait, vues sur des exemples simples.
Sans cette étape, le pipeline de l’étape 2 serait une suite de mots magiques.
Étape 2 : Le pipeline complet d’un LLM en 7 étapes
La traversée en sept gares
Que se passe-t-il exactement entre la phrase et la réponse ?
Tokens, embeddings, blocs Transformer, logits, softmax, perte, gradient : le calcul complet, refait à la main jusqu’à « la gratitude. »
Sans cette étape, on saurait décrire un LLM, pas expliquer une seule de ses réponses.
13 modules, 4 h 32 de lecture au niveau 1
- 2.0Vue d’ensemble : le voyage d’un prompt
- 2.1Étape 1 — Les tokens : découper le texte
- 2.2Étape 2 — Embeddings et positions : donner un sens et une place
- 2.3L’attention : les mots se consultent
- 2.4Étape 3b — Plusieurs têtes et masque causal
- 2.5Étape 3c — Feed-forward, résidus, normalisation : le bloc complet
- 2.6Étape 3d — Empiler les blocs
- 2.7Étape 4 — Logits : un score pour chaque mot possible
- 2.8Étape 5 — Softmax : des scores aux probabilités
- 2.9Étape 6 — La perte : mesurer l’erreur
- 2.10Étape 7 — Gradient et AdamW : corriger les poids
- 2.11La boucle de génération : un token après l’autre
- 2.12Atelier de synthèse : du mini-modèle au vrai modèle
Temps 2En faire un outil
Étape 3 : Fabriquer un LLM : données, entraînement, alignement
Retour en arrière
D’où le modèle tient-il que la suite est « la gratitude » ?
Les données, le pré-entraînement, le matériel, le fine-tuning, l’alignement : comment on fabrique les réglages que l’étape 2 a utilisés.
Sans cette étape, les milliards de réglages du modèle tomberaient du ciel.
8 modules, 3 h de lecture au niveau 1
- 3.1Les données : de quoi est fait un LLM
- 3.2Le pré-entraînement : prédire le mot suivant, des milliers de milliards de fois
- 3.3Le matériel : processeurs graphiques, mémoire, énergie
- 3.4Le fine-tuning : spécialiser un modèle
- 3.5L’alignement : apprendre à bien répondre
- 3.6Les modèles de raisonnement
- 3.7Compresser et distiller
- 3.8Familles de modèles et écosystème
Étape 4 : Utiliser un LLM
La même phrase, d’autres réglages
Qu’est-ce qui dépend de moi quand j’utilise un modèle ?
Contexte, température, formulation, format, coût, choix du modèle, hallucinations : tout ce que change la main qui tient le prompt.
Sans cette étape, on connaîtrait le moteur sans savoir conduire.
9 modules, 3 h 15 de lecture au niveau 1
- 4.1Quand j’appuie sur Entrée
- 4.2La fenêtre de contexte
- 4.3Choisir le prochain mot : température et échantillonnage
- 4.4Bien formuler sa demande
- 4.5Techniques avancées et ingénierie de contexte
- 4.6Les sorties structurées
- 4.7Coût, vitesse, débit
- 4.8Choisir un modèle
- 4.9Les hallucinations
Étape 5 : GenAI augmentée : embeddings, RAG, multimodal
Le prompt reçoit des renforts
Comment répondre sur ce que le modèle n’a jamais appris ?
Recherche par le sens, RAG, images, audio : on apporte au modèle vos documents et d’autres formes que le texte.
Sans cette étape, le modèle ne pourrait répondre que de mémoire, et seulement à du texte.
Temps 3Le mettre au travail
Étape 6 : Agents IA
Le prompt devient une mission
Comment passe-t-on d’un modèle qui répond à un système qui agit ?
Outils, boucle, plan, mémoire, connecteurs, sécurité : un agent organise un week-end à Lisbonne de bout en bout.
Sans cette étape, l’IA resterait une conversation, incapable de mener une tâche.
10 modules, 3 h 20 de lecture au niveau 1
- 6.1Qu’est-ce qu’un agent ?
- 6.2L’appel d’outils
- 6.3La boucle agentique
- 6.4Planifier et décomposer
- 6.5La mémoire d’un agent
- 6.6Connecter un agent au monde
- 6.7Agents qui codent et qui pilotent un ordinateur
- 6.8Systèmes multi-agents
- 6.9Fiabilité et contrôle
- 6.10Sécurité des agents
Étape 7 : Fiabilité, sécurité, société
Le prompt passe l’inspection
Peut-on lui faire confiance, et qui en répond ?
Mesurer, chercher les biais, attaquer et défendre, protéger les données, ouvrir la boîte noire, connaître le droit.
Sans cette étape, on déploierait un système qu’on ne sait ni juger ni encadrer.
Étape 8 : Transformation et méthodologie en BFI et asset management
D’un prompt à des millions
Comment déployer tout cela dans une organisation réelle ?
Banque Aurore ouvre un assistant à 8 000 collaborateurs en 18 mois : ambition, valeur, neuf chantiers, feuille de route.
Sans cette étape, tout ce qui précède resterait une démonstration.
17 modules, 6 h 15 de lecture au niveau 1
- 8.1La banque d’investissement et l’asset management pour non-financiers
- 8.2Ambition et stratégie
- 8.3Anatomie du programme
- 8.4Business case et mesure de la valeur
- 8.5Cas d’usage : identifier et prioriser
- 8.6Plateforme et architecture
- 8.7Données et connaissances
- 8.8Sécurité et confidentialité
- 8.9Risque et conformité
- 8.10Juridique et achats
- 8.11Modèle opérationnel et gouvernance
- 8.12Conduite du changement
- 8.13Exploitation dans la durée
- 8.14La feuille de route
- 8.15Les 40 questions avant de lancer
- 8.16Pièges et facteurs de succès
- 8.17Spécificités de l’asset management
Le même module, trois profondeurs
Le niveau 1 se suffit à lui-même. Les niveaux 2 et 3 restent repliés tant que vous ne les ouvrez pas.
- Niveau 1
Comprendre l’idée
Une histoire, des images, aucun calcul. De quoi expliquer la notion à un proche.
- Niveau 2
Comprendre le mécanisme
Le calcul refait à la main, sur un exemple réduit, avec une calculatrice.
- Niveau 3
Vérifier et approfondir
Les formules, les limites, les articles de recherche.
Personne n’est obligé de tout lire dans l’ordre
Quatre lecteurs, quatre besoins. Vous les retrouverez dans les histoires qui ouvrent chaque module.
- 3 heures
Camille
Découverte
« Je veux comprendre l’essentiel en une soirée. »
Expliquer à un proche ce qu’est un LLM et comment il produit une réponse.
- 20 heures
Hugo
Le moteur
« Je veux comprendre comment ça marche vraiment. »
Refaire à la main le trajet d’une phrase dans un modèle.
- 18 heures
Nadia
Praticien
« Je veux bien m’en servir. »
Choisir la bonne technique, repérer une hallucination, protéger ses données.
- 15 heures
Paul
Transformation
« Je pilote ou j’accompagne un déploiement. »
Structurer un programme et poser les bonnes questions à chaque équipe.
Trois outils à garder sous la main
- GlossaireChaque terme en anglais et en français, défini en une phrase, avec les modules où il apparaît.747 termes
- Boîte à mathsVecteurs, matrices, exponentielle, probabilités, dérivées : chaque notion reprise à zéro.10 fiches
- LaboratoireLes interactions des modules réunies au même endroit, pour manipuler sans relire le cours.87 expériences
Ce site est gratuit. Vos dons le font avancer.
En accès libre, sans publicité. Chaque don finance directement la suite.
La page de don s’ouvre sur Buy Me a Coffee, dans un nouvel onglet.
- Un nom de domaineet un hébergement au nom du site.
- Du tempspour écrire, corriger et tenir les modules à jour.
- Plus d’interactivitéde nouvelles animations, de nouveaux laboratoires.
- Une meilleure diffusionpour atteindre ceux à qui le site peut servir.