Intelligence artificielle

LLM, embeddings et RAG

Ce que font vraiment les grands modèles de langage, et comment les ancrer dans de vraies données.

Ce que vous allez vraiment apprendre

Les grands modèles de langage passent pour de la magie jusqu'au jour où il faut réellement construire quelque chose de fiable avec — alors les embeddings, la recherche documentaire et l'ancrage cessent d'être des mots à la mode pour devenir les outils précis qui décident si votre système répond à partir de vraies données ou invente quelque chose avec assurance. Ce parcours part de ce qu'un modèle fait réellement quand il prédit le prochain token, jusqu'à un vrai pipeline de génération augmentée par la recherche (RAG), en passant par la façon dont les embeddings transforment du texte en quelque chose qu'on peut chercher par le sens.

Ce que vous serez capable de faire

Vous construirez un pipeline RAG qui répond à des questions en s'appuyant sur un vrai jeu de documents plutôt que sur les suppositions non ancrées du modèle, et vous saurez expliquer précisément pourquoi il se trompe parfois encore — c'est le véritable écart de compétence entre « j'ai appelé une API LLM » et être digne de confiance pour construire quelque chose dont les gens dépendent pour une vraie réponse.

Programme

1Les tokens : pourquoi un LLM ne voit pas des motscore~9 min

2La prédiction du prochain token : la seule chose qu’un LLM fait réellementcore~9 min

3L’attention : comment un modèle décide ce qui comptecore~10 min

4Les embeddings : le sens comme une position dans l’espacecore~10 min

5La recherche sémantique : trouver le sens, pas juste des mots-cléscore~9 min

6RAG : ancrer un LLM dans de vrais documentscore~10 min

7L’ingénierie de prompt : une vraie compétence, pas une astucecore~9 min

8La fenêtre de contexte : la mémoire de travail limitée d’un modèlecore~8 min

9Projet de synthèse : concevoir un assistant support propulsé par RAG, sur papiercore~12 min

Débloque ensuite

Servir l'IA en production

Questions fréquentes

Combien de temps faut-il pour terminer LLM, embeddings et RAG ?

Environ 1 heure réparties sur 9 quêtes pratiques — vous avancez à votre rythme et reprenez exactement là où vous vous êtes arrêté.

Que faut-il savoir avant de commencer LLM, embeddings et RAG ?

Il faut d'abord être à l'aise avec Réseaux de neurones — la carte de compétences débloque LLM, embeddings et RAG une fois ces compétences terminées.

LLM, embeddings et RAG est-elle gratuite ?

Oui — LLM, embeddings et RAG est entièrement disponible sur l'offre gratuite, en commençant par une première quête gratuite, sans carte bancaire requise pour s'inscrire. Plus et Elite suppriment les limites de rythme mais ne verrouillent aucune partie du programme LLM, embeddings et RAG derrière un paywall.

Commencez cette compétence gratuitement

Créez un compte gratuit et démarrez votre première quête — sans carte bancaire.

Commencer gratuitement