Skip to main content
AI EducademyAIEducademy
🌳

Fondations IA

🌱
AI Seeds

Alphabétisation de l'IA pour le monde réel

🌿
AI Sprouts

Les fondements des systèmes intelligents

🌳
AI Branches

Construisez avec les capacités d’IA d’aujourd’hui

🏕️
AI Canopy

Ingénieur de systèmes GenAI fiables

🌲
AI Forest

Expédier les produits d’IA de manière responsable

🔨

Maîtrise IA

✏️
AI Sketch

Bases d'ingénierie pour les constructeurs d'IA

🪨
AI Chisel

Modèles pour résoudre des problèmes plus difficiles

⚒️
AI Craft

Concevoir des systèmes qui font évoluer l'IA

💎
AI Polish

Communiquer et diriger à l’ère de l’IA

🏆
AI Masterpiece

Votre pierre angulaire de l'IA de production

🚀

Prêt pour la Carrière

🚀
Rampe de lancement entretien

Naviguez sur le marché du travail en ingénierie de l'IA

🌟
Maîtrise comportementale

Racontez l'histoire de la façon dont vous créez un impact

💻
Entretiens techniques

Résoudre, concevoir et communiquer sous pression

🤖
Entretiens IA et ML

Préparez-vous aux entretiens modernes ML et GenAI

🏆
Offre et au-delà

Faites un prochain pas en toute confiance et en connaissance de cause

Voir tous les programmes→

Laboratoire

7 expériences chargées
🧠Terrain de jeu neuronal🤖IA ou humain ?💬Labo de prompts🎨Generateur d'images😊Analyseur de sentiment💡Constructeur de chatbot⚖️Simulateur d'ethique
🎯Entretien simuléEntrer dans le labo→
ParcoursBlogue
🎯
À propos

Rendre l’éducation à l’IA accessible à tous, partout

❓
Questions fréquentes

Réponses aux questions courantes

🧰
Outils IA

Une sélection d'outils que nous utilisons et recommandons

✉️
Contacter

Contactez-nous

⭐
Open source

Construit publiquement sur GitHub

Tarifs
Commencer
AI EducademyAIEducademy

© 2026 AI Educademy. Tous droits réservés.

Apprendre

  • Programmes
  • Leçons
  • Labo
  • Kit de démarrage IA
  • Tarifs

Communauté

  • GitHub
  • Contribuer
  • Code de conduite
  • À propos
  • Questions fréquentes

Soutien

  • Offrez-moi un café ☕
  • Conditions d'utilisation
  • Politique de confidentialité
  • Contacter
  • Sitemap
🌿 Niveau 2

AI Sprouts

Les fondements des systèmes intelligents

Comprendre les éléments constitutifs de l'IA moderne: ensembles de données, fonctionnalités, intégrations, réseaux de neurones, transformateurs, évaluation et compromis pratiques qui façonnent le comportement du modèle.

16
Leçons
~8h
Durée
2/5
Niveau

🎯 Ce que vous apprendrez

  • ✓Trace the path from data to model output
  • ✓Explain embeddings, tokenisation, and transformer intuition
  • ✓Select useful evaluation metrics for an AI task
  • ✓Diagnose overfitting, bias, and data-quality failures

Prérequis: AI Seeds ou sensibilisation pratique à l'IA équivalente

👤 À qui s'adresse ce programme ?

Des apprenants prêts à passer de la culture de l'IA à la compréhension technique

🏷️ Sujets abordés

Datasets and data qualityTraining, loss, and optimisationEmbeddings and vector searchNeural networks and transformersEvaluation and responsible use
🧪

Essayez nos expériences interactives

Mettez la théorie en pratique avec des expériences IA concrètes que vous pouvez lancer directement dans votre navigateur.

→

📚 Leçons

1
📊

Comment les données alimentent l'IA

Découvrez ce qu'est réellement la donnée, comment l'IA l'utilise pour apprendre, pourquoi la qualité des données compte, et explorez des jeux de données réels.

⏱️ 12m→
2
🧮

Les algorithmes expliqués

Découvrez ce que sont les algorithmes à travers des analogies quotidiennes, puis explorez les arbres de décision, KNN et la régression linéaire.

Pro⏱️ 15m→

📖 Articles connexes

AI vs Machine Learning vs Deep Learning: What's the Real Difference?

Confused by AI, machine learning, and deep learning? This guide breaks down the differences with clear examples, diagrams in words, and practical context — so you finally understand how they relate.

⏱️ 4 min read

Machine Learning for Beginners: Everything You Need to Know (2026 Guide)

Machine learning for beginners explained simply — learn what ML is, how it works, key algorithms, and how to start learning for free with hands-on examples.

⏱️ 4 min read

Responsible AI: Ethics, Bias, and Why It Matters

What is responsible AI and why does it matter? This guide explains AI bias, fairness, transparency, privacy, and safety in plain language — with real examples of what goes wrong and how we can do better.

⏱️ 4 min read

❓ Foire aux questions

AI Sprouts est conçu pour les apprenants ayant une connaissance de base de l'IA - idéalement après avoir terminé AI Seeds. Si vous savez déjà ce qu'est l'IA dans les grandes lignes, vous êtes prêt à explorer les composants clés comme les types de données, les algorithmes et l'éthique.

Aucune programmation n'est requise. AI Sprouts utilise des visuels interactifs et des exercices pratiques pour développer votre intuition sur le fonctionnement de l'IA, sans écrire de code.

Oui ! Terminez toutes les leçons et vous obtiendrez un certificat de réussite personnalisé que vous pourrez partager sur LinkedIn ou avec des employeurs.

La première leçon d'AI Sprouts est gratuite à essayer. Pro débloque le reste du programme, ainsi que chaque autre académie, parcours et certificat.

Vous apprendrez à distinguer l'apprentissage supervisé, non supervisé et par renforcement. Vous comprendrez les données d'entraînement, explorerez comment l'IA prend des décisions et réfléchirez de manière critique aux biais et à l'équité de l'IA.

Commencer la première leçon →
15 · Pro

Ton prochain niveau est derriere cette porte

Choisis un plan pour debloquer chaque academie, chaque lecon, la synchronisation de progression et les certificats. Construis des competences qui s accumulent.

Essayez Pro gratuitement pendant 7 jours →

Gratuit pendant 7 jours. Annulez quand vous voulez, sans justification.

🔒 Connectez-vous pour suivre vos progrès et obtenir des certificats

← Retour à tous les programmes
3
🧠

Introduction aux réseaux de neurones

Explorez le fonctionnement des réseaux de neurones artificiels - des neurones biologiques aux couches, fonctions d'activation, propagation avant et rétropropagation.

Pro⏱️ 18m→
4
🏋️

Entraîner des modèles IA

Comprenez la boucle d'entraînement, les fonctions de perte, le surapprentissage, et comment savoir quand votre modèle d'IA est prêt.

Pro⏱️ 15m→
5
⚖️

Éthique et biais de l'IA

Explorez comment les biais s'infiltrent dans les systèmes d'IA, les défis éthiques que l'IA engendre, et comment nous pouvons construire une technologie plus équitable.

Pro⏱️ 15m→
6
⛓️

Rétropropagation

Comprenez comment les réseaux de neurones apprennent en propageant les erreurs à rebours à travers les couches, en utilisant la règle de la chaîne pour mettre à jour chaque poids.

Pro⏱️ 16m→
7
📉

Fonctions de perte et optimiseurs

Découvrez comment les fonctions de perte mesurent les erreurs d'un modèle et comment les optimiseurs utilisent les gradients pour les réduire systématiquement.

Pro⏱️ 15m→
8
🔤

Tokenisation

Découvrez comment les modèles de langage découpent le texte en tokens à l'aide de BPE et d'autres algorithmes, et pourquoi la tokenisation influence tout, du coût aux capacités.

Pro⏱️ 14m→
9
🧭

Embeddings et bases de données vectorielles

Explorez comment l'IA représente les mots et les phrases sous forme de vecteurs dans un espace de haute dimension, permettant la recherche sémantique, les recommandations et le RAG.

Pro⏱️ 16m→
10
📊

Métriques d'évaluation

Découvrez pourquoi la précision seule est trompeuse, et maîtrisez les métriques - précision, rappel, F1, ROC-AUC, BLEU et perplexité - qui mesurent réellement les performances de l'IA.

Pro⏱️ 15m→
11
🔤

Comprendre les grands modèles de langage

Comment GPT, Claude et autres LLM fonctionnent sous le capot

Pro⏱️ 15m→
12
📉

Surapprentissage et sous-apprentissage : pourquoi les modèles ML échouent

Comprenez les deux modes d'échec du machine learning les plus courants (surapprentissage et sous-apprentissage) avec des exemples clairs et comment les résoudre.

Pro⏱️ 25m→
13
⚙️

Feature Engineering : apprendre aux machines ce qui compte

Découvrez comment l'ingénierie des fonctionnalités transforme les données brutes en puissantes entrées d'apprentissage automatique : la compétence qui distingue les bons modèles des excellents.

Pro⏱️ 30m→
14
🔀

Apprentissage supervisé vs non supervisé : différences clés expliquées

Une comparaison claire de l'apprentissage automatique supervisé et non supervisé : quand utiliser chaque approche, avec des exemples et des algorithmes concrets.

Pro⏱️ 25m→
15
🌳

Arbres de décision : l'algorithme que vous pouvez dessiner sur papier

Découvrez comment fonctionnent les arbres de décision, pourquoi ils constituent l'un des algorithmes de ML les plus intuitifs et quand les utiliser.

Pro⏱️ 25m→
16
🔵

Clustering : comment l'IA trouve des modèles sans étiquettes

Comprenez le clustering, une technique clé d'apprentissage non supervisé, grâce aux K-Means, au clustering hiérarchique et aux applications du monde réel.

Pro⏱️ 25m→