Atlas des connaissances en IA
L'IA, expliquée correctement des principes premiers à la frontière
Huit domaines, quarante-huit concepts essentiels. Chacun va d'une définition précise à l'intuition qui la sous-tend, de son fonctionnement à ses limites — avec des figures SVG dessinées à la main et des graphiques interactifs. Que vous n'ayez jamais entendu parler d'un réseau de neurones ou que vous lisiez des articles chaque jour.
- Domaines
- 08
- Concepts essentiels
- 48
- Figures et graphiques
- 124
- Langues de l'interface
- 12
STRUCTURE
Les huit domaines
Lus de haut en bas, ils forment une chaîne de dépendances naturelle : les mathématiques fondent l'apprentissage automatique, celui-ci structure l'apprentissage profond, l'apprentissage profond porte le langage, la vision, l'apprentissage par renforcement et les modèles génératifs, et l'ingénierie et la gouvernance les transforment en produits.
Carte des connaissancesPATHS
Choisissez votre point d'entrée
Un même site, trois façons de le lire. Aucun ordre imposé : changez de parcours quand vous voulez.
Je pars de zéro
Ni mathématiques ni code. Commencez par les questions les plus simples — qu'est-ce qu'un vecteur, comment un modèle apprend — et forgez votre intuition par l'analogie.
Commencer par Mathématiques et statistiquesJ'ai des bases et je veux structurer
Vous avez entendu parler de la descente de gradient et des Transformer, mais vos connaissances sont fragmentées. Lisez domaine par domaine et reliez les pièces éparses en un réseau.
Commencer par l'apprentissage automatiqueJe travaille dans ce domaine
Vous devez retrouver en dix minutes la formulation exacte d'une méthode et ses conditions limites. Allez droit aux entrées, aux formules et aux lectures complémentaires.
Parcourir toutes les entréesDOMAINS
Domaines
Fondements des mathématiques et des statistiques
Vecteurs, matrices, probabilités et dérivées : le langage de l’IA
Apprentissage automatique
Laisser les programmes déduire les règles des données au lieu de les coder en dur
Apprentissage profond
Confier l’ingénierie des caractéristiques à des couches empilées
TAL et grands modèles de langage
De la tokenisation aux Transformers jusqu’aux modèles qui parlent
Vision par ordinateur
Transformer les pixels en objets, scènes et structures 3D
Apprentissage par renforcement
Apprendre des séquences de décisions par essai, erreur et récompense différée
IA générative
De juger ce qu’est une chose à synthétiser ce qu’elle devrait être
Ingénierie, sûreté et éthique de l’IA
Transformer un modèle fonctionnel en produit utilisable, fiable et responsable
SELECTED
Commencez ici
Si vous ne lisez que six entrées, lisez celles-ci.
Vecteurs et espaces vectoriels
L’IA transforme tout — mots, images, sons, utilisateurs — en une liste de nombres
Gradient et descente de gradient
Tout l’apprentissage profond se résume à une chose : faire un petit pas vers le bas
Architecture Transformer
Remplacer le relais mot à mot par une salle où tous parlent en même temps, pour que les dépendances lointaines soient à un saut
Modèles de diffusion
Apprenez mille petits pas de débruitage et vous créerez une image à partir de bruit pur
Apprentissage par renforcement à partir de retours humains
Quand la « bonne réponse » ne s’écrit pas en formule, laissons les humains jouer le rôle de la récompense
Génération augmentée par récupération
Plutôt que de fourrer le savoir dans les paramètres, le laisser dehors et le consulter à la demande — comme un examen à livre ouvert
USAGE
Comment utiliser ce site
Lisez domaine par domaine
À l'intérieur de chaque domaine, l'ordre va du plus facile au plus difficile : en terminant un domaine, vous aurez bâti un bloc complet de compréhension.
02Sautez à la carte des connaissances
La page de la carte dessine les quarante-huit concepts comme un seul réseau de relations, pour voir d'un coup d'œil qui soutient qui et ce qui remplace quoi.
03Utilisez le glossaire comme dictionnaire
Quand vous tombez sur un terme inconnu, cherchez-le directement : c'est bien plus rapide que de revenir aux chapitres précédents.
Prêt ?
Commencez par « Vecteurs et espaces vectoriels » — le véritable socle de l'IA moderne.
Explorer la carte des connaissances