Plan du cours
L'IA et ses débuts
Comment ça marche
L'environnement IA : les concepts des initiés
01
Les trois étapes universelles
Quel que soit le domaine — médecine, finance, jeux vidéo, traduction, les système d'IA suivent le même enchaînement :
Ce schéma s'appelle le pipeline IA — ou plus précisément : collecte → entraînement → inférence.
Dans ce processus , l'IA a déjà apprise comment faire pour distinguer un chat d'un chien, c'est pour cela que l'on parle d'inférence. Pour faire simple c'est une IA de production !
02
Phase 1 — Collecter et préparer les données
C'est l'étape la plus longue et la plus sous-estimée. On estime qu'un projet IA passe 70 à 80 % de son temps sur les données — et seulement 20 % sur l'algorithme.
Sans données, l'IA n'est qu'une coquille vide. Les données peuvent être n'importe quoi : des milliers de photos, des tableaux Excel remplis de chiffres, des heures d'enregistrements audio, ou tout le texte de Wikipédia. La règle d'or de l'IA : "Garbage in, garbage out" (Si vous faites entrer des données poubelles, l'IA produira des résultats poubelles).
03
Phase 2 : L'entraînement
C'est ici que l'algorithme "apprend". On lui montre les données d'entraînement des milliers de fois. À chaque passe, il ajuste ses paramètres internes pour faire de meilleures prédictions.
04
Phase 3 : L'inférence (le moment ou on utilise le modèle)
Une fois entraîné, le modèle est "figé". On peut maintenant lui soumettre de nouvelles données qu'il n'a jamais vues . A cette étape, il doit produire le résultat le plus juste possible. Cette phase s'appelle l'inférence.
- Tout processus IA suit 3 phases : données → entraînement → inférence
- La préparation des données représente 70-80% du travail réel d'un projet IA
- L'entraînement = l'algorithme s'ajuste des millions de fois pour réduire ses erreurs
- L'inférence = utiliser le modèle entraîné sur de nouvelles données
Cours mis à jour en mars 2026.