> ## Documentation Index > Fetch the complete documentation index at: https://ia101.nicolassandoz.fr/llms.txt > Use this file to discover all available pages before exploring further. # Approfondir l'IA : cours en ligne, lectures et communautés > Cours en ligne, articles de recherche, communautés actives et newsletters pour continuer à progresser en IA et en prompt engineering après IA 101. Ce cours vous a donné les fondations nécessaires pour comprendre et utiliser les LLM efficacement. Mais l'intelligence artificielle est un domaine qui évolue à une vitesse sans précédent : de nouveaux modèles, architectures et techniques émergent chaque semaine. Cette page rassemble les meilleures ressources pour continuer votre apprentissage, rester informé et rejoindre des communautés actives. **Conseil de progression recommandé :** Commencez par les interfaces pratiques (IA 101), puis explorez les cours en ligne structurés pour consolider la théorie, avant de plonger dans les articles de recherche. Rejoignez une communauté dès le début : les échanges avec d'autres praticiens accélèrent considérablement l'apprentissage. L'IA générative évolue extrêmement vite : un article ou un cours publié il y a 12 mois peut déjà être partiellement obsolète. Privilégiez les ressources maintenues activement, croisez les sources et gardez un œil critique sur les dates de publication. Les newsletters et communautés listées ici sont vos meilleurs alliés pour rester à jour. ## Cours en ligne recommandés Ces formations structurées vous permettront d'approfondir les concepts abordés dans IA 101, des mathématiques sous-jacentes aux techniques d'ingénierie avancées. Les cours d'Andrew Ng font référence mondiale : *Machine Learning Specialization*, *Deep Learning Specialization* et plusieurs short courses gratuits sur le prompt engineering et les LLM. Approche *top-down* et pratique de l'apprentissage profond, gratuite et reconnue pour rendre les concepts avancés accessibles aux développeurs sans bagage mathématique préalable. Cours officiels de Hugging Face entièrement gratuits couvrant NLP, diffusion models, deep RL et LLM : *NLP Course*, *LLM Course* et *Diffusion Models Course*, avec exercices pratiques. Guide de référence complet et open-source sur le prompt engineering, couvrant toutes les techniques (CoT, ReAct, RAG…), disponible en français et mis à jour régulièrement. Le cours de Stanford sur le traitement du langage naturel avec deep learning, disponible gratuitement en ligne avec slides, vidéos et assignments pour une compréhension théorique approfondie. Formation pratique orientée ingénierie couvrant l'ensemble du cycle de vie des applications LLM : prompting, fine-tuning, évaluation, déploiement et UX. ## Lectures et articles de recherche Comprendre les fondements académiques de l'IA vous permettra d'évaluer les nouvelles avancées avec recul et de mieux anticiper les évolutions du domaine. L'article fondateur de 2017 introduisant l'architecture Transformer, à l'origine de tous les LLM modernes. Incontournable pour comprendre les bases architecturales des modèles actuels. Explication visuelle et pédagogique de l'architecture Transformer par Jay Alammar, considérée comme la meilleure ressource pour comprendre intuitivement le mécanisme d'attention. L'article décrivant le RLHF et l'instruction tuning utilisés pour créer ChatGPT, expliquant comment passer d'un modèle de complétion brut à un assistant aligné sur les intentions humaines. Les publications de recherche d'Anthropic sur la sécurité des IA, l'interprétabilité et l'alignement : Constitutional AI, Scaling Laws et travaux sur les comportements émergents. Les articles de recherche et billets de blog d'OpenAI couvrant GPT-4, DALL·E, Whisper et les dernières avancées en IA générative, sécurité et alignement. Publications et articles de Google DeepMind sur Gemini, AlphaFold, les agents IA et la recherche fondamentale en apprentissage par renforcement et apprentissage profond. ## Communautés et veille Rejoindre une communauté active est l'un des moyens les plus efficaces de progresser rapidement, de poser des questions et de rester au courant des dernières avancées. Le subreddit de référence pour les discussions académiques sur le machine learning : annonces de papers, débats techniques et partage de ressources par des chercheurs et praticiens. Communauté dédiée aux LLM open-source et à leur utilisation locale (Llama, Mistral, Phi…) : benchmarks, configurations matérielles, fine-tuning et retours d'expérience pratiques. La plateforme Hugging Face héberge une communauté active de chercheurs et développeurs partageant modèles, datasets et Spaces interactifs ; les forums et Discord sont très accessibles. Le serveur Discord d'EleutherAI rassemble des chercheurs en IA ouverte et des développeurs travaillant sur des LLM open-source, avec des discussions techniques approfondies. Ancien directeur de l'IA chez Tesla et chercheur OpenAI, Andrej Karpathy partage des explications pédagogiques sur les LLM, des tutoriels vidéo et sa vision du domaine. Deux des pionniers du deep learning (lauréats du Prix Turing 2018) partagent régulièrement leurs perspectives sur les avancées, les limites et les enjeux éthiques de l'IA actuelle. ## Newsletters Recevoir une sélection hebdomadaire ou bimensuelle des actualités IA les plus importantes est la façon la plus efficace de maintenir votre veille sans se noyer dans le flux d'informations. La newsletter hebdomadaire d'Andrew Ng synthétise les actualités majeures de l'IA avec un angle pédagogique : résumés d'articles de recherche, analyses et perspectives accessibles. Newsletter hebdomadaire de Jack Clark (cofondateur d'Anthropic) offrant une curation approfondie des publications de recherche IA les plus importantes de la semaine. Magazine mensuel de Sebastian Raschka couvrant en profondeur les dernières avancées en LLM et deep learning, avec des explications techniques rigoureuses et accessibles. Newsletter quotidienne au format court résumant les actualités IA les plus importantes : lancements de modèles, papers et actualités industrie, idéale pour une veille rapide chaque matin.