Maîtriser l'IA générative#

Un corpus de formation complet, en français, pour utiliser l'IA générative tous les jours en développement, en data engineering et en data analytics.

Temps de lecture : 6 min (cette page) | Niveau : Débutant 15 sections · 105 fiches · environ 34 000 lignes

Chaque fiche s'appuie sur les documentations officielles d'Anthropic, de Claude Code, d'OpenAI, de Google, de Microsoft et du Model Context Protocol. Chaque affirmation technique renvoie à une source vérifiée, listée en bas de fiche.

👤 À qui ça s'adresse#

À un développeur qui fait aussi de la data : du Python, du SQL, des pipelines, des analyses, du reporting. Pas à un chercheur en machine learning.

Le corpus part du principe que :

• Tu sais coder, mais tu n'as pas besoin de savoir comment un modèle est entraîné.
• Tu veux du concret applicable aujourd'hui, sur ton vrai projet, pas de la théorie.
• Tu n'as pas envie de chercher tes mots : chaque technique se termine par un template à copier, avec des [CHAMPS_A_REMPLIR] en majuscules entre crochets. Tu remplis les crochets, c'est tout.

Si tu as du mal à formuler tes idées à l'écrit, ce n'est pas un handicap ici. C'est même le point de départ : les templates existent pour que tu n'aies jamais à inventer une formulation.

🧭 Comment utiliser ce corpus#

Il y a trois façons de s'en servir. Elles sont toutes valables, et tu passeras de l'une à l'autre.

Et une quatrième, pour les jours pressés : l'antisèche. Une seule page, imprimable, à garder à côté du clavier.

La version HTML#

Une version site web est générée dans le dossier site/. Double-clique sur site/index.html : elle s'ouvre dans ton navigateur, fonctionne sans connexion internet, et ajoute la recherche plein texte, le sommaire latéral, le mode sombre et un bouton « Copier » sur chaque bloc de code.

Le lien « Plan du corpus » est présent en haut de chaque page. Pour régénérer le site après avoir modifié un fichier .md :

python build_site.py

Servir le site avec Docker#

Pour le consulter depuis ton navigateur comme un vrai site, ou le partager sur ton réseau local à tes collègues :

docker compose up -d

Puis ouvre http://localhost:8080. Pour arrêter : docker compose down.

Le dossier site/ est monté en lecture seule : le conteneur ne peut rien modifier chez toi. Si tu régénères le site, les pages changent immédiatement, sans redémarrer le conteneur.

Deux outils sont livrés avec, utilisables même si tu n'as pas Python installé :

docker compose run --rm build    # régénère le site HTML
docker compose run --rm liens    # teste toutes les URL externes du corpus

Pour changer le port, crée un fichier .env à côté du docker-compose.yml :

PORT=9000

📚 Les 15 sections#

Comprendre#

Outiller#

Appliquer#

🚀 Par où commencer#

Choisis la ligne qui te ressemble le plus aujourd'hui. Tu feras les autres plus tard.

« Je veux juste mieux prompter. »#

C'est le meilleur rapport temps / gain du corpus. Deux heures suffisent.

1. Anatomie d'un prompt — les 6 briques
2. Être clair et direct — les comparaisons avant / après
3. Templates prêts à remplir — à garder ouvert en permanence
4. Les erreurs fréquentes — pour ne pas les refaire

« Je veux automatiser mon poste de travail. »#

Le but : arrêter de réexpliquer ton projet à chaque session.

1. Installation et premiers pas
2. CLAUDE.md, la mémoire de ton projet
3. Installe le CLAUDE.md prêt à l'emploi sur ton projet réel
4. Puis transforme ce que tu répètes en skills

« Je veux brancher l'IA sur mes données. »#

La voie la plus technique, et la plus utile en data. Commence toujours par un accès en lecture seule.

1. Comprendre MCP — le problème que ça résout
2. Installer des serveurs MCP
3. MCP pour la data — SQL brut ou métriques certifiées ?
4. Sécurité MCP — à lire avant de brancher quoi que ce soit
5. La configuration .mcp.json prête à l'emploi

Bonus : « J'ai du mal à écrire mes mails, mes tickets, mes comptes rendus. »#

Les prompts de communication écrite, puis installe la skill clarifier-mon-texte décrite dans 3 skills prêtes à copier. C'est le geste le plus rentable de tout le corpus pour le quotidien.

🏅 Les 5 règles d'or#

1. Le modèle ne devine pas. Ce que tu n'écris pas, il l'invente. Donne le contexte, le but et le format attendu.
2. Un prompt vague donne une réponse vague. Si le résultat est mauvais, c'est presque toujours la question qu'il faut corriger, pas le modèle.
3. Vérifie toujours les chiffres. Une réponse bien formulée peut être totalement fausse. Sur des données, recoupe avec une requête que tu écris toi-même.
4. Ne colle jamais de données sensibles sans savoir où elles partent. Voir Données sensibles et RGPD.
5. Capitalise. Un prompt qui marche, tu le sauvegardes. La deuxième fois que tu écris la même demande, c'est une skill à créer.

Ce que ce corpus n'est pas#

Ce n'est ni un cours de machine learning, ni une documentation de référence exhaustive. C'est un manuel d'usage professionnel : ce qui sert vraiment, expliqué simplement, avec des exemples tirés du développement et de la data.

Les liens externes ont été vérifiés à la construction du corpus. Le domaine bouge vite : en cas de doute, la documentation officielle listée en section 14 fait toujours foi.

Aussi à la racine#

• PARCOURS-8-SEMAINES.md — le plan d'étude semaine par semaine, avec livrables
• ANTISECHE.md — une page à imprimer et garder à côté du clavier
• build_site.py — le générateur du site HTML (python build_site.py)
• verifie_liens.py — teste toutes les URL externes du corpus (python verifie_liens.py). À relancer tous les 6 mois : les pages de documentation sont souvent déplacées. Seule la catégorie CASSE demande une action ; les catégories AUTH, ROBOT et EXEMPLE sont normales.
• docker-compose.yml et nginx.conf — pour servir le site sur http://localhost:8080 (docker compose up -d)

Sources#

• Claude Code — documentation officielle
• Anthropic — Prompt engineering overview
• Model Context Protocol — site officiel
• OpenAI — Prompt engineering guide
• Google — Gemini API prompting strategies
• Microsoft Learn — Prompt engineering (Azure AI Foundry)