Plan du corpus
Toutes les pages du corpus sur une seule page. Clique pour ouvrir, ou tape dans le filtre pour retrouver un sujet.
00Pour demarrer
- Maîtriser l'IA générativeUn corpus de formation complet, en français, pour utiliser l'IA générative tous les jours en développement, en data engineering et en data analytics.
- AntisècheUne seule page. À imprimer et à garder à côté du clavier.
- Parcours en 8 semainesTrois à quatre heures par semaine, un livrable concret à chaque fois. Aucune théorie sans application immédiate sur ton vrai travail.
01Fondamentaux des LLM
Comprendre ce qu'il y a sous le capot, juste assez pour prompter intelligemment. Pas de maths, pas de théorie inutile.
- Vue d'ensemble de la sectionComprendre ce qu'il y a sous le capot, juste assez pour prompter intelligemment. Pas de maths, pas de théorie inutile.
- Comment fonctionne un LLMComprendre la machine à prédire le mot suivant, juste assez pour arrêter de prompter au hasard.
- Tokens, contexte et fenêtre de contexteLe token est l'unité de facturation, de vitesse et de limite. Savoir les compter, c'est savoir piloter le coût.
- Les paramètres du modèleLes boutons que tu peux tourner : temperature, top_p, max_tokens, stop sequences, system prompt, effort de raisonnement.
- Limites, hallucinations et biaisUn LLM se trompe avec assurance. Voici pourquoi, et les parades concrètes à mettre dans tes prompts.
- Glossaire72 termes du domaine, en français et en anglais, une phrase chacun. À garder ouvert pendant les autres sections.
02Prompt engineering — les fondamentaux
Savoir écrire un prompt qui marche du premier coup, même quand on a du mal à formuler ses idées.
- Vue d'ensemble de la sectionSavoir écrire un prompt qui marche du premier coup, même quand on a du mal à formuler ses idées.
- Anatomie d'un promptUn bon prompt n'est pas une phrase inspirée : c'est un assemblage de 6 briques que tu poses toujours dans le même ordre.
- Être clair et directLe modèle ne devine pas ton intention : il complète ton texte. Tout ce que tu laisses implicite, il le remplace par une moyenne.
- Les exemples (few-shot)Montrer deux entrées et leurs sorties attendues remplace une page de consignes — et marche mieux.
- Le rôle et le system promptUne seule phrase de rôle change le vocabulaire, la profondeur et les priorités de toutes les réponses qui suivent.
- Structurer avec des balisesQuand tu colles des données et des instructions dans le même bloc de texte, le modèle doit deviner où l'un s'arrête et où l'autre commence. Les balises suppriment cette devinette.
- Contrôler le format de sortieUne réponse bien formatée se colle directement dans ton code, ton ticket ou ton tableur. Une réponse mal formatée, tu la retapes.
- Templates prêts à remplir14 prompts à copier-coller. Tu remplis les champs entre crochets, tu envoies. Tu n'as jamais à inventer une formulation.
- Les erreurs fréquentesDouze pièges qui expliquent presque tous les mauvais résultats. Chacun se reconnaît à un symptôme et se corrige en une ligne.
03Prompt engineering : techniques avancees
Tu sais ecrire un bon prompt simple. Ici tu apprends a faire raisonner le modele, a enchainer plusieurs etapes, a lui donner des outils, et a payer moins cher.
- Vue d'ensemble de la sectionTu sais ecrire un bon prompt simple. Ici tu apprends a faire raisonner le modele, a enchainer plusieurs etapes, a lui donner des outils, et a payer moins cher.
- Chain of thought : faire raisonner le modèle étape par étapeQuand une tâche demande plusieurs étapes de calcul ou de déduction, obliger le modèle à poser son raisonnement avant de répondre réduit fortement les erreurs.
- Le mode réflexion prolongée : thinking et effortLe modèle peut réfléchir dans un espace séparé avant de répondre. Tu ne règles plus un budget de tokens à la main : tu règles un niveau d'effort.
- Prompt chaining : découper une grosse tâche en sous-tâchesUn méga-prompt qui demande dix choses à la fois en rate toujours deux ou trois. Dix prompts qui se passent le relais, tu peux les vérifier un par un.
- Outils et function calling : brancher le modèle sur tes donnéesLe modèle ne peut pas lire ta base. Mais tu peux lui donner un outil pour la lire, et il saura quand s'en servir. Tout se joue dans la description de l'outil.
- Long contexte : travailler avec de gros documentsUne fenêtre de contexte d'un million de tokens ne veut pas dire que tu peux tout balancer dedans. La place des documents dans le prompt change le résultat.
- Prefill et contrôle du format de sortieLe prefill était LA technique pour forcer un format. Sur les modèles récents il renvoie une erreur. Voici ce qui le remplace, et c'est mieux.
- Les patterns agentiques d'Anthropic, expliqués en françaisSix façons d'organiser plusieurs appels à un modèle. Choisis la plus simple qui résout ton problème, pas la plus impressionnante.
- Coût, cache et performanceLa même tâche peut coûter 10 fois plus cher selon l'ordre de tes blocs de prompt et le modèle que tu choisis. Voici comment payer le juste prix.
04Evaluer, fiabiliser, securiser
C'est la section que tout le monde saute. C'est aussi celle qui separe le bricolage du travail serieux.
- Vue d'ensemble de la sectionC'est la section que tout le monde saute. C'est aussi celle qui separe le bricolage du travail serieux.
- Construire un jeu de testsTant que tu n'as pas 20 cas de test et un chiffre, tu ne sais pas si ton prompt marche.
- Le LLM comme jugeFaire noter une IA par une autre IA, c'est puissant et fragile. Voici quand l'utiliser et quand s'en passer.
- Reduire les hallucinationsUne hallucination, c'est une reponse fausse ecrite avec assurance. C'est le pire defaut possible dans un pipeline de donnees.
- Prompt injection et securiteTes donnees peuvent contenir des instructions. Si ton agent a des outils, ces instructions deviennent des actions.
- Donnees sensibles et RGPDCe que tu colles dans un prompt sort de ton systeme d'information. Voici comment decider ce qui a le droit de sortir.
- Mesurer qualite, cout et latenceTrois chiffres. Tu ne peux pas optimiser les trois a la fois, mais tu dois savoir ou tu en es sur chacun.
05Claude Code : les bases
Claude Code, c'est Claude qui travaille directement dans ton terminal, sur ton vrai projet : il lit tes fichiers, les modifie, lance tes commandes.
- Vue d'ensemble de la sectionClaude Code, c'est Claude qui travaille directement dans ton terminal, sur ton vrai projet : il lit tes fichiers, les modifie, lance tes commandes.
- Installation et premiers pasTrente minutes pour passer de "rien d'installe" a "Claude modifie mon code et lance mes tests".
- CLAUDE.md : la memoire de ton projetLe fichier qui evite de re-expliquer ton projet a chaque nouvelle session.
- Permissions et modesComment arreter de cliquer "oui" toutes les trente secondes, sans donner les cles du camion.
- Slash commands : les commandes /Transformer un prompt que tu retapes chaque semaine en une commande que tu invoques en trois lettres.
- Hooks : automatiser ce qui doit toujours arriverUn hook, c'est une commande shell que Claude Code lance automatiquement a un moment precis. Deterministe, pas negociable.
- settings.json et configurationQuatre fichiers, un ordre de priorite, et la reponse a la question "pourquoi mon reglage ne s'applique pas ?".
- 10 workflows quotidiensDix recettes testees, avec le prompt exact a copier, pour ton travail de dev et de data.
06Agents et sous-agents
Comprendre ce qu'est vraiment un agent, quand en construire un, et quand une bonne vieille requête SQL fait mieux.
- Vue d'ensemble de la sectionComprendre ce qu'est vraiment un agent, quand en construire un, et quand une bonne vieille requête SQL fait mieux.
- Qu'est-ce qu'un agent, vraiment ?Tout le monde dit « agent ». Presque personne ne parle de la même chose. Voici la définition qui te permet de décider.
- Les sous-agents dans Claude CodeUn sous-agent, c'est un collègue spécialisé qui travaille dans son propre bureau, avec seulement les outils dont il a besoin, et qui te rend un rapport.
- Orchestration multi-agentsFaire travailler dix agents en parallèle, c'est spectaculaire. C'est aussi environ quinze fois plus cher. Voici quand ça vaut le coup.
- Le Claude Agent SDK : construire ton propre agentQuand Claude Code en interactif ne suffit plus et que tu veux mettre un agent dans ton pipeline, ton CI ou ton API interne.
- Quand ne PAS utiliser un agentLe fichier le plus utile de la section. La plupart des tâches qu'on confie à un agent seraient mieux traitées par vingt lignes de Python.
07Skills (Agent Skills)
Une skill, c'est ton savoir-faire range dans un dossier que l'agent ouvre tout seul, au bon moment, sans que tu aies a le reexpliquer.
- Vue d'ensemble de la sectionUne skill, c'est ton savoir-faire range dans un dossier que l'agent ouvre tout seul, au bon moment, sans que tu aies a le reexpliquer.
- Qu'est-ce qu'une skill ?Une skill est un dossier d'instructions que l'agent lit seulement quand ta demande le justifie : tu peux en avoir cinquante sans alourdir ton contexte.
- Anatomie d'un fichier SKILL.mdLe frontmatter decide quand ta skill se declenche, le corps decide comment elle travaille : deux jobs differents, deux facons d'ecrire.
- Creer sa premiere skill, pas a pasOn construit ensemble une skill reelle, convention-sql-equipe, qui impose ton style SQL a toutes les requetes generees.
- 4 skills pretes a adapter pour la dataQuatre skills completes, a copier dans ton depot et a adapter en remplacant les champs entre crochets.
- Bonnes pratiques et pieges courantsLes regles qui separent une skill qui dort dans un dossier d'une skill que toute l'equipe utilise sans y penser.
08Plugins et marketplaces
Un plugin, c'est ta boite a outils Claude Code rangee dans un seul dossier, installable en une commande par toute ton equipe.
- Vue d'ensemble de la sectionUn plugin, c'est ta boite a outils Claude Code rangee dans un seul dossier, installable en une commande par toute ton equipe.
- Qu'est-ce qu'un pluginUn plugin, c'est un dossier qui regroupe tes skills, agents, hooks et serveurs MCP, et que Claude Code charge comme une seule unite installable.
- Installer et gerer des pluginsLes commandes exactes pour ajouter une marketplace, installer un plugin, le mettre a jour, le retirer, et verifier qu'il merite ta confiance avant de l'installer.
- Creer un pluginDe zero a un plugin data complet : structure de dossiers, manifeste, composants, test en local, avec l'exemple integral de boite-a-outils-data.
- Marketplace d'equipePublier tes plugins sur un depot Git pour que ton equipe les installe en une commande, avec des versions maitrisees et une gouvernance claire.
09MCP, le Model Context Protocol
MCP est la prise standard qui branche l'IA sur tes vraies bases de donnees, tes fichiers et tes outils, au lieu de la laisser deviner.
- Vue d'ensemble de la sectionMCP est la prise standard qui branche l'IA sur tes vraies bases de donnees, tes fichiers et tes outils, au lieu de la laisser deviner.
- Comprendre MCP : le probleme qu'il resoutSans MCP, chaque outil d'IA doit reecrire sa propre integration vers chacune de tes sources de donnees. MCP casse cette multiplication.
- Architecture et primitives de MCPTrois roles, trois primitives, deux transports. Une fois que tu as ca en tete, tous les messages d'erreur MCP deviennent lisibles.
- Installer des serveurs MCP dans Claude CodeLes commandes exactes, les trois portees, ou vivent les secrets, et quoi faire quand le serveur refuse de se connecter.
- Ecrire son propre serveur MCP en PythonUn serveur MCP utile, c'est 80 lignes de Python. Le vrai travail est ailleurs : dans la description de tes outils.
- MCP pour la data : cas d'usage concretsLe meilleur usage de MCP en data n'est pas de laisser l'IA ecrire du SQL libre. C'est de lui donner acces a des metriques deja validees.
- Securite MCP : les risques et les regles d'hygieneUn serveur MCP tourne avec tes droits, sur ta machine, avec tes donnees. Traite-le comme une dependance de production, pas comme un gadget.
10Les ecosystemes compares
Quatre grands acteurs, quatre boites a outils. Cette section t'apprend lequel ouvrir selon la tache, sans perdre de temps.
- Vue d'ensemble de la sectionQuatre grands acteurs, quatre boites a outils. Cette section t'apprend lequel ouvrir selon la tache, sans perdre de temps.
- L'ecosysteme Anthropic / ClaudeUne seule marque, cinq surfaces de travail : le chat, Claude Code, l'API, les skills et le MCP. Voici quoi ouvrir, et quand.
- L'ecosysteme OpenAI / ChatGPTCote OpenAI, deux mondes : l'application ChatGPT pour ton quotidien, et l'API pour industrialiser. Les regles de prompt ne sont pas les memes.
- L'ecosysteme Google / GeminiGoogle a le plus grand nombre de portes d'entree : l'app Gemini, AI Studio, le Cloud, Workspace et BigQuery. Voici laquelle ouvrir selon ta tache.
- L'ecosysteme Microsoft : Copilot, Foundry, Copilot StudioSi ton entreprise tourne sous Microsoft 365, l'IA est deja dans tes outils. Voici les quatre etages, du plus simple au plus technique.
- Tableau comparatif des quatre ecosystemesLes memes concepts, quatre vocabulaires. Cette page est ta table de traduction.
- Choisir le bon outilArrete de te demander "quel outil ouvrir ?". Voici l'arbre de decision, tache par tache et contrainte par contrainte.
11Applications au developpement
Six situations de travail reelles, et pour chacune le prompt exact a copier-coller pour gagner du temps sans perdre la maitrise de ton code.
- Vue d'ensemble de la sectionSix situations de travail reelles, et pour chacune le prompt exact a copier-coller pour gagner du temps sans perdre la maitrise de ton code.
- Comprendre du code inconnuTomber dans un repo qu on ne connait pas est la situation la plus couteuse en temps du metier ; c est aussi celle ou l IA fait gagner le plus.
- Ecrire et corriger des testsUn test genere en 10 secondes qui ne teste rien ne vaut rien ; ce fichier montre comment obtenir des tests qui attrapent de vrais bugs.
- Refactoring et migrationRefactoriser, c est changer la forme sans changer le comportement ; tout l enjeu est de pouvoir le prouver a chaque lot.
- Debug et analyse d erreurLe meilleur gain de temps au quotidien : un template de debug en quatre blocs que tu remplis en 90 secondes au lieu de raconter ton probleme pendant dix minutes.
- Revue de codeUn modele a qui tu demandes "c est bon ?" repondra presque toujours oui ; la technique centrale de ce fichier est de lui demander l inverse.
- Documentation, commits et ecritSi formuler tes idees a l ecrit te coute, ce fichier est le plus rentable du corpus : tu fournis des notes brutes, tu recuperes un texte professionnel.
12Applications au data engineering et à la data analytics
Ici, on arrête la théorie. On applique l'IA générative à ta vraie matière : des tables, des pipelines, du SQL, des analyses, des tableaux de bord.
- Vue d'ensemble de la sectionIci, on arrête la théorie. On applique l'IA générative à ta vraie matière : des tables, des pipelines, du SQL, des analyses, des tableaux de bord.
- SQL et texte-vers-SQLUn modèle qui ne connaît pas ton schéma invente tes colonnes. Lui donner le schéma, c'est 80 % du travail.
- Pipelines et orchestrationUn pipeline, ce n'est pas du code qui marche. C'est du code qui redémarre proprement quand il casse à 3 h du matin.
- dbt et modélisationdbt est le terrain de jeu idéal pour l'IA : tout y est du texte versionné, SQL et YAML. Mais la convention de nommage, c'est toi qui la donnes.
- Qualité des donnéesL'IA est très forte pour proposer 30 contrôles de qualité en deux minutes. C'est toi qui décides lesquels ont un sens et à quel seuil ils alertent.
- Analyse exploratoire et insightsLe danger n'est pas que l'IA se trompe. C'est qu'elle formule une conclusion élégante à partir d'un chiffre qu'elle n'a jamais vu.
- Restitution, dataviz et reportingUne analyse juste mais mal restituée ne sert à rien. Et l'IA, laissée seule, produit toujours le même graphique : un histogramme de tout, contre tout.
- Documentation et gouvernanceLa documentation est le seul travail data que tout le monde reporte et que l'IA fait vraiment bien. Profites-en : c'est ton gain le plus rapide.
13Bibliotheque de prompts prets a l emploi
Tu ne dois plus jamais chercher tes mots devant une IA : tu ouvres le bon fichier, tu copies le template, tu remplis les crochets.
- Vue d'ensemble de la sectionTu ne dois plus jamais chercher tes mots devant une IA : tu ouvres le bon fichier, tu copies le template, tu remplis les crochets.
- 15 prompts prets a l emploi pour le developpementQuinze blocs a copier-coller pour comprendre, ecrire, tester, reparer et relire du code sans jamais chercher tes mots.
- 15 prompts prets a l emploi pour le data engineeringQuinze blocs a copier-coller pour modeliser, requeter, optimiser, orchestrer et reparer tes pipelines de donnees.
- 15 prompts prets a l emploi pour la data analyticsQuinze blocs a copier-coller pour transformer une question floue en analyse solide, puis en message clair pour le metier.
- 15 prompts pour ecrire quand tu n arrives pas a ecrireLe fichier le plus utile de la bibliotheque : chaque template fonctionne meme quand ton idee de depart est confuse et mal formulee.
- 12 prompts pour apprendre avec une IADouze blocs a copier-coller pour transformer un modele bavard en professeur exigeant qui te corrige au lieu de te flatter.
14Ressources externes verifiees
Une bibliotheque de liens officiels, ouverts et verifies un par un, pour que tu ne perdes plus de temps a chercher ou a tomber sur une page morte.
- Vue d'ensemble de la sectionUne bibliotheque de liens officiels, ouverts et verifies un par un, pour que tu ne perdes plus de temps a chercher ou a tomber sur une page morte.
- Documentation officielle par editeurLa liste des pages officielles a garder en favori, classees par editeur, avec ce que tu y trouves vraiment et le niveau requis.
- Cours et tutoriels gratuits verifiesLes formations qui valent vraiment ton temps, avec pour chacune ce qu elle t apporte, combien d heures y consacrer et dans quel ordre les faire.
- Guides et articles de referenceLes textes qui expliquent le pourquoi derriere les techniques : articles d ingenierie, guides d editeurs et papiers fondateurs, chacun resume en deux lignes.
- Veille et communautesUne routine de 30 minutes par semaine pour rester a jour sur l IA generative, sans y passer tes soirees et sans dependre des influenceurs LinkedIn.
- Outils a tester dans ton metierDes outils concrets, classes par usage, avec pour chacun ce qu il fait, son lien officiel, et l information de prix quand elle est publique et verifiable.
- Les grands documents de reference des editeursLes guides de fond, livres blancs, cookbooks, articles d ingenierie et depots GitHub publies par les editeurs d IA : ce sont eux qui te font progresser, pas les pages de reference d API.
- Les depots GitHub de referenceLes depots GitHub qui servent vraiment de source de contenu, d exemples et d inspiration sur l IA generative, classes par utilite pour un profil dev + data.
15Exemples prets a l'emploi
Des fichiers complets a copier-coller dans ta configuration Claude Code, sans rien inventer.
- Vue d'ensemble de la sectionDes fichiers complets a copier-coller dans ta configuration Claude Code, sans rien inventer.
- CLAUDE.md pret a l'emploi pour un projet dataLe fichier qui evite de re-expliquer ton projet a chaque session.
- 3 sous-agents prets a copierDes specialistes qui travaillent dans leur propre contexte, sans polluer ta conversation.
- 3 skills pretes a copierUne skill, c'est ton savoir-faire enregistre une fois pour toutes. Elle te donne aussi une commande /nom.
- settings.json et hooks : configuration commenteeLes reglages qui t'evitent de valider dix fois la meme chose, et le garde-fou qui t'evite la catastrophe.
- Configuration MCP prete a l'emploiBrancher Claude Code sur tes vraies sources : base de donnees, fichiers, Git, outils metier.