Ce deuxième tome poursuit le parcours de La Mécanique des LLM. Il aborde la construction d’outils, la mesure de leurs résultats, l’inspection des représentations et les précautions nécessaires pour interpréter une expérience.
Les explications peuvent se lire sans exécuter le code. La pratique de Python et la lecture de tableaux sont utiles pour reproduire les expériences. Les exemples contrôlés permettent de comprendre les méthodes ; ils ne constituent pas un classement des modèles actuels.
Broché sur Amazon
Kindle sur Amazon
Pourquoi ce deuxième tome ?
Une réponse convaincante ne constitue pas, à elle seule, une preuve. Ce tome propose de partir d’une tâche explicite, de construire un outil puis de définir les contrôles nécessaires pour évaluer ses résultats. Il complète les fondations du premier tome par une démarche d’investigation.
Un parcours en quatre parties
1. Définir avant de mesurer
Préciser la tâche, le calcul effectué et la référence utilisée pour comparer les résultats. Ces repères permettent de savoir ce qu’une mesure établit réellement.
2. Construire et mettre à l’épreuve
Explorer la classification, la recherche, l’extraction et l’abstention. L’objectif est de construire des outils dont les résultats peuvent être testés, plutôt que de se fier uniquement à la qualité apparente d’une réponse.
3. Inspecter et intervenir
Examiner les représentations, le patching et l’adaptation. Le livre distingue ce que l’on peut observer ou décoder de ce que l’on peut démontrer comme cause d’un résultat.
4. Transférer avec précaution
Étudier les difficultés liées aux langues, aux formulations et au comptage sur un corpus. Un résultat observé dans une expérience contrôlée doit être réexaminé lorsqu’on change de contexte.
Pour qui, avec quels prérequis ?
- Ingénieurs et développeurs qui construisent des outils autour des modèles de langage.
- Étudiants avancés et lecteurs souhaitant comprendre comment évaluer une expérience.
- Responsables techniques qui souhaitent examiner les résultats et les limites d’un outil.
La pratique de Python et la lecture de tableaux sont utiles pour reproduire les expériences. Le parcours explicatif reste accessible sans exécuter le code.
Expériences et ressources complémentaires
L’édition française présentée sur LLM Mechanics décrit 24 expériences. Les exemples sur un petit modèle et des jeux contrôlés servent à comprendre des méthodes ; ils ne constituent pas un classement des modèles actuels.
Le dépôt compagnon accompagne la lecture. Consultez ses instructions pour connaître les ressources disponibles et les conditions d’exécution.
Éditions et formats
Les éditions française, anglaise, espagnole et portugaise sont proposées en broché et en Kindle. Les boutons ci-dessus distinguent la langue de chaque édition et son format, avec des liens vérifiés dans KDP. Le site LLM Mechanics complète cette fiche avec le parcours de lecture et le Lab.
Présentation, éditions et parcours de lecture sur LLM Mechanics