Des ouvrages complémentaires
Comprendre, maîtriser et humaniser l’intelligence artificielle. Les ouvrages présentés ici abordent l’IA sous deux angles complémentaires : l’impact éducatif et pratique d’une part, les fondations techniques et l’ingénierie des LLM d’autre part.
La Mécanique des LLM (niveau technique)
Ouvrage d'ingénierie qui décortique les modèles de langage modernes (Transformer, variantes, écosystèmes agentiques) avec un regard de décideur IT.
- 15 chapitres progressifs : fondamentaux, architecture, apprentissage, agents et RAG
- 9 scripts Python pour illustrer attention, RAG, agents et fine-tuning (LoRA)
- 153 pages orientées décision : compromis coût / performance / qualité
Public : ingénieurs, data scientists, étudiants avancés, responsables techniques.
Un des rares ouvrages offrant une vision complète, technique et opérationnelle des LLM, loin des simplifications et des effets de mode.
La mécanique interne des LLM
Comprendre les mécanismes, construire des outils, vérifier leurs résultats
Le tome II de Mustapha Alouani : construire des outils autour des LLM, mesurer leurs résultats et mettre les conclusions à l’épreuve.
- Définir la tâche et les critères de mesure
- Construire, inspecter et tester les outils
- Distinguer observation et explication causale
Pour les lecteurs qui souhaitent construire et évaluer leurs outils : ingénieurs, développeurs, étudiants avancés et responsables techniques. Python et la lecture de tableaux sont utiles pour reproduire les expériences.
Broché sur Amazon
Kindle sur Amazon
L'Intelligence Artificielle, Mes Études et Moi (niveau pédagogique)
Guide pour comprendre l'impact de l'IA sur l'enseignement et accompagner élèves et étudiants dans leurs usages quotidiens des outils d'IA.
- 10 chapitres pratiques et une boîte à outils testée en contexte éducatif
- Focus sur les usages réels, les risques et les repères éthiques
- 235 pages accessibles, sans prérequis technique
Public : enseignants, étudiants, formateurs, parents, décideurs éducatifs.
Un guide accessible pour accompagner la transition numérique éducative, avec des repères concrets et des outils éprouvés.
En un coup d’œil
| Aspect | La Mécanique des LLM | La mécanique interne des LLM | L’IA, Mes Études et Moi |
|---|---|---|---|
| Public principal | Ingénieurs, data scientists, CTO/DSI | Développeurs, ingénieurs, étudiants avancés, chercheurs | Enseignants, étudiants, parents |
| Objectif | Comprendre l’architecture et le fonctionnement des LLM | Construire des outils, expérimenter et vérifier les résultats | Comprendre et intégrer l’IA en éducation |
| Niveau | Intermédiaire à avancé | Intermédiaire à avancé ; Python utile pour reproduire les expériences | Accessible, sans prérequis technique |
| Pages (broché) | 153 pages | 277 pages | 235 pages |
La pagination indiquée concerne les éditions papier présentées ; elle peut varier selon la langue et le format.
Pour quel profil ?
- Pour comprendre les architectures, l’attention, l’apprentissage et les usages des modèles de langage : La Mécanique des LLM — le tome I, consacré aux fondations.
- Pour passer à la construction d’outils, à l’expérimentation, à l’inspection et à l’évaluation des résultats : La mécanique interne des LLM — le tome II, consacré à l’investigation.
- Pour une première approche de l’IA appliquée à l’éducation et des repères d’usage au quotidien : L’Intelligence Artificielle, Mes Études et Moi.
- Pour relier compréhension technique, vérification expérimentale et accompagnement pédagogique : les trois ouvrages se complètent.
Ces livres prolongent plus de vingt ans d’expérience en systèmes d’information et en accompagnement pédagogique, avec une même exigence : mettre la technologie au service de l’humain.