Prompt Engineering
Obtenez des résultats fiables de la generative AI. Apprenez comment les large language models produisent du texte, les cinq principes derrière chaque bon prompt, le few-shot et la sortie structurée, le function calling, la retrieval-augmented generation, les agents autonomes, et comment les modèles de diffusion transforment les prompts en images. Vous terminez en reliant texte, images et agents en une seule application fonctionnelle.
11 leçons, dans l’ordre
- 120 min
Qu'est-ce qu'un prompt
Vous avez sans doute déjà tapé quelque chose dans une fenêtre de discussion : posé une question, reçu une réponse, et peut-être été surpris de sa...
What a prompt isWhat a large language model is, from the outsideThe completion, and why the same prompt can answer differentlyThe conversation: system, user and assistant turnsWhy a prompt is instructions rather than a search query - 230 min
Comment les grands modèles de langage génèrent du texte
Vous savez désormais ce qu'est un prompt, ce qu'est une complétion, et qu'un même prompt peut revenir formulé autrement d'une fois sur l'autre. Cette...
Tokens and tokenizationNext-token predictionTemperature and top-p samplingContext windowWhy models hallucinate - 330 min
Les cinq principes du prompting
Vous savez déjà ce qu'est un prompt, ce qu'est une complétion, et que le modèle rédige une réponse neuve à chaque fois au lieu de réciter quelque...
Giving directionSpecifying formatProviding examplesEvaluating qualityDividing labor - 435 min
Pratiques standard pour la génération de texte
Les leçons deux et trois vous ont donné une idée de la façon dont le modèle produit réellement du texte, un token à la fois, et des cinq principes...
Prompt formatting and delimitersSystem, user, and assistant rolesFew-shot promptingParsing structured output like JSON - 535 min
Prompt Templates et Function Calling
Dans la quatrième leçon, vous avez mis en forme un prompt à la main : des délimiteurs, des rôles, un exemple few-shot. Cela marche pour un prompt....
Prompt templates with variablesSeparating template from dataFunction calling and tool schemasReading a tool call and returning a result - 640 min
Vector Databases et Retrieval-Augmented Generation
À la leçon 2, vous avez vu pourquoi un modèle hallucine : il prédit les tokens les plus probables, il ne va vérifier aucun fait, et tout ce qui...
Embeddings and vector similarityChunking documentsVector databases and nearest-neighbor searchRetrieval-augmented generationGrounding answers with citations - 740 min
Autonomous Agents : memory et tools
À la leçon 5, vous avez donné des outils à un modèle grâce à l'appel de fonctions, et à la leçon 6 vous lui avez donné une mémoire à long terme grâce...
The agent loop of reason, act, observeGiving an agent toolsShort-term and long-term memoryStopping conditions and guardrails - 830 min
Comment les diffusion models génèrent des images
Jusqu'ici, chaque prompt que vous avez écrit produisait du texte. Cette leçon ouvre la partie 3, où le même prompt produit une image. Le support...
Diffusion as iterative denoisingText conditioning of the imageSeeds and reproducibilitySampling steps and guidance scale - 935 min
Pratiques standards pour la génération d'images
La leçon précédente vous a donné l'intuition de la façon dont un modèle de diffusion transforme un prompt textuel en image, en débruitant à partir...
Prompt structure of subject, medium, style, and lightingArt styles and artist or era modifiersComposition and camera modifiersNegative prompts and aspect ratio - 1035 min
Techniques d'image avancées : inpainting, outpainting et ControlNet
Dans les deux leçons précédentes, vous avez généré des images entières à partir d'un prompt textuel et appris à les orienter par la structure, le...
Image-to-image generationInpainting with masksOutpainting to extend a canvasControlNet for pose, depth, and edge guidance - 1140 min
Construire des applications propulsées par l'IA
Voici le projet final. Chaque leçon précédente a enseigné un geste : générer du texte, mettre en forme une sortie structurée, appeler des fonctions,...
Composing text, images, and agents into a workflowOrchestration and chaining stepsEvaluation and guardrailsCost, latency, and failure handling
Apprenez Prompt Engineering dans votre langue
Chaque leçon, quiz et réponse du tuteur s’affiche dans votre langue. Le tuteur IA répond dans la langue que vous utilisez.