Cours
Introduction aux LLM en Python
3 h
35.9K
Les grands modèles de langage sont passés du rang de curiosité de laboratoire à celui de sujet incontournable sur lequel chaque développeur doit avoir un avis, que cela signifie appeler une API, affiner un modèle open source ou expliquer à une équipe produit pourquoi le chatbot vient d'inventer une politique de remboursement.
Pour vous aider, nous avons établi un classement des cours selon quatre critères :
- Profondeur conceptuelle : le cours explique-t-il vraiment les tokens, les embeddings, l'attention et l'architecture Transformer ?
- Rigueur pratique : écrivez-vous du code qui appelle, affine ou sert un véritable modèle ?
- Couverture des plateformes et des modèles : le cours se limite-t-il à une API ou vous donne-t-il le sens des modèles open source versus propriétaires ?
- Expertise de l'instructeur et résultats : qui enseigne et ce que vous serez réellement capable de construire ensuite
1. Introduction to LLMs in Python — DataCamp
DataCamp's Introduction to LLMs in Python est le meilleur cours unique pour les développeurs qui veulent dépasser l'étape « appeler l'API OpenAI » et comprendre réellement l'architecture Transformer qui sous-tend tous les LLM modernes.
- Niveau : Intermédiaire
- Durée : ~3 heures, à votre rythme ; accès gratuit au démarrage
- Coût : Gratuit pour commencer ; accès complet inclus avec un abonnement DataCamp (~25 $ / mois)
- Idéal pour : les développeurs qui veulent une introduction ciblée, orientée code, aux LLM et aux Transformers sans s'engager d'emblée dans une spécialisation complète
Le cours aborde d'abord la mécanique des architectures Transformer, puis l'utilisation de modèles et jeux de données préentraînés issus de Hugging Face, leur affinage pour des tâches spécifiques et l'évaluation des résultats.
Ce qui le distingue et pourquoi il est numéro un : le cours s'exécute sur l'AI Tutor de DataCamp, qui explique les erreurs dans le contexte exact du code que vous regardez. Les bugs liés aux LLM sont rarement évidents à la seule lecture de la stack trace ; un tuteur qui raisonne sur votre erreur précise est bien plus efficace que de tâtonner.
2. LLM Engineering: Master AI, Large Language Models & Agents — Udemy
LLM Engineering est une excellente option pour les développeurs qui veulent un cours complet, très orienté projets, allant de l'appel d'API commerciales à l'affinage de modèles open source jusqu'à la construction d'agents.
- Niveau : Intermédiaire (Python requis)
- Durée : ~30+ heures de contenu sur plus de 200 leçons ; comptez 6 à 8 semaines avec projets
- Coût : Souvent fortement remisé lors des fréquentes promotions Udemy
- Idéal pour : les développeurs qui veulent une feuille de route en ingénierie LLM couvrant à la fois les modèles propriétaires et open source
L'instructeur, Ed Donner, est un ancien CEO de startup IA et ex-Managing Director chez JPMorgan Chase. Le cours progresse de la structuration des prompts et la compréhension de la tokenisation, à l'affinage de modèles open source avec LoRA et la quantification, jusqu'à la construction de systèmes multi-agents.
3. The LLM Course — Hugging Face
Hugging Face's LLM Course est une excellente option pour les développeurs qui veulent comprendre les bibliothèques au cœur de la plupart des projets LLM open source : Transformers, Datasets, Tokenizers et Accelerate.
- Niveau : Débutant à intermédiaire
- Durée : ~15–20 heures, à votre rythme
- Coût : Gratuit, avec certificat disponible
- Idéal pour : les développeurs qui veulent travailler directement avec des modèles open source et le Hub Hugging Face plutôt que de rester dans l'API d'un seul fournisseur
Parce qu'il est maintenu par Hugging Face et mis à jour au fil de l'évolution de l'écosystème, c'est un pari sûr pour éviter les API obsolètes — même s'il penche naturellement vers l'écosystème Hugging Face plutôt que d'examiner les alternatives commerciales.
4. ChatGPT Prompt Engineering for Developers — DeepLearning.AI
ChatGPT Prompt Engineering for Developers, enseigné par Isa Fulford (OpenAI) et Andrew Ng, est une excellente option pour les développeurs qui veulent une introduction rapide et ciblée à l'appel d'un LLM via l'API plutôt qu'à travers une fenêtre de chat.
- Niveau : Débutant à intermédiaire
- Durée : ~1,5 heure
- Coût : Gratuit
- Idéal pour : les développeurs qui veulent passer du prompt manuel dans ChatGPT à l'appel d'un LLM par programmation et à la création de petites applications par-dessus
Le cours couvre le fonctionnement interne des LLM, deux principes clés pour rédiger des prompts efficaces, et comment utiliser ces prompts pour des tâches comme résumer, inférer un sentiment, transformer du texte et développer de courtes notes en textes plus longs, avant de conclure par la création d'un chatbot personnalisé. Il est volontairement court et suppose des bases en Python, ce qui en fait une bonne rampe d'accès avant un cours plus long.
5. Prompt Engineering for ChatGPT — Vanderbilt University (Coursera)
Prompt Engineering for ChatGPT, enseigné par le Dr Jules White à Vanderbilt, est une excellente option pour les développeurs comme pour les non-développeurs qui souhaitent un socle rigoureux en techniques de prompting spécifiquement, indépendamment de tout framework ou codebase particulier.
- Niveau : Débutant (aucune expérience préalable requise)
- Durée : ~19 heures
- Coût : Audit gratuit ; abonnement Coursera pour le certificat
- Idéal pour : les apprenants qui veulent maîtriser des schémas et techniques de prompting transférables entre ChatGPT, Claude et d'autres LLM conversationnels
Le cours montre comment appliquer efficacement le prompt engineering, utiliser des patrons de prompts pour déclencher des comportements plus avancés, et construire des applications basées sur des prompts pour le travail ou des projets personnels.
6. Generative AI: Introduction to Large Language Models — LinkedIn Learning
Generative AI: Introduction to Large Language Models, enseigné par Fred Nwanganga, est une bonne option pour les développeurs et managers techniques qui veulent une explication claire, sans code, du fonctionnement des LLM avant de toucher à une API.
- Niveau : Débutant
- Durée : Moins de 2 heures
- Coût : Abonnement LinkedIn Learning (souvent inclus avec les bibliothèques) ; essai gratuit disponible
- Idéal pour : les développeurs qui veulent un modèle mental clair — réseaux de neurones, Transformers, encodeurs/décodeurs, attention — avant d'écrire la moindre ligne de code
Le cours couvre ce que sont l'IA générative et les LLM, leur évolution, les fondements en deep learning sur lesquels ils reposent, et la mécanique de l'architecture Transformer, y compris l'attention et l'auto-attention, avant de conclure par un regard sur les implications sociétales de ces modèles.
7. Essentials of Large Language Models: A Beginner's Journey — Educative
Educative's Essentials of Large Language Models est une bonne option pour les développeurs qui préfèrent des leçons textuelles et interactives plutôt que la vidéo, et qui veulent un modèle mental au niveau système de la façon dont les LLM fonctionnent réellement.
- Niveau : Débutant
- Durée : À votre rythme, basé sur du texte et du code
- Coût : Abonnement Educative
- Idéal pour : les développeurs qui apprennent plus vite en lisant et en exécutant du code en ligne qu'en regardant des screencasts, et qui veulent comprendre le « pourquoi » derrière le comportement des LLM, pas seulement les appels d'API
Le cours couvre les fondamentaux des LLM à partir des premiers principes — architecture, tokenisation, embeddings, attention et dynamiques d'entraînement — avant de passer à des workflows pratiques pour le prompting et l'intégration d'outils afin de produire des réponses dynamiques.
Tableau comparatif des meilleurs cours LLM
| Rang | Cours | Format d'apprentissage | Profondeur du programme | Coût / Indice de résultats |
|---|---|---|---|---|
| 1 | Introduction to LLMs in Python — DataCamp | Natif IA, pratique | Architecture Transformer, affinage, Hugging Face | Gratuit pour commencer ; AI Tutor personnalise chaque leçon |
| 2 | LLM Engineering — Udemy | Bootcamp vidéo | APIs, affinage (LoRA), agents, projets de bout en bout | Fréquemment remisé ; badge « bestseller » |
| 3 | The LLM Course — Hugging Face | Cours interactif gratuit | Transformers, Tokenizers, Datasets, affinage | Gratuit ; maintenu directement par Hugging Face |
| 4 | ChatGPT Prompt Engineering for Developers — DeepLearning.AI | Format vidéo court | Prompts via API, résumé, transformation de texte | Gratuit ; ~1,5 heure |
| 5 | Prompt Engineering for ChatGPT — Vanderbilt | Cours vidéo | Patrons de prompts, applications basées sur des prompts | Audit gratuit ; certificat Coursera |
| 6 | Generative AI: Introduction to LLMs — LinkedIn Learning | Format vidéo court | Bases des réseaux de neurones, architecture Transformer, attention | Abonnement LinkedIn Learning ; essai gratuit disponible |
| 7 | Essentials of LLMs: A Beginner's Journey — Educative | Texte interactif | Architecture, tokenisation, embeddings, attention | Abonnement Educative ; format sans vidéo |
Author
Josef Waples
Je suis rédacteur et éditeur dans le domaine de la science des données. Je suis particulièrement intéressé par l'algèbre linéaire, les statistiques, R, etc. Je joue également beaucoup aux échecs !
FAQ
Ai-je besoin de connaître Python pour suivre un cours sur les LLM ?
Pour la plupart des cours « mains dans le cambouis » de cette liste — DataCamp, le cours Hugging Face, ainsi que les cours Udemy et Databricks — oui, des bases en Python et une familiarité avec les API sont attendues. Les cours de prompting de Vanderbilt et le certificat professionnel d'IBM sont plus accessibles aux non-développeurs, car ils s'appuient davantage sur la technique de prompting que sur le code.
Quelle est la différence entre un cours de prompt engineering et un cours d'ingénierie LLM ?
Un cours de prompt engineering vous apprend à obtenir de meilleures sorties d'un modèle existant grâce à la formulation des requêtes — sans code. Un cours d'ingénierie LLM vous apprend à construire des systèmes autour d'un modèle : appeler des APIs, affiner des modèles open source, gérer les embeddings et la recherche, et déployer le résultat.
Quel cours LLM convient le mieux aux grands débutants ?
Le cours Prompt Engineering for ChatGPT de Vanderbilt ne suppose aucune expérience préalable et constitue un point de départ non technique raisonnable. Pour les débutants qui souhaitent coder, le cours Introduction to LLMs in Python de DataCamp est conçu pour être abordable, avec l'AI Tutor qui comble les lacunes au fil de l'eau.
Dois-je apprendre d'abord les LLM open source (Hugging Face) ou les APIs commerciales (OpenAI, Anthropic, Google) ?
La plupart des développeurs en activité finissent par avoir besoin des deux. Les APIs commerciales permettent de construire plus vite ; les modèles open source vous apprennent ce qui se passe réellement sous le capot et vous donnent la main sur l'affinage, l'hébergement et les coûts. Des cours comme ceux de DataCamp et Hugging Face penchent vers l'open source ; le bootcamp LLM Engineering d'Udemy et les formats courts de DeepLearning.AI couvrent les deux.
Combien de temps faut-il pour maîtriser les LLM au point de pouvoir construire avec ?
Un cours court (1–3 heures) suffit pour être à l'aise avec l'appel d'une API et la rédaction de prompts corrects. Une compréhension opérationnelle, au niveau du code, des Transformers, de l'affinage et du RAG prend généralement 15 à 30 heures avec un cours comme ceux de DataCamp, Hugging Face ou Databricks. Aller assez loin pour affiner et déployer des systèmes en production, comme dans le bootcamp Udemy LLM Engineering, représente plutôt un engagement de 6 à 8 semaines.
