Tutoriels sur l'IA

Apprenez à exécuter des modèles de décision puissants en local, explorez l’écosystème vLLM et réalisez trois projets concrets sur le texte, l’image et la vidéo.

Créez un workflow de réparation CI sur GitHub avec DeepSeek Superagent, puis utilisez le mode observe, pytest, des données de contrôle et une revue humaine pour valider une correction pandas.

Créez un agent Python avec Gemini 4 Argon, des appels de fonctions et du profilage, puis validez ses patchs avec des tests cachés, des benchmarks et le coût d’API.

Découvrez comment Mercury 3 utilise la génération par diffusion pour créer un assistant d'analyse d'incidents, visualiser les états de raffinage et comparer un effort de raisonnement faible vs élevé.

Utilisez Meta Muse Wonder et l’API web Olostep pour vérifier des affirmations médicales, expliquer le raisonnement et indiquer l’origine des preuves.

Un guide pratique de configuration de Meta Muse pour un premier usage. Apprenez à régler les permissions, connecter des outils, cadrer une tâche que l'agent peut vraiment finir et lire le journal d'activité pour savoir ce qu'il a fait avant de faire confiance à la sortie.

Les modèles de décision évaluent un ensemble fixe de réponses au lieu de générer du texte. Découvrez leur fonctionnement, comment Jev se positionne, et ce que montrent les tests indépendants.

Apprenez à installer Paperclip sous Windows avec MiMo-V2.6-Pro et à constituer une équipe d'IA autonome qui planifie, délègue et gère des projets depuis un tableau de bord unique.

Un tutoriel pratique d’évaluation RAG en Python. Constituez un dataset d’évaluation, scorez‑le avec les 4 métriques clés de Ragas, branchez une barrière qualité en CI, générez des questions de test synthétiques et suivez les scores à chaque commit pour distinguer une panne de récupération d’un échec de génération avant vos utilisateurs.

Apprenez à utiliser l'API DeepSeek : choix des modèles, gestion des paramètres, optimisation des coûts, mise en cache du contexte et optimisation du chain-of-thought.

Suivez ce tutoriel OpenAI Agents API Computer Use pour créer un agent QA en Python qui teste un checkout dans un navigateur hébergé et re-teste un correctif dans la même session.

Évaluez des agents IA qui utilisent des outils. Mesurez l'achèvement des tâches, la précision des appels d'outils, la calibration des refus et les tests d'injection, avec du code et une porte CI réutilisable.