Apprendre · fondations appuyées sur des sources
Explications claires des idées, risques et briques de base derrière le travail pratique en IA.
Chaque concept indique ce qu'il signifie, pourquoi cela compte, où il peut échouer et quels sont les supports qui soutiennent l'explication.
Choisissez un point de départ
Les catégories organisent la bibliothèque ; chaque article peut également vous connecter à des pratiques, des preuves revues et des outils connexes.
Idées principales, termes et modèles mentaux pour comprendre comment les systèmes d'IA fonctionnent.
3 conceptsComment les outils d'IA textuels, images, audio, vidéo et multimodaux créent et transforment le contenu.
1 conceptsDes façons pratiques d'utiliser l'IA dans les produits, services, opérations et tâches quotidiennes.
3 conceptsSécurité, fiabilité, limites, évaluation et utilisation responsable pour les utilisateurs ordinaires.
1 conceptsConcepts d'IA pour la productivité professionnelle, la collaboration, le jugement et la conception de processus.
2 conceptsConcepts pour créer des workflows assistés par l'IA, des prototypes, des produits et des systèmes.
Tous les concepts
C'est une bibliothèque d'apprentissage maintenue, pas un glossaire de tous les termes d'IA.
Une explication pratique des assistants d'IA en tant que produits qui aident à accomplir des tâches, sans les confondre avec les modèles ou les agents.
Examiné 2026-08-04 →Fondamentaux de l’IAUne base en langage courant pour comprendre les systèmes d'IA, les sorties et le jugement nécessaire autour d'eux.
Examiné 2026-08-04 →IA générativeUne explication pratique de la capacité en tokens qu'un modèle peut utiliser lors d'une seule requête, et pourquoi ce n'est pas de la mémoire.
Examiné 2026-08-04 →Construire avec l’IAUn guide pratique sur les empreintes de texte pour la recherche et RAG, y compris ce que la similarité vectorielle peut et ne peut pas prouver.
Examiné 2026-08-04 →Culture et sécurité en IAUn guide pratique pour reconnaître le contenu généré par l'IA qui semble plausible mais est faux ou non étayé.
Examiné 2026-08-04 →L’IA au travailUn guide pratique pour concevoir la vérification humaine, l'autorité et l'escalade dans le travail assisté par l'IA.
Examiné 2026-08-04 →IA générativeUne explication en langage courant de ce qu sont les LLM, comment ils génèrent du texte et où les utilisateurs ont besoin de vérification.
Examiné 2026-08-04 →Fondamentaux de l’IAUne explication pratique de la manière dont les modèles apprennent à partir des données, généralisent aux nouveaux cas et échouent lorsqu'il y a un faible motif.
Examiné 2026-08-04 →IA générativeUn guide pratique sur les instructions de demande en tant qu'instructions de tâche et de contexte, sans considérer la conception des instructions comme preuve de vérité.
Examiné 2026-08-04 →Construire avec l’IAUne explication pratique de la manière dont RAG combine la récupération et la génération, et pourquoi la vérification est toujours nécessaire.
Examiné 2026-08-04 →Culture et sécurité en IAUn guide pratique pour reconnaître les informations qui nécessitent une attention supplémentaire avant d'être partagées avec des outils d'IA.
Examiné 2026-08-04 →Culture et sécurité en IAUn guide pratique pour vérifier si une source existe, est pertinente et soutient l'affirmation associée.
Examiné 2026-08-04 →