Portfolio Decosse Maël

Certifications

• Certification : SecNumacadémie (ANSSI)
• Certification : AI Learning Columbia University Voir les détails de la formation

  "Grâce à cette formation, j'ai acquis une compréhension globale et technique des mécanismes internes des modèles de langage (LLMs). Cette maîtrise théorique est le socle qui me permettra demain de développer, configurer ou aligner ma propre intelligence artificielle."

  Comprendre le "Cerveau" des IA : De la théorie à la pratique

  1. La Géométrie de l'Apprentissage (Éviter les blocages) :
  Lors de son entraînement, l'IA cherche à faire le moins d'erreurs possible (minimiser sa fonction de perte). Le Piège : Les minima locaux (rester coincé dans une solution "pas trop mal" mais imparfaite).
  La Solution étudiée : Le Paradoxe des points de selle. J'ai compris que grâce à leurs milliards de paramètres (dimensions), les IA trouvent toujours un "chemin" pour contourner l'obstacle et continuer d'apprendre.

  

  
  

  2. Entraînement et Optimisation (Le comportement) :
  Comment passer d'un modèle brut à un assistant utile ?
  - Descente Stochastique : La technique mathématique qui permet à l'IA d'ajuster ses milliards de paramètres par petites étapes rapides.
  - L'exemple du RLHF : (Apprentissage par Renforcement basé sur les Retours Humains). C'est ce qui différencie un modèle qui "prédit juste le mot suivant" d'un modèle comme ChatGPT, qui sait refuser une requête dangereuse ou formater une réponse poliment, car il a été "récompensé" par des humains pour ce comportement.

  3. Stratégies d'Inférence (La génération de texte) :
  Comment l'IA choisit-elle les mots qu'elle affiche à l'écran ?
  - Greedy Search (L'approche rapide) : Le modèle choisit toujours le mot le plus probable à l'instant T. Exemple : "Le chat boit du [lait]". C'est rapide, mais souvent répétitif et peu créatif.
  - Beam Search (L'approche réfléchie) : Le modèle évalue plusieurs "branches" de mots en même temps pour trouver la phrase qui a le plus de sens globalement, même si le premier mot n'était pas le plus évident. Cela donne des textes beaucoup plus naturels et nuancés.

  Conclusion : Cette formation m'a permis de démystifier la "boîte noire" de l'IA, en passant des concepts mathématiques bruts aux algorithmes de prise de décision concrets.