De zéro à ingénieur IA - La feuille de route

L'erreur à 300 $ par mois

Il y a six mois, je payais 49 $/mois pour Coursera Plus, 39 $/mois pour DataCamp, et j'avais dépensé 199 $ pour deux bundles Udemy. Je collectionnais les certificats comme des cartes Pokémon et je ne pouvais rien construire de zéro.

Puis j'ai trouvé quelque chose qui a tout changé : les entreprises qui construisent réellement l'IA - Google, Anthropic, OpenAI - avaient commencé à offrir gratuitement leur formation. Pas des vidéos d'introduction édulcorées. Des cours complets avec certificats. Pendant ce temps, GitHub avait des dépôts avec plus de 95 000 étoiles qui enseignaient mieux que n'importe quel cours payant.

J'ai annulé tous mes abonnements. J'ai construit un agent IA qui gère ma routine matinale. Et je l'ai fait pour 0 $.

Cet article est le système exact que j'aurais aimé avoir quand j'ai commencé. Pas une liste de liens. Pas « 30 ressources que vous n'ouvrirez jamais ». C'est un chemin étape par étape : faites ceci d'abord, puis ceci, puis construisez ceci. Suivez-le dans l'ordre. En 14 semaines, vous passerez de zéro au déploiement de systèmes IA réels.

Comment utiliser ce guide

Règle 1 : Ne sautez pas d'étapes. L'étape 3 suppose que vous avez fait l'étape 2. Si vous passez directement aux LLM sans comprendre les gradients, vous copierez du code que vous ne comprenez pas.

Règle 2 : Prenez des notes. J'utilise Obsidian (gratuit, local, markdown). Après chaque session, notez trois choses : ce que vous avez appris, ce qui vous a surpris, ce qui n'est pas encore clair. C'est non négociable.

Règle 3 : Construisez à chaque étape. Chaque étape se termine par un point de contrôle. Si vous ne pouvez pas le faire, revenez en arrière.

Configurez cette structure de dossiers dans Obsidian avant de commencer :

Étape 1 : Configurez votre environnement (Jour 1)

Avant d'apprendre quoi que ce soit, configurez vos outils. Une soirée. Ne réfléchissez pas trop.

Installez vos outils

1. Python 3.11+ - python.org/downloads. Cochez « Ajouter au PATH ».
2. VS Code - code.visualstudio.com. Installez l'extension Python.
3. Git + GitHub - github.com. Pour forker des dépôts et sauvegarder des projets.
4. Obsidian - obsidian.md. Créez la structure de dossiers ci-dessus.
5. Ollama - ollama.com. Pour exécuter des modèles localement. Installez-le maintenant, vous l'utiliserez à partir de l'étape 4.

Créez vos comptes gratuits

1. Anthropic Academy - anthropic.skilljar.com. 16 cours gratuits avec certificats. La plateforme d'apprentissage IA la plus sous-estimée en 2026.
2. OpenAI Academy - academy.openai.com. Ateliers gratuits, tutoriels, cours Fondamentaux de l'IA.
3. Google AI - grow.google/ai. Certificat professionnel Google AI — 7 modules, gratuit via l'audit Coursera.
4. Coursera - coursera.org. Mode audit = gratuit. Pour le certificat IBM ML et les cours Google.

Mode audit sur Coursera

Quand Coursera vous demande de payer, cherchez le petit lien « Auditer ce cours » en bas. Accès complet à toutes les vidéos et tous les supports, gratuit. Pas de certificat Coursera, mais vous obtiendrez des certificats directement d'Anthropic, OpenAI et Google à la place.

POINT DE CONTRÔLE :

Python + VS Code + Ollama installés. Compte GitHub créé. Coffre Obsidian prêt. Comptes sur Anthropic Academy, OpenAI Academy, Google AI et Coursera.

Étape 2 : Fondamentaux de l'IA - Comprenez ce que vous construisez (Semaines 1–2)

Pourquoi c'est important en 2026 :

La culture de l'IA est désormais un filtre d'embauche. Une analyse du WEF en 2025 a révélé que les travailleurs compétents en IA bénéficient de primes salariales de 15 à 22 %. Comprendre les fondamentaux vous place devant 90 % des candidats.

Semaine 1 : La vue d'ensemble

D'abord → Certificat professionnel Google AI (Modules 1–3)

grow.google/ai-professional - L'introduction la plus douce. Pas de code. Couvre : ce qu'est l'IA, le brainstorming avec l'IA, la recherche avec l'IA. Vous donne le vocabulaire.

Ensuite → Anthropic Academy : Compétence en IA : Cadre et Fondations

anthropic.skilljar.com - Le cadre de compétence en IA 4D. Co-développé avec des professeurs d'université. Prend 2 à 3 heures. C'est l'un des meilleurs cours d'introduction disponibles en 2026, et le certificat fait vraiment bonne figure sur LinkedIn - il vient d'Anthropic, la société derrière Claude.

Semaine 2 : Premier code + Premiers concepts

Ensuite → microsoft/generative-ai-for-beginners (Leçons 1–6)

github.com/microsoft/generative-ai-for-beginners - Plus de 95 000 étoiles. 21 leçons. Forkez ce dépôt et travaillez les leçons 1 à 6 : qu'est-ce que la GenAI, comment fonctionnent les LLM, utiliser des prompts, première application de chat.

POINT DE CONTRÔLE :

Vous pouvez expliquer les LLM, les tokens et les transformers avec vos propres mots. Premiers notebooks Jupyter exécutés. Obsidian contient 4 à 6 notes.

Étape 3 : Fondamentaux du ML - Apprenez les mathématiques derrière la magie (Semaines 3–5)

Pourquoi c'est important en 2026 :

Les fondamentaux du ML font la différence entre quelqu'un qui copie des tutoriels et quelqu'un qui débogue des modèles. Les entreprises paient 150 000 $ et plus pour des ingénieurs qui comprennent pourquoi un modèle sous-performe, pas seulement comment appeler une API.

Principal : microsoft/ML-For-Beginners

github.com/microsoft/ML-For-Beginners - Plus de 44 900 étoiles. Programme de 12 semaines : régression, classification, clustering, bases du NLP. Quiz, notebooks, défis. Nous compressons à 3 semaines à raison de 2 leçons/jour.

En parallèle : IBM Machine Learning sur Coursera

coursera.org/professional-certificates/ibm-machine-learning - Mode audit gratuit. Format vidéo plus traditionnel. Utilisez-le en parallèle du dépôt Microsoft — deux angles sur le même sujet = meilleure rétention.

Référence mathématique : mlabonne/llm-course (Fondations)

github.com/mlabonne/llm-course — Plus de 40 000 étoiles. Première section : algèbre linéaire, calcul, probabilités. Seulement les mathématiques pertinentes pour le ML. Référez-vous-y chaque fois que vous rencontrez quelque chose d'inconnu.

Projet de la semaine 5 : Choisissez un jeu de données dans le dépôt Microsoft. Construisez votre propre modèle de classification de zéro. Poussez sur GitHub.

POINT DE CONTRÔLE :

Vous comprenez la régression, la classification, le clustering, la descente de gradient, les fonctions de perte, le surapprentissage. Vous avez entraîné un modèle sur des données réelles. Un projet sur GitHub.

Étape 4 : Deep Learning et réseaux de neurones - Construisez de zéro (Semaines 6–8)

Principal : karpathy/nn-zero-to-hero

karpathy.ai/zero-to-hero.html (vidéos) + github.com/karpathy/nn-zero-to-hero (code)

Andrej Karpathy, ancien directeur de l'IA chez Tesla, co-fondateur d'OpenAI. Il construit des réseaux de neurones à partir de zéro absolu - pas de frameworks, juste Python et des maths. Vous construisez : micrograd, makemore et nanoGPT.

1. Semaine 6 : Cours 1–3 (micrograd + makemore). Codez en suivant. Faites une pause, tapez chaque ligne, exécutez-la, cassez-la.
2. Semaine 7 : Cours 4–5 (activations, BatchNorm, rétropropagation). Dense - un cours par jour. Notes détaillées.
3. Semaine 8 : Cours 6–7 (GPT de zéro + tokenisation). La récompense : vous construisez un transformer.

Expérience parallèle avec Ollama :

Pendant que vous construisez nanoGPT, exécutez ollama run llama3.2:3b dans un autre terminal. Comparez la sortie de votre modèle « jouet » avec un vrai modèle de 3 milliards de paramètres. Cela comble le fossé entre « Je comprends la théorie » et « Je peux exécuter des modèles localement ». C'est révélateur de voir ce que 3 milliards de paramètres contre vos 10 millions font à la qualité de la sortie.

Supplément : microsoft/AI-For-Beginners (Deep Learning)

github.com/microsoft/AI-For-Beginners - Semaines 7–12 : CNN, RNN. Élargit au-delà de Karpathy, surtout pour la vision par ordinateur.

Pont vers les API : Anthropic Academy - Construire avec l'API Claude

anthropic.skilljar.com - Maintenant que vous comprenez les modèles de l'intérieur, apprenez à les utiliser via l'API. Couvre l'authentification, les prompts système, l'utilisation d'outils, le streaming. Le pont de la théorie au produit.

POINT DE CONTRÔLE :

Vous avez construit un réseau de neurones de zéro. Vous comprenez la rétropropagation, l'attention, les transformers. Vous pouvez expliquer comment fonctionne GPT. Vous pouvez exécuter des modèles localement avec Ollama. Vous connaissez l'API Claude.

Étape 5 : LLM et ingénierie des prompts - Travaillez avec de vrais modèles (Semaines 9–10)

Plongée en profondeur : mlabonne/llm-course (Parcours Scientifique LLM)

github.com/mlabonne/llm-course - Le programme LLM gratuit le plus complet. Notebooks Colab pour chaque sujet.

1. Architecture LLM - se connecte à ce que vous avez construit avec Karpathy
2. Fine-tuning (LoRA, QLoRA) - personnaliser les modèles pour des tâches spécifiques
3. Quantification - exécuter des modèles localement (se connecte à votre configuration Ollama)
4. Évaluation - mesurer si votre modèle est réellement bon

Ingénierie des prompts

OpenAI Academy : academy.openai.com/public/content - « Introduction à l'ingénierie des prompts » et « ChatGPT pour tout rôle » de l'équipe qui a construit ChatGPT.

Anthropic Prompt Engineering : docs.anthropic.com - Sans doute le guide d'ingénierie des prompts le mieux écrit sur Internet. Pas un cours — une référence très détaillée.

Suite : microsoft/generative-ai-for-beginners (Leçons 7–21)

Revenez en arrière et terminez les leçons 7 à 21. Avec des connaissances approfondies, ces leçons avancées prennent tout leur sens : RAG, appel de fonctions, motifs de conception, fine-tuning.

Projet de la semaine 10 : Construisez un RAG sur vos notes Obsidian

Utilisez ChromaDB ou LanceDB (tous deux gratuits, tous deux locaux) pour indexer votre coffre AI-Learning. Construisez un outil qui répond aux questions sur tout ce que vous avez appris. Vous construisez littéralement un deuxième cerveau sur votre deuxième cerveau. Poussez sur GitHub.

Étape 6 : Agents IA - Construisez quelque chose de réel (Semaines 11–12)

Principal : microsoft/ai-agents-for-beginners

github.com/microsoft/ai-agents-for-beginners - 12 leçons : utilisation d'outils, mémoire, systèmes multi-agents, orchestration.

Plongée en profondeur : Anthropic Academy - Cours MCP

anthropic.skilljar.com - « Introduction au Model Context Protocol » + « MCP : Sujets avancés ». MCP est le standard ouvert d'Anthropic pour connecter l'IA à des outils externes — le standard 2026 pour l'utilisation d'outils par les agents. Ces cours vous apprennent à construire des serveurs et clients MCP de zéro.

Framework : LangGraph (par LangChain)

Passez 2 à 3 sessions sur LangGraph dans des notebooks Colab gratuits. C'est le framework le plus populaire pour construire des workflows d'agents avec état et multi-étapes. Complète l'approche MCP d'Anthropic — LangGraph pour l'orchestration, MCP pour les connexions d'outils.

Bonus : Anthropic Cookbook

docs.anthropic.com/en/docs/about-claude/use-case-guides - Les meilleurs exemples concrets d'utilisation d'outils et de motifs MCP. Étudiez-les comme des études de cas.

Projet final d'agent :

Construisez un agent qui utilise MCP + Claude pour travailler avec vos fichiers locaux. Exemple : un agent qui lit votre coffre Obsidian, vérifie le web pour des mises à jour sur les sujets que vous étudiez, et génère un résumé quotidien sur votre Telegram. Référez-vous à mon article « J'ai construit un agent IA qui gère ma vie » pour l'architecture.

POINT DE CONTRÔLE :

Vous avez construit un agent IA fonctionnel avec MCP. Vous comprenez l'architecture des agents, l'utilisation d'outils et les workflows multi-étapes. Votre portfolio s'agrandit.

Étape 7 : Production, Portfolio et IA responsable (Semaines 13–14)

Déployer (tout gratuit)

1. Gradio + Hugging Face Spaces - le moyen le plus rapide de partager une démo ML. Hébergement gratuit.
2. Streamlit Community Cloud - pour les applications axées sur les données. Niveau gratuit.
3. Vercel - pour les outils IA basés sur le web. Niveau gratuit.

Évaluez vos modèles

Un modèle déployé sans évaluation est un risque. Apprenez à mesurer la qualité :

1. DeepEval - framework open-source pour l'évaluation des LLM.
2. RAGAS - spécifiquement pour évaluer les pipelines RAG (votre RAG Obsidian de l'étape 5).
3. LLM-as-Judge - utiliser un LLM pour évaluer les sorties d'un autre. Claude est excellent pour cela.

IA responsable et sécurité

C'est là que 90 % des guides gratuits échouent. Ils vous apprennent à construire mais pas à construire de manière responsable.

1. IA constitutionnelle - comprendre comment les modèles modernes sont alignés. L'approche centrale d'Anthropic.
2. Défense contre l'injection de prompts - comment protéger vos applications des entrées adverses.
3. Red-teaming - comment tester vos propres systèmes sous contrainte avant les utilisateurs.

Ressources : le guide officiel de sécurité d'Anthropic + le cours IA responsable dans Anthropic Academy.

Portfolio et carrière

Votre profil GitHub EST votre CV en IA. Voici comment le faire compter :

1. README GitHub - README de profil professionnel + README de projets avec diagrammes d'architecture et liens de démo en direct.
2. Études de cas LinkedIn - rédigez 2 à 3 courtes études de cas sur vos projets. Quel problème, ce que vous avez construit, ce que vous avez appris.
3. Parcours de carrière - Ingénieur IA junior (80–120 K$) → Ingénieur prompts/agents (120–180 K$) → Ingénieur produit IA (150–250 K$).

Le projet de synthèse :

Construisez un agent IA de qualité production qui résout un vrai problème dans votre vie. Déployé. Avec un système d'évaluation. Avec des vérifications de sécurité. C'est ce que vous montrez aux employeurs. C'est ce dont vous tweetez. C'est la preuve.

POINT DE CONTRÔLE :

Vous avez un système IA déployé, évalué, vérifié pour la sécurité. Profil GitHub professionnel. Études de cas LinkedIn. Vous êtes prêt pour l'emploi.

Mode maintenance : Comment rester à jour

L'IA évolue vite. Voici le rituel hebdomadaire pour rester en tête après avoir terminé le parcours :

1. Lundi : Consultez les notes de version d'Anthropic, OpenAI et Google. 10 minutes.
2. Mercredi : Parcourez arxiv-sanity-lite pour des articles intéressants. Lisez 1 résumé. 15 minutes.
3. Vendredi : Regardez une vidéo de Yannic Kilcher ou 1littlecoder sur un nouvel article/outil. 20 minutes.
4. Mensuel : Construisez un petit projet avec un nouvel outil ou technique. Poussez sur GitHub.

Temps total : ~1 heure/semaine. Cela vous maintient dans le top 10 % des praticiens de l'IA.

Comment cela se compare

Comparaison honnête entre ce parcours et les alternatives :

Liste complète des ressources

Cours gratuits (avec certificats)

• Anthropic Academy - anthropic.skilljar.com - 16 cours, certificats gratuits

• OpenAI Academy - academy.openai.com - ateliers, tutoriels, Fondamentaux de l'IA

• Certificat professionnel Google AI - grow.google/ai - 7 modules

• IBM ML sur Coursera - mode audit gratuit - certificat ML complet

• NVIDIA DLI - developer.nvidia.com/training - GPU et deep learning

• DeepLearning.AI - Cours courts par Andrew Ng, surtout « Agentic AI » et « LangChain pour les applications LLM »

Dépôts GitHub

• microsoft/generative-ai-for-beginners - 95K★ - 21 leçons GenAI

• microsoft/ML-For-Beginners - 45K★ - 12 semaines ML classique

• microsoft/AI-For-Beginners - 35K★ - 24 leçons deep learning et vision par ordinateur

• karpathy/nn-zero-to-hero - réseaux de neurones de zéro par Andrej Karpathy

• mlabonne/llm-course - 40K★ - parcours LLM complet + Colab

• microsoft/ai-agents-for-beginners - 12 leçons agents IA

• ashishpatel26/500-AI-ML-DL-Projects - 500+ idées de projets

Outils (gratuits)

• Ollama + Open WebUI - exécutez des modèles localement, alternative ChatGPT auto-hébergée

• Anthropic Cookbook - docs.anthropic.com - meilleurs exemples d'utilisation d'outils et MCP

• Cours Hugging Face (2026) - surtout les sections Agents et Évaluation

• ChromaDB / LanceDB - bases de données vectorielles locales gratuites pour projets RAG

YouTube (gratuit)

• Andrej Karpathy - Neural Networks: Zero to Hero

• 3Blue1Brown - réseaux de neurones et algèbre linéaire visualisés

• Yannic Kilcher - analyses d'articles IA

• 1littlecoder - derniers outils et implémentations IA (focus 2026)

• Matt Wolfe - actualités IA et critiques d'outils

Commencez ce soir

Voici exactement ce qu'il faut faire dans les 60 prochaines minutes :

1. Installez Obsidian et créez le coffre AI-Learning. 5 minutes.
2. Inscrivez-vous à Anthropic Academy. Commencez AI Fluency. Regardez le premier module. Écrivez la première note. 30 minutes.
3. Forkez microsoft/generative-ai-for-beginners sur GitHub. Ouvrez la leçon 1. Lisez-la. 20 minutes.

C'est tout. Trois choses. Ce soir.

Les personnes qui apprendront réellement l'IA en 2026 ne sont pas celles qui mettent 50 articles en favoris. Ce sont celles qui ouvrent un terminal et commencent.

J'ai commencé à payer 300 $/mois pour des cours qui m'apprenaient à copier-coller du code que je ne comprenais pas. Aujourd'hui, je construis des agents IA pour le plaisir et toute la formation m'a coûté 0 $. Les ressources sont là. La seule question est de savoir si vous allez commencer.

abonnez-vous à mon tg <3 - https://t.me/+y1dBeWEIm_plMGNi