La plupart des ressources "apprendre l'IA" te font tourner en rond : trop longues, trop théoriques, ou trop superficielles pour être utiles en prod. Ces trois vidéos couvrent les trois niveaux du même sujet sans se répéter.
L'intro LLM qui ne te prend pas pour un idiot
Commence ici pour une base solide sur ce qu'est un LLM, comment il prédit le token suivant, et pourquoi le contexte est la ressource la plus précieuse du système. Zéro mathématiques lourdes, zéro simplification mensongère.
LLMs from Scratch, le vrai
Celle-là, tu la regardes quand tu veux comprendre pourquoi ton prompt se comporte bizarrement ou pourquoi le fine-tuning ne donne pas ce que tu espères. Construire un LLM depuis zéro, même simplifié, change la façon dont tu lis les outputs. C'est le genre de contenu qui transforme un utilisateur en builder.
Agentic AI, la vision Stanford
L'overview Stanford sur l'IA agentique pose le cadre conceptuel qui explique pourquoi un agent dépasse un LLM auquel on aurait simplement branché des tools. Si tu as fini les deux vidéos ci-dessus, c'est la suite logique.
Ces bases posées, la question suivante est pratique : comment tu passes de "je comprends les LLMs" à "j'ai un agent qui tourne en prod". On a creusé l'architecture mémoire des agents et comment construire un chief of staff IA avec OpenClaw si tu veux continuer dans cette direction.
