De la data à l'IA : méthodes, domaines d'application, et déploiement. Michel met des pictos, mais il a oublié où.
ML
Machine Learning
Apprentissage à partir de données. Idéal sur des volumes modestes mais qualifiés. Michel dit : "qualifiés = pas des CSV de 2007".
DL
Deep Learning
Réseaux de neurones profonds. Pour données massives et moins structurées. Michel prépare des GPU "au cas où".
LLM
LLM - SLM - VLM
Modèles de langage (et dérivés). Très peu de données requises. Beaucoup de garde-fous requis. Michel a un classeur "prompts".
ACQ
Acquisition de données
Collecte structurée de données brutes. Oui, "copier-coller depuis Excel" ne compte pas. Michel insiste.
ETL
Data Processing
Nettoyage et traitement. Objectif : rendre les données exploitables. Michel appelle ça "rendre la réalité supportable".
ENG
Data Engineering
Architecture et flux fiables. Michel promet : "pas de pipeline qui tombe quand on ouvre Outlook".
CLD
Cloud
Hébergement déporté. Accessible via serveurs distants sécurisés. Michel demande : "et les egress fees ?"
ONP
On-Premise
Déploiement sur vos serveurs physiques. Idéal pour projets sensibles. Michel aime le bruit des racks (un peu trop).
EDGE
Edge AI - Embarquée
Latence zéro ? Hors ligne ? On embarque sur micro-contrôleurs, PC, etc. Michel : "ça passe sur STM32 si on prie".
CV
Computer Vision
Classification, détection, segmentation. Michel ajoute toujours : "et détecter les défauts… et les reflets".
GEN
IA Générative
Texte, images, sons : RAG, RIG, et acronymes inventés par Michel le vendredi soir.
NLP
NLP
Lire, écrire, comprendre, résumer. Michel a demandé un mode "résumer les réunions qui auraient pu être un mail".
TS
Analyse prédictive
Séries temporelles : prévoir événements futurs. Exemple : prédire quand Michel dira "on refactor".
RO
Recherche opérationnelle
Trouver un optimum sous contraintes. Michel optimise aussi le nombre de cafés par sprint.
…
Et bien d'autres encore
On garde une zone floue, pour y mettre les idées de Michel (et quelques vraies).