4.6 KiB
| title | slug | type | source | domains | tags | aliases | answers | priority | linked | related | updated | visibility | |||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Mon Exploration et Maîtrise de l’Intelligence Artificielle | ia | competence | manual |
|
|
|
|
7 |
|
|
2026-04-23 | public |
Slug : ia
Ordre d'affichage : 1
Comme beaucoup, j’ai découvert l’intelligence artificielle grand public avec l’arrivée de ChatGPT, qui a marqué un tournant décisif dans l’accessibilité et la démocratisation de cette technologie. En l’espace de quelques mois, le domaine a connu une expansion fulgurante, avec l’émergence d’une multitude de solutions exploitant l’IA sous diverses formes. Fasciné par ces avancées, j’ai rapidement développé un vif intérêt pour plusieurs applications, notamment la génération d’images, les chatbots intelligents et plus largement les modèles de langage avancés (LLMs).
Dans cette quête d’exploration, j’ai expérimenté des solutions d’IA locale, notamment avec Ollama, LLM Studio, et d’autres outils permettant une plus grande maîtrise et personnalisation des modèles. Mon objectif a été de comprendre en profondeur les capacités d’intégration de ces intelligences artificielles locales, en explorant l’entraînement de modèles personnalisés, l’optimisation des performances et l’affinement des interactions par l’ingénierie des prompts (cliquez sur IA locale test mistral 7b sur mon serveur).
Actuellement, je suis en phase d’installation et de déploiement de solutions d’IA locale sur mon propre serveur, un projet en cours de développement qui me permet d’expérimenter les configurations avancées et d’adapter ces modèles à des cas d’usage spécifiques. Cette démarche s’inscrit dans une volonté de maîtriser l’IA en environnement auto-hébergé, offrant ainsi une meilleure compréhension de la gestion des ressources, du fine-tuning des modèles et des défis liés à l’infrastructure.
Parallèlement, j’ai entrepris une spécialisation en Data Science et Intelligence Artificielle au sein de l’École 42, afin d’approfondir mes connaissances théoriques et pratiques dans ce domaine en perpétuelle évolution. Cette formation me permet d’aller encore plus loin dans l’analyse des algorithmes de machine learning et deep learning, d’explorer des approches avancées en traitement des données massives, et de perfectionner mes compétences en développement et intégration de solutions IA appliquées.
GrasBot — assistant intégré au site
Sur fernandgrascalvet.com, j’ai réalisé GrasBot : un assistant basé sur un LLM local (Qwen3 via Ollama), une API FastAPI, et une base de connaissances dérivée de ce vault (vault-grasbot/) avec retrieval graph + BM25 (v3, sans embeddings). Le chat est disponible sur toutes les pages (FAB), avec observabilité Langfuse pour le débogage et l’amélioration continue. Les réponses visent la fidélité aux sources (prompt et troncatures documentés). Voir la fiche projet grasbot et la note technique grasbot-retrieval.
Sur le site — rubrique compétence IA
Les réalisations liées à cette compétence (entité Strapi realisation-ia) apparaissent en vignettes sur /competences/ia avec un détail /competences/ia/<slug> aligné sur les fiches portfolio. Cela permet de présenter GrasBot et d’autres travaux IA comme des projets navigables, pas seulement du texte statique.
Animé par une passion pour l’intelligence artificielle et ses innombrables possibilités, je continue de m’informer, d’expérimenter et d’appliquer ces technologies à des projets concrets. Mon objectif est d’acquérir une expertise approfondie pour concevoir des systèmes intelligents performants, adaptables et innovants, tout en restant à la pointe des avancées technologiques.
Cette compétence est illustrée par 9 images sur le site.
Liens
- MOC-Competences — vue d'ensemble des compétences
- MOC-Algorithmique — domaine algorithmique
- MOC-Ecole-42 — domaine ecole-42
- MOC-Ia — domaine ia