Comment Dresser Votre Modele
Fine-tunez votre propre IA sur un Mac Studio ou une RTX 4090 — comme dresser un dragon, mais avec des donnees.
A propos de ce Cours
Chaque IA que vous utilisez aujourd'hui est le dragon de quelqu'un d'autre. Ce cours vous apprend a elever le votre : choisir un objectif d'entrainement realiste, construire un jeu de donnees propre et fine-tuner un modele ouvert avec LoRA/QLoRA sur du vrai materiel grand public — nous suivons deux configurations tout au long du cours, un Mac Studio M3 Ultra avec 96 Go de memoire unifiee et un PC i9 avec RTX 4090. Vous entrainerez "Ember", un modele de support client avec votre voix et vos regles, l'evaluerez comme un ingenieur, le quantiserez en GGUF et le servirez localement avec Ollama ou LM Studio.
Ce que Vous Apprendrez
- Quand fine-tuner vs quand utiliser RAG ou un meilleur prompting — et comment definir un objectif mesurable
- Le calcul memoire exact pour le full fine-tuning, LoRA et QLoRA — ce qui tient sur 24 Go de VRAM vs 96 Go de memoire unifiee
- Comment construire un jeu de donnees JSONL au format chat qui enseigne vraiment un comportement, decoupe en train/valid/test
- Comment lancer de vrais fine-tunes LoRA avec MLX sur Apple Silicon et Unsloth sur NVIDIA, puis evaluer et iterer
- Comment passer au niveau superieur avec QLoRA et DPO, quantiser en GGUF et servir votre modele localement avec Ollama ou LM Studio
Je crois que l'IA est la technologie la plus transformatrice de notre epoque, et ces outils ne feront que s'ameliorer. Mais etre optimiste quant a l'avenir ne signifie pas ignorer le present — certaines choses fonctionnent a merveille, d'autres ont besoin d'un oeil humain. Ce cours vous apprend a utiliser l'IA comme un outil puissant, pas comme une baguette magique.
Programme
Rencontre ton dragon : pourquoi entrainer ton propre modele ?
Chaque modele d'IA que tu as utilise — ChatGPT, Claude, Gemini — est le dragon de quelqu'un d'autre. Puissant, impressionnant, et totalement sous le controle...
Fixe ton objectif d'entrainement : prompt, RAG ou fine-tuning ?
L'erreur la plus couteuse en IA locale n'est pas un entrainement rate — c'est un entrainement reussi qui resout le mauvais probleme. Avant que ton dragon n'a...
Connais les ailes de ton dragon : M3 Ultra 96 Go vs RTX 4090
La taille d'un dragon est limitee par son envergure ; la taille de ton modele est limitee par la memoire. Cette lecon te donne le calcul de memoire exact pou...
Nourriture de dragon : construire un dataset qui marche vraiment
Tu peux avoir un materiel parfait et des hyperparametres parfaits, un mauvais dataset te donnera quand meme un mauvais modele — a chaque fois, sans exception...
Premier vol : entraine ton premier LoRA
Aujourd'hui, Ember prend son envol. Tu vas choisir un modele de base, y attacher des adaptateurs LoRA et lancer un vrai fine-tune sur ta propre machine — le ...
Apprivoiser la bete : evaluer, diagnostiquer, iterer
N'importe qui peut lancer un script d'entrainement. La difference entre un dragon dresse et un dragon chanceux, c'est l'evaluation — mesurer, diagnostiquer e...
Dressage avance : QLoRA, DPO et quantization
Ember vole et obeit aux ordres. Cette lecon est l'ecole de vol avancee : entrainer des dragons plus gros sur le meme materiel (QLoRA), enseigner le jugement ...
Lache ton dragon : deployer, servir et partager
Ember est entraine, teste et quantize. La derniere lecon consiste a le laisser voler dans le monde reel : le servir comme une app avec laquelle tes outils pe...