Construire la culture LLM / SLM nécessaire pour conseiller une PME : architecture, modèles, limites, prompt engineering, RAG et agents. Tous les livrables sont directement réutilisables en formation client.
Comprendre ce qu'est un Large Language Model — construction, fonctionnement, différences avec un moteur de recherche. Poser le vocabulaire de base.
Comprendre ce qu'est un Large Language Model : comment il est construit, ce qu'il fait réellement, et pourquoi il est fondamentalement différent d'un moteur de recherche ou d'un programme classique. Poser le vocabulaire de base utilisé tout au long du programme.
Définition + exemple PME pour chaque terme. Analogie fondatrice en cinq phrases. Ces deux documents seront intégrés au support de formation M1.
Comprendre le mécanisme d'attention au cœur de tous les LLM — non pas pour le coder, mais pour expliquer à un client PME pourquoi un LLM comprend le contexte.
Comprendre le mécanisme d'attention qui est au cœur de tous les LLM modernes — non pas pour le coder, mais pour expliquer à un client PME pourquoi un LLM comprend le contexte, pourquoi il a des limites, et comment cette architecture conditionne le choix entre LLM et SLM.
Fiche « Implications pratiques pour le choix de modèle » (une page).
Construire la carte de référence des modèles disponibles en 2026, organisée selon deux axes : taille/performance et ouverture/souveraineté.
Construire la carte de référence des modèles disponibles en 2026, organisée selon deux axes : taille/performance d'un côté, ouverture/souveraineté de l'autre. Document de référence utilisé dans toutes les formations pour aider une PME à choisir son modèle.
Tableau + axe souveraineté + recommandations PME. Premier livrable commercial du programme.
Maîtriser les cinq limites fondamentales — pour enseigner une posture professionnelle : utiliser les LLM là où ils excellent, les contourner là où ils échouent.
Maîtriser les cinq limites fondamentales des LLM — pas pour décourager leur adoption, mais pour enseigner une posture professionnelle : utiliser les LLM là où ils excellent, les contourner ou les compléter là où ils échouent.
Mécanisme + signal d'alerte + contournement pour chaque limite. Support prêt à être intégré dans une formation client.
Comprendre les Small Language Models et réaliser la première installation d'Ollama sur MacBook M2 — le fondement technique de tout le programme.
Comprendre ce que sont les Small Language Models, pourquoi ils sont stratégiquement importants pour la souveraineté des PME, et réaliser la première installation d'Ollama sur le MacBook M2 — le fondement technique de tout le programme.
Modèle installé, tokens/sec mesurés, comparaison avec LLM cloud sur trois questions. Carte de référence mise à jour. Démonstration live réutilisable en rendez-vous commercial.
Maîtriser les cinq techniques de prompt engineering qui font la différence entre un LLM médiocre et performant sur une tâche donnée.
Maîtriser les techniques de prompt engineering qui font la différence entre un LLM médiocre et performant sur une tâche donnée. Ce n'est pas une compétence technique — c'est une compétence de communication structurée que toute PME peut apprendre.
Pour le même besoin PME (rédiger un email de relance client), tester : prompt brut / prompt structuré (rôle + contexte + format) / prompt avec few-shot.
Contexte + technique + niveau de modèle requis. Rapport comparatif Claude vs Mistral local sur le même prompt.
Comprendre en profondeur le Retrieval-Augmented Generation avant de le coder en M3. Le RAG est la technologie clé qui permet à un LLM de répondre sur les documents internes d'une PME.
Comprendre en profondeur le principe du RAG (Retrieval-Augmented Generation) avant de le coder en M3. Le RAG est la technologie clé qui permet à un LLM de répondre sur les documents internes d'une PME sans les envoyer entièrement dans le prompt.
| Cas d'usage | Type de documents | Sensibilité RGPD | Verdict |
|---|---|---|---|
| Assistant contrats clients | PDF contrats | Moyenne (données client) | On-prem recommandé |
| Chatbot documentation produit | Fiches produits, manuels | Faible | Cloud acceptable |
| Synthèse réunions internes | Comptes-rendus | Élevée (stratégie) | On-prem obligatoire |
| Recherche procédures internes | Process internes | Moyenne | On-prem recommandé |
| Analyse devis fournisseurs | Devis, factures | Élevée (données financières) | On-prem recommandé |
Type de documents, sensibilité RGPD, verdict on-prem / cloud. Cette fiche sera enrichie en M3 avec les détails d'implémentation.
Comprendre ce qu'est un agent LLM, comment il se distingue d'un simple LLM conversationnel, et pourquoi la souveraineté est encore plus critique pour les agents.
Comprendre ce qu'est un agent LLM, comment il se distingue d'un simple LLM conversationnel, et pourquoi la question de souveraineté est encore plus critique pour les agents — car un agent agit, pas seulement génère du texte.
5 agents × 5 critères. Fiche « LLM vs Agent — différences et risques PME ».
Centraliser tous les livrables et notions du Module 1 dans NotebookLM. Produire les flashcards de révision et un premier QCM de positionnement CAIP.
Centraliser et structurer dans NotebookLM tous les livrables et notions du Module 1. Produire les flashcards de révision et un premier QCM de positionnement CAIP.
Plan de cours réutilisable. 20 flashcards. Score QCM noté.
Consolider et valider les acquis du Module 1 par une interrogation croisée multi-modèles. Identifier les zones de confort et les zones d'effort.
Consolider et valider les acquis du Module 1 par une interrogation croisée multi-modèles. Identifier précisément les zones de confort et les zones d'effort. Produire la synthèse personnelle de fin de module.
Quatre questions, une à deux pages. Trois questions d'anticipation M2 dans NotebookLM.