Blog
La précision Suisse a besoin d'un langage comme Rust pour l'avenir.
Filtrer par thème
Affichage de 6 sur 69 articles • Page 1 sur 12
Partie 1 : GC Pauses et Latence: Le coût caché des langages de haut niveau
Java, Python et JavaScript offrent de la commodité, mais le garbage collector introduit une latence imprévisible.
Partie 2 : Les langages comme C/C++ ou Zig permettent de contrôler la mémoire mais à quel prix ?
C évite le besoin d'avoir un garbage collector et donne un contrôle manuel de la mémoire, mais ouvre la porte à des bugs dangereux.
Partie 3 : Rust: Memory safety sans garabe collector
Rust a des performances équivalentes à C/C++ avec en plus la sécurité mémoire vérifée dès la compilation. Cela grâce à deux mécanismes: borrowing et ownership.
L'IA en entreprise, ce n'est pas 50 cas d'usage. C'est 3 choses.
La plupart des projets d'IA générative et agentique entrent dans trois catégories : agents pour les clients, couche d'intégration pour les systèmes, copilotes pour les collaborateurs. Pourquoi ce prisme vaut mieux qu'une liste de cinquante cas d'usage.
Épisode 0 : Pourquoi coder les LLM from scratch
Comprendre comment fonctionnent les LLM sans doctorat en mathématiques : la promesse de la série, ce que tu vas apprendre, et l'idée qui relie tous les épisodes.
Épisode 1 : L'Attention, c'est juste 4 opérations mathématiques
Derrière les Transformers et le mécanisme d'attention, il n'y a que quatre opérations simples : multiplication matricielle, transposition, scaling et softmax. Les voici, en Rust.
Épisode 2 : Q, K, V — Pourquoi 3 matrices et pas une seule ?
Query, Key, Value : pourquoi les vrais modèles projettent chaque mot dans trois espaces différents, et comment cette séparation des rôles rend l'attention plus fine.
Épisode 3 : Embeddings — Absolus au départ, contextuels à l'arrivée
Un embedding, c'est le mot dans l'absolu ou dans son contexte ? Les deux, à des moments différents. Plus les trois détails d'ingénierie autour de l'attention : multi-head, masking et position encoding.
Épisode 4 : Le Transfer Learning — Réutiliser un savoir existant
Pourquoi personne n'entraîne un modèle à partir de zéro : d'où vient le transfer learning, ce qu'il fait gagner, et ses trois stratégies — feature extraction, fine-tuning et LoRA.