Comment fonctionne un réseau de neurones
Comprendre et Maîtriser l’Intelligence ArtificielleBy Christian PELLEGEAY
Length8h 53m
About this audiobook
ChatGPT vous impressionne. Mais savez-vous vraiment ce qui se passe derrière l'écran ?
L'intelligence artificielle n'est plus une promesse futuriste : elle est là, partout, maintenant. Elle lit vos radiographies, filtre vos spams, génère vos images et rédige vos textes. Pourtant, pour la grande majorité d'entre nous, son fonctionnement réel reste une boîte noire mystérieuse et intimidante.
Vous comprendrez pourquoi une machine "apprend" sans jamais vraiment comprendre, comment les Transformers ont révolutionné le traitement du langage, et ce qui se cache derrière les fameux poids synaptiques, la descente de gradient ou le mécanisme d'attention.
Ce livre pose les vraies questions : Quels biais nos algorithmes reproduisent-ils ? Quelle énergie consume cette révolution silencieuse ? Jusqu'où peuvent aller les réseaux de neurones ?
Que vous soyez un professionnel, un étudiant ou un simple curieux, ce livre vous donnera une vraie compréhension.
Audiobook details
GenreEducation and Learning, Technology
Length8 hrs 53 mins
Narrated byListen with 1,000+ voices
FormateBook with Audio
Publish dateMay 18, 2026
LanguageFrench
Table of contents
1Introduction
84La profondeur, ce n'est pas juste un empilement de briques
2Dédicace
85Ce que chaque couche apprend vraiment
3Remerciements
86Le problème du gradient qui disparaît — ou pourquoi la profondeur était autrefois une malédiction
4Avant-propos
87Les connexions résiduelles : quand l'IA apprend à court-circuiter
5Introduction
88La profondeur comme compression et abstraction du monde
Show all chaptersShow less
6Ce que vous allez découvrir
89Profondeur versus largeur : quel est le meilleur chemin vers l'intelligence ?
7Comment utiliser ce livre
90Ce que la profondeur a rendu possible : une révolution en chiffres
8Citations inspirantes
91📌 Résumé du chapitre
9Partie 1 — Le Cerveau Artificiel : Anatomie d'une Révolution Silencieuse
92Chapitre 12 — Les réseaux convolutifs : comment une machine apprend à voir
10Chapitre 1 — Le neurone qui voulait penser : aux origines d'une idée folle
93La vision comme problème mathématique : pourquoi les réseaux classiques ne suffisaient pas
111. Le cerveau comme machine à calculer : l'intuition fondatrice
94L'opération de convolution : voir en balayant
122. Le neurone biologique : ce que les chercheurs ont vraiment observé
95Couches de pooling, profondeur et hiérarchie des caractéristiques
133. Frank Rosenblatt et le Perceptron : la première machine qui "apprend"
96Architecture complète d'un CNN : des pixels au résultat final
144. Le premier hiver de l'IA : quand la réalité rattrape l'enthousiasme
97Applications concrètes : où les CNN ont transformé le monde réel
155. La renaissance : du neurone isolé aux réseaux profonds
98Les limites et l'évolution des réseaux convolutifs
166. Ce que l'histoire nous apprend sur ce que nous faisons aujourd'hui
99📌 Résumé du chapitre
17Chapitre 2 — Copier le cerveau humain… sans vraiment le comprendre
100Chapitre 13 — Les réseaux récurrents : quand la machine se souvient
18Section 1 — Le cerveau humain : une machine que la science n'a toujours pas percée
101Section 1 — La mémoire, ce problème que personne n'avait résolu
19Section 2 — Comment les pionniers ont tenté de "copier" ce qu'ils observaient
102Section 2 — L'anatomie d'un RNN : dérouler la boucle
20Section 3 — Les ressemblances réelles : ce que la métaphore capture correctement
103Section 3 — Le problème du gradient qui disparaît : la mémoire qui s'efface
21Section 4 — Les différences abyssales : ce que la métaphore dissimule
104Section 4 — LSTM et GRU : la mémoire apprivoisée
22Section 5 — La "boîte noire" : un problème hérité du biologique
105Section 5 — Les applications réelles des réseaux récurrents
23Section 6 — Pourquoi cette imitation imparfaite reste une réussite extraordinaire
106Section 6 — Les limites des RNN et le passage de témoin aux Transformers
24Chapitre 3 — L'architecture secrète : comment les couches se parlent entre elles
107📌 Résumé du chapitre
251. Qu'est-ce qu'une architecture neuronale ? La métaphore de l'usine
108Chapitre 14 — Les Transformers : l'architecture qui a tout changé
262. La propagation vers l'avant : comment l'information voyage
109Le problème que les Transformers sont venus résoudre
273. La connectivité entre les couches : tous reliés, mais pas n'importe comment
110L'encodeur et le décodeur : les deux piliers de l'architecture
284. Le flux de l'information : signaux, transformations et émergence
111Le mécanisme d'attention : voir tout en même temps
295. Architectures en pratique : des exemples qui révèlent les choix
112L'encodage positionnel : comment le Transformer sait que l'ordre compte
306. L'architecture comme hypothèse sur le monde
113Des mots aux géants : comment les Transformers ont évolué en quelques années
31📌 Résumé du chapitre
114Pourquoi les Transformers ont gagné : un bilan sans complaisance
32Chapitre 4 — Les poids synaptiques : la mémoire cachée de la machine
115Chapitre 15 — L'attention, c'est tout : le mécanisme qui propulse ChatGPT
33Section 1 — Le poids : un nombre qui porte le monde
1161. Le problème que l'attention devait résoudre
34Section 2 — Le biais : le poids que l'on oublie toujours de mentionner
1172. L'intuition fondamentale : regarder tous les mots en même temps
35Section 3 — Comment les poids encodent la connaissance : la magie du nombre
1183. Requêtes, clés et valeurs : la mécanique concrète de l'attention
36Section 4 — L'initialisation des poids : le premier pas dans l'inconnu
1194. L'attention multi-têtes : regarder sous plusieurs angles à la fois
37Section 5 — Régularisation et pruning : domestiquer les poids pour qu'ils restent honnêtes
1205. L'encodage positionnel : donner un sens à l'ordre des mots
38Section 6 — Le transfer learning : recycler des poids appris au lieu de tout réinventer
1216. De l'attention au Transformer complet : l'architecture qui a tout changé
39Chapitre 5 — Fonctions d'activation : le bouton ON/OFF qui change tout
1227. Les limites de l'attention et les frontières de la prochaine révolution
401. Le problème de la linéarité : pourquoi un réseau sans activation ne peut rien apprendre
123📌 Résumé du chapitre
412. La sigmoïde : la pionnière imparfaite
124Partie 4 — Entraîner un Modèle : La Cuisine Secrète de l'IA Moderne
423. ReLU : la révolution en une ligne
125Chapitre 16 — Construire un modèle de A à Z : ce que les tutoriels ne vous disent pas
434. Softmax : transformer des scores en probabilités
126Section 1 — Avant de coder : l'art de formuler le bon problème
445. La fonction tanh et la ménagerie des activations alternatives
127Section 2 — Les données : le territoire miné que personne ne cartographie vraiment
456. Choisir sa fonction d'activation : guide pratique et erreurs à éviter
128Section 3 — Architecture et choix techniques : pourquoi il n'existe pas de bonne réponse universelle
46Partie 2 — Apprendre Sans Comprendre : Le Paradoxe de l'Apprentissage Automatique
129Section 4 — L'entraînement réel : le chaos contrôlé que les courbes de perte ne montrent pas
47Chapitre 6 — Qu'est-ce qu'apprendre pour une machine ? (Spoiler : ce n'est pas ce que vous croyez)
130Section 5 — Évaluation et validation : la vérité que les chiffres peuvent masquer
481. Désapprendre ce que vous croyez savoir sur l'apprentissage
131Section 6 — Du modèle au déploiement : la dernière ligne droite que personne ne cartographie
492. La définition formelle : apprendre, c'est minimiser une erreur
132Chapitre 17 — Hyperparamètres : les curseurs invisibles qui font ou défont un modèle
503. Trois façons d'apprendre : supervisé, non supervisé, par renforcement
133La frontière entre paramètres et hyperparamètres : une distinction fondamentale
514. Ce que la machine mémorise vraiment : patterns, corrélations, et illusions de sens
134Le taux d'apprentissage : le réglage le plus crucial de tous
525. Le biais-variance : l'équilibre impossible au cœur de tout apprentissage
135Taille de batch, nombre d'époques, et la gestion du temps d'apprentissage
536. L'illusion de la généralisation : où l'apprentissage machine révèle ses vraies limites
136L'architecture du réseau comme hyperparamètre : profondeur, largeur et régularisation
54Chapitre 7 — La descente de gradient : tomber intelligemment vers la solution
137La recherche d'hyperparamètres : de la chance à la science
55Section 1 — Le problème avant la solution : qu'est-ce qu'on cherche à optimiser ?
138L'interdépendance des hyperparamètres : le danger des optimisations isolées
56Section 2 — L'intuition fondamentale : le randonneur aveugle dans la montagne
139Hyperparamètres dans les grands modèles : une nouvelle dimension du défi
57Section 3 — Le taux d'apprentissage : l'art de choisir la bonne taille de pas
140Chapitre 18 — GPU, TPU et puissance de calcul : l'IA est aussi une affaire d'électricité
58Section 4 — Les variantes modernes : gradient stochastique et mini-batchs
141Section 1 — Pourquoi un CPU ordinaire ne suffit pas : la physique du problème
59Section 5 — Les optimiseurs modernes : aller plus vite, plus intelligemment
142Section 2 — Le GPU : un accident de l'histoire devenu le moteur de l'IA
60Section 6 — Les pièges du paysage : minima locaux, plateaux et points-selles
143Section 3 — Les TPU : quand Google décide de tout reprendre à zéro
61Chapitre 8 — La rétropropagation : remonter le temps pour corriger ses erreurs
144Section 4 — Les data centers de l'IA : des cathédrales numériques voraces en énergie
62Section 1 — Pourquoi un réseau a besoin de se corriger : le problème de l'erreur distribuée
145Section 5 — La guerre des puces : géopolitique d'une ressource critique
63Section 2 — La propagation avant : construire pour mieux défaire
146Section 6 — Vers une IA plus sobre : l'impératif de l'efficience computationnelle
64Section 3 — La rétropropagation en détail : remonter l'erreur couche par couche
147Chapitre 19 — Les biais algorithmiques : quand la machine reproduit nos pires travers
65Section 4 — Le problème du gradient qui disparaît (et celui qui explose)
1481. Qu'est-ce qu'un biais algorithmique ? Derrière le mot, une réalité polymorphe
66Section 5 — Rétropropagation à travers le temps : quand les réseaux récurrents entrent en jeu
1492. Les données comme miroir brisé de la société
67Section 6 — Ce que la rétropropagation nous dit sur les limites de l'apprentissage
1503. Quand l'IA juge les humains : les domaines à haut risque
68Chapitre 9 — Overfitting : quand la machine apprend trop bien… et comprend trop peu
1514. La mécanique de l'amplification : pourquoi les modèles aggravent les inégalités
69Section 1 — L'élève surdoué qui échoue aux examens inédits
1525. Détecter et atténuer les biais : une boîte à outils imparfaite mais indispensable
70Section 2 — Les racines du problème : pourquoi la machine mémorise plutôt que comprendre
1536. Les enjeux politiques et sociétaux : au-delà de la technique
71Section 3 — Détecter l'overfitting : les signaux qui ne trompent pas
154Pour conclure : l'IA comme révélateur social
72Section 4 — Les remèdes : comment dompter la tendance à mémoriser
155Chapitre 20 — L'avenir des réseaux de neurones : entre promesses vertigineuses et limites réelles
73Section 5 — L'underfitting : l'autre extrême du spectre
156Section 1 — Les promesses en cours de réalisation : ce qui est déjà en train de changer
74Section 6 — Ce que l'overfitting nous révèle sur l'intelligence artificielle
157Section 2 — Les murs que personne ne veut regarder en face
75Chapitre 10 — Les données d'entraînement : le carburant que personne ne surveille assez
158Section 3 — Les fronts de recherche qui pourraient tout changer
761. La donnée, ce matériau invisible qui façonne tout
159Section 4 — La question de l'IA générale : mythe, horizon ou danger ?
772. Collecter les données : une tâche titanesque et rarement glamour
160Section 5 — Les enjeux de gouvernance : qui décide, qui contrôle, qui répond ?
783. La qualité des données : ce que les chiffres ne disent pas
161Section 6 — Ce que vous portez maintenant avec vous
794. Les biais dans les données : quand le passé emprisonne le futur
162📌 Résumé du chapitre
805. Le problème de la distribution : quand le monde réel diffère du monde d'entraînement
163Conclusion générale
816. Vers une hygiène des données : ce que chacun peut exiger
164Un immense MERCI !
82Partie 3 — Le Deep Learning : Quand la Profondeur Crée l'Intelligence
165Lexique des termes clés: À propos de l'auteur
83Chapitre 11 — Pourquoi "profond" ? La puissance insoupçonnée des couches multiples
Series
More from Christian PELLEGEAY
Culture générale - Devenez un champion du savoir: Améliorez vos connaissances et votre QI de façon phénoménale en un temps record et exprimez-vous avec assurance dans toutes vos conversationsMagic Brain5h 12m$18 · $0.00
L'Île du crâne d'Anthony Horowitz (Analyse de l'oeuvre)LePetitLitteraire26m$29 · $0.00
L'Écume des jours de Boris Vian (Analyse de l'oeuvre)lePetitLitteraire, Catherine28m$29 · $0.00
Chatgpt Guide CompletJoaquin Gener1h 37m$6 · $0.00
Collection De Documents Scientifiques Sur Le Droit Brésilien Volume 2Paulo Byron Oliveira Soares Neto3h 1m$5 · $0.00
Eux Et MoiPaulo Byron30m$7 · $0.00
Les Pirates InformatiquesLarissa Moura Nascimento4h 44m$7 · $0.00
La Politique de l'Éducation de l'État au Brésil (1961-1974)Paulo Ramos Coelho Filho18h 51m$20 · $0.00
Notes d'une mère: Cours d'éducation maternelleLouise d' Alq7h 37m$1 · $0.00
La Révolution De L'ia Et Son Impact Mondial ImparableEveraldo Santos Silva2h 56m$7 · $0.00
École anglaise, 1672-1851.Jean Clément Léonce Dubosc de Pesquidoux6h 46m$1 · $0.00
Comment Wang-Fô fut sauvé de Marguerite Yourcenar (Analyse de l'oeuvre)lePetitLitteraire, Agnès Fleury, Florence Balthasar32m$29 · $0.00
Le regime Ayurvédic pour perdre du poidsAnand Gupta36m$13 · $0.00
Le parfum du bonheur est plus fort sous la pluie de Virginie Grimaldi (Analyse de l'oeuvre)lePetitLitteraire, Lucile Lhoste25m$29 · $0.00
Tous les matins du monde de Pascal Quignard (Fiche de lecture)lePetitLitteraire, Nathalie Roland19m$29 · $0.00
Autodiscipline et gestion du tempsHarrison Walton3h 42m3.7 (3) Only with Ultra
Les habitudes qui durentEric Holt3h5 (1) Only with Ultra
La Réalité est-elle Réelle ?Skye Alden2h 26m$3
Easy French Short Stories for Beginners Jean-Baptiste Arceneaux4h 35m5 (2) Only with Ultra
Sous le mistral enchantéTomàs de Belcastèu3h 6m5 (1) Only with Ultra
L'A. B. C. de l'aviation: Biplans et monoplansLouis Gastine7h 10m$2 · $0.00
Le Téléphone, le Microphone et le PhonographeTh. Du Moncel8h 52m$2 · $0.00
Histoire du canal de LanguedocPierre-Paul Riquet de Bonrepos9h 42m$2 · $0.00
La Cryptographie, ou, l'art d'écrire en chiffresP. L. Jacob3h 56m$2 · $0.00
Chatgpt Guide CompletJoaquin Gener1h 37m$6 · $0.00
Notions d'agriculture et d'horticulture : cours élémentaireJean-Augustin Barral, Henry Sagnier1h 57m$2 · $0.00
La Révolution De L'ia Et Son Impact Mondial ImparableEveraldo Santos Silva2h 56m$7 · $0.00
Histoire de la télégraphieIgnace Urbain Jean Chappe5h 50m$2 · $0.00
Alpia a390William Jacknight1h 19m$12 · $0.00
Architecture LogicielleEos A.I. Saage5h 6m$19
65 Innovations Clés en Technologie de Communication en 7 Minutes ChacuneNietsnie Trebla9h 39m4 (1) Only with Ultra
Intelligence artificielleLuc Lespérance7h 35m$14.99
Qu'est-ce que l'IAChristian PELLEGEAY9h 6m$9.99
L'Histoire de l'Exploration Spatiale : D'Apollo à ArtemisCiro Irmici2h 55m$4.99 · $0.00
Notions d'agriculture et d'horticulture: premières notions d'agricultureJean-Augustin Barral, Henry Sagnier3h 50m$2 · $0.00
65 Innovations Pionnières en Informatique Quantique en 7 Minutes ChacuneNietsnie Trebla11h 24m Only with Ultra
Le rôle des entreprises privées dans l'espace : SpaceX et au-delàCiro Irmici2h 27m$4.99 · $0.00
La recherche de la vie extraterrestre : Fait ou Fiction ?Ciro Irmici2h 21m$4.99 · $0.00
Mars : Le prochain grand saut pour l'humanitéCiro Irmici2h 4m$4.99 · $0.00
L’impact de la technologie sur l’art moderne: de la photographie à l’art numériqueCiro Irmici3h 8m$4.99 · $0.00
You may also like
Chatgpt Guide CompletJoaquin Gener1h 37m$6 · $0.00
Mes InventionsNikola Tesla1h 56m$2 · $0.00
La Révolution De L'ia Et Son Impact Mondial ImparableEveraldo Santos Silva2h 56m$7 · $0.00
Le Monde CodéA.R. Knight10h 19m$0.00 · $0.00
La race futureEdward Bulwer Lytton Baron Lytton7h 39m$2 · $0.00
Le Vingtième Siècle: La Vie ÉlectriqueAlbert Robida7h 31m$1 · $0.00
Compendium des quatre branches de la photographieAuguste Belloc7h 52m$2 · $0.00
Fuite Vers L'infiniPeter Kapra3h 46m$14 · $0.00
Anglais intermediaire B2Tomas Dvoracek14h 11m$18 · $0.00
L'archange GabrielEmanuel Marcos Cruz E Prado7h 1m$6 · $0.00
Locus SolusRaymond Roussel9h 33m$2 · $0.00
L'A. B. C. de l'aviation: Biplans et monoplansLouis Gastine7h 10m$2 · $0.00
Le Téléphone, le Microphone et le PhonographeTh. Du Moncel8h 52m$2 · $0.00
Comment S'enrichir Avec Les Crypto-monnaies :Everaldo Santos Silva2h 35m$7 · $0.00
Bouche en coeurZénaïde Fleuriot5h 14m$2 · $0.00
Outils De Qualité Et Gestion Des ProcessusPaulo Byron1h 7m$8 · $0.00
La Fille et la LuneMark Lawrence18h 26m$29 · $0.00
A. G. Perret et l'architecture du béton arméPaul Jamot4h 5m$2 · $0.00
L'œuvre de Henri PoincaréEmile Picard50m$2 · $0.00
L'Étoile la Plus LointaineA.R. Knight12h$0.00 · $0.00