On passe tous trop de temps a chercher les bonnes ressources. Trop de bruit, trop de contenus marketing deguises en formation, trop de listes qui melangent l’excellent et le mediocre.

Cette page regroupe les ressources qu’on recommande vraiment — celles qu’on a lues, regardees ou parcourues, et qui valent le temps qu’on y investit. Classees par format et par niveau, du debutant curieux a l’ingenieur qui veut passer en production.

Derniere mise a jour : mars 2026.

Videos

Le meilleur point d’entree pour comprendre les concepts sans se noyer dans le code. On recommande de commencer par la si le sujet est nouveau pour vous.

Comprendre les fondations

LLM Introduction Le point de depart. Comment fonctionnent les modeles de langage, sans presupposer de connaissances en machine learning. Indispensable pour comprendre tout le reste.

LLMs from Scratch Pour ceux qui veulent comprendre ce qui se passe sous le capot. Construction pas-a-pas d’un LLM, du tokenizer a l’attention mechanism. Technique mais accessible.

Comprendre les agents IA

Agentic AI Overview — Stanford Presentation academique de Stanford sur l’IA agentique. Cadre conceptuel solide : qu’est-ce qu’un agent, quelles architectures, quelles limites. Le recul universitaire qu’il faut pour ne pas se laisser emporter par le hype.

Building and Evaluating Agents Comment construire des agents ET les evaluer — la partie que tout le monde oublie. Metriques, tests, benchmarks. Essentiel si vous comptez passer en production.

Construire en pratique

Building Effective Agents La philosophie d’Anthropic sur la construction d’agents efficaces. Patterns d’architecture, gestion des erreurs, boucles de raisonnement. Directement applicable.

Building Agents with MCP Le Model Context Protocol en pratique. Comment connecter un LLM a vos outils via des tools standardises. Si vous lisez nos articles sur MCP, cette video est le complement parfait.

Building an Agent from Scratch Pas de framework, pas de magie — un agent construit ligne par ligne. Le meilleur moyen de comprendre ce que font LangChain et consorts sous le capot.

Philo Agents (playlist) Serie de videos sur la philosophie et les patterns derriere les agents IA. Un angle original qui pousse a reflechir avant de coder.

Repos GitHub

Du code, des notebooks, des exemples concrets. C’est la qu’on apprend a faire, pas juste a comprendre.

Agents et IA generative

GenAI Agents — incontournable Collection exhaustive d’implementations d’agents IA. Chaque pattern est documente avec du code fonctionnel. Notre reference quand on prototype un nouveau type d’agent.

AI Agents for Beginners — Microsoft Cours structure de Microsoft pour demarrer avec les agents IA. Bien pedagogique, pas trop corporate. Bon point d’entree pour une equipe qui decouvre le sujet.

LLMs et prompt engineering

Prompt Engineering Guide — incontournable LA reference sur le prompt engineering. Techniques, exemples, papers de reference. Mis a jour regulierement. Si vous n’en consultez qu’un seul, c’est celui-ci.

Hands-On Large Language Models Code compagnon du livre du meme nom. Notebooks Jupyter pour chaque chapitre, exemples reproductibles.

LLM Course — incontournable Parcours complet pour maitriser les LLMs : de la theorie au fine-tuning en passant par le deploiement. Structure comme un vrai curriculum universitaire, en acces libre.

ML et engineering

Made with ML MLOps et engineering de bout en bout. Design, developpement, deploiement, iteration. L’approche production qu’on retrouve rarement dans les tutos.

Hands-On AI Engineering Exercices pratiques d’ingenierie IA. Focus sur le code qui tourne en production, pas sur les proofs of concept.

Awesome Generative AI Guide Liste curatee de ressources sur l’IA generative, bien organisee par theme. Utile comme point de depart pour explorer un sous-domaine specifique.

Designing Machine Learning Systems Repo compagnon du livre de Chip Huyen. L’un des meilleurs livres sur le design de systemes ML en production. Les exercices et ressources additionnelles sont ici.

Machine Learning for Beginners — Microsoft 12 semaines de cours ML par Microsoft. Couvre les classiques (regression, clustering, NLP, series temporelles) avec des exercices en Python. Excellent pour les fondamentaux.

Guides et whitepapers

Les documents de reference publies par les acteurs majeurs. Moins de code, plus de vision et de bonnes pratiques architecturales.

Google Agent Whitepaper La vision de Google sur les agents IA. Architecture, patterns, cas d’usage entreprise. Document fondateur pour comprendre l’approche Google.

Google Agent Companion Le document compagnon du whitepaper ci-dessus. Plus pratique, avec des exemples d’implementation et des guidelines de deploiement.

Building Effective Agents — Anthropic — incontournable Le guide d’Anthropic sur la construction d’agents. Principes de design, patterns architecturaux, gestion des erreurs. C’est la philosophie derriere Claude Code et les outils qu’on utilise au quotidien.

Claude Code Best Practices Les bonnes pratiques pour utiliser Claude Code efficacement. Configuration, CLAUDE.md, workflows. On applique ces recommandations sur tous nos projets.

A Practical Guide to Building Agents — OpenAI Le guide pratique d’OpenAI. Approche pragmatique orientee business. Interessant pour la perspective, meme si on utilise Claude — les principes sont universels.

Livres

Pour aller en profondeur. Ces livres demandent du temps mais offrent une comprehension qu’aucune video YouTube ne peut remplacer.

Fondamentaux

Understanding Deep Learning — gratuit Manuel complet sur le deep learning, disponible gratuitement en ligne. Mathematiques accessibles, illustrations claires. Le livre qu’on aurait aime avoir il y a 5 ans.

Build a Large Language Model from Scratch — Sebastian Raschka Guide la construction d’un LLM de zero. Chaque composant est explique et code. Le livre de reference pour comprendre l’architecture transformer en profondeur.

Engineering et production

The LLM Engineer’s Handbook Guide pratique pour les ingenieurs qui deploient des LLMs. Fine-tuning, RAG, evaluation, monitoring. Oriente production, pas recherche.

AI Engineering — Chip Huyen Comment construire des applications IA robustes. Architecture, testing, deploiement, monitoring. Le livre qui manquait entre la recherche et la production.

Agents

AI Agents: The Definitive Guide — Nicole Koenigstein Guide complet sur les agents IA, des concepts fondamentaux aux deploiements avances.

Building Applications with AI Agents — Michael Albada Focus sur la construction d’applications completes autour des agents. Cas d’usage concrets et patterns d’integration.

AI Agents with MCP — Kyle Stratis Le livre dedie au Model Context Protocol. Si vous deployez des MCPs, c’est la reference.

Papers de recherche

Les articles scientifiques fondateurs. Pas besoin de tous les lire en detail — mais comprendre leurs idees cles donne un avantage considerable.

ReAct: Synergizing Reasoning and Acting in Language Models Le paper qui a lance le pattern ReAct (Reasoning + Acting). C’est la base de la plupart des agents modernes : le modele raisonne, agit, observe le resultat, et itere. Lecture obligatoire.

Generative Agents: Interactive Simulacra of Human Behavior L’experience Stanford qui a fait le tour du monde : 25 agents IA qui vivent dans une ville simulee, interagissent, se souviennent et planifient. Fascinant pour comprendre les comportements emergents.

Toolformer: Language Models Can Teach Themselves to Use Tools Comment un LLM peut apprendre a utiliser des outils externes (calculatrice, recherche, API) de facon autonome. Le fondement theorique de MCP et des function calls.

Chain-of-Thought Prompting Elicits Reasoning in Large Language Models Le paper qui a demontre que demander a un LLM de « reflechir etape par etape » ameliore drastiquement ses performances. Simple, elegant, et toujours aussi pertinent aujourd’hui.

Cours en ligne

Des parcours structures pour un apprentissage progressif. Chacun de ces cours est gratuit ou accessible a faible cout.

HuggingFace Agents Course — gratuit Cours complet de HuggingFace sur les agents IA. De la theorie a l’implementation avec leur ecosysteme. Bien structure, exercices pratiques inclus.

MCP: Build Rich-Context AI Apps with Anthropic — gratuit Cours DeepLearning.ai en partenariat avec Anthropic. Construction d’applications MCP de A a Z. Le complement pratique ideal a nos articles sur le sujet.

Building Vector Databases with Pinecone — gratuit Comprendre et construire avec les bases de donnees vectorielles. Indispensable pour le RAG (Retrieval-Augmented Generation) et la recherche semantique.

Vector Databases: from Embeddings to Applications — gratuit La suite logique du cours precedent. Des embeddings aux applications concretes. Plus avance, plus oriente production.

Agent Memory: LLMs as Operating Systems — gratuit Comment donner de la memoire aux agents IA. Court-terme, long-terme, memoire episodique. Le chainon manquant pour des agents qui apprennent vraiment de leurs interactions.

Cette liste est maintenue par l’equipe OLtitude. Vous avez une ressource a suggerer ? Ecrivez-nous.