Composants · Cortex

Tout ce qu'une leçon MDX peut utiliser, sans import. Cette page sert de référence pour rédiger les prochains cours.

Diagrammes Mermaid

Un bloc de code ```mermaid est rendu en SVG, aux couleurs du thème, et re-rendu quand on bascule clair/sombre. L’attribut title="…" ajoute une légende.


Exemple : un appel RAG minimal


Exemple : diagramme de classes

Encadrés

Enrichissement

Pour aller plus loin · enrichissement

Pourquoi la sortie coûte plus cher que l'entrée

Le prefill traite tous les tokens d’entrée en parallèle sur le GPU ; le decode génère un token à la fois, chacun nécessitant un passage complet du modèle. Le coût marginal d’un token de sortie est donc structurellement plus élevé.

Cartes, comparaisons, chiffres

Niveau 0

Assistant privé

Un modèle généraliste, sans les données de l’entreprise.

Niveau 1

Assistant enrichi

Le même, branché sur les données (RAG).

Niveau 2

Agent interactif

Agit sur le SI via ses API.

RAG · livre ouvert

Données injectées à chaque appel
Filtrage des droits possible

Fine-tuning · livre fermé

Données apprises une fois, dans les poids
Aucun contrôle d’accès fin

mois pour 100 M d'utilisateurs

ChatGPT, source UBS

3–5×

prix d'un token de sortie

vs un token d'entrée

768

dimensions

nomic-embed-text

Envoie le paragraphe qui répond, pas la documentation.

Visualisations animées

<Pipeline> : étapes séquentielles, animées au scroll, cliquables.

01Découpé en tokens : le modèle ne voit jamais une page, seulement une séquence.

Cycle de vie d'un modèle

<BarChart> : barres qui se remplissent à l’entrée dans l’écran.

Google Translate

78 mois

Uber

70 mois

Spotify

55 mois

Instagram

30 mois

TikTok

9 mois

ChatGPT

2 mois

Mois pour atteindre 100 M d'utilisateurs mensuels · UBS / Yahoo Finance

Frise d’étapes

Indexer — avant toute question.
Récupérer — à chaque question.
Générer — à partir des passages seulement.

Quiz

?Avec une température à 0, deux appels identiques renvoient toujours la même réponse.

À retenir

Une idée par point. Une phrase d’explication derrière.
Cinq points maximum. C’est la matière du quiz suivant.

Code

from openai import OpenAI
client = OpenAI()
resp = client.chat.completions.create(
    model="gpt-4o-mini", temperature=0,
    messages=[{"role": "user", "content": "Bonjour"}],
)