Yannic Kilcher. Yannic analyse l’article original de Princeton/DeepMind sur l’arbre de pensées — la boucle génération-évaluation-élagage-retour arrière, la raison pour laquelle elle fait passer la précision au jeu de 24 de 4 % à 74 %, et le point à partir duquel la technique ne justifie plus un coût en tokens multiplié par 10. La vidéo est utile précisément parce qu’elle vous oblige à considérer ToT comme un algorithme de recherche, et non comme un préfixe de prompt magique.
Cette vidéo rend ToT concret en le présentant comme un algorithme de recherche assorti d’un coût réel en tokens. La limite pratique à retenir est le coût multiplié par 10, pas les résultats de l’évaluation comparative.
Comprendre les schémas de raisonnement génération-évaluation-élagage et savoir quand ils sont trop coûteux pour un travail réel.
Être à l’aise avec les présentations détaillées d’articles scientifiques techniques ; il n’est pas nécessaire d’avoir lu l’article.
Dernière révision : 18 mai 2026
Continuez dans le même parcours d’apprentissage avec les prochaines vidéos d’accompagnement sélectionnées.
28 minutesComprendre un récit historique de o1, puis comparer une spécification directe de la tâche à d'autres variantes prises en charge sur votre modèle et votre charge actuels.
10 minutesChoisir une plateforme d’automatisation selon l’hébergement, l’adéquation aux agents d’IA, les intégrations et les contraintes de maintenance, plutôt que d’après le discours marketing.
26 minutesConstruire un premier flux de travail d’agent d’IA dans n8n en sachant où placer l’accès aux outils, la mémoire et les garde-fous.
Des cours externes sélectionnés pour approfondir ce sujet.
DeepLearning.AIIsa Fulford · Andrew Ng
Quinze minutes de cours peuvent remplacer une année d'intuition. Si vous avez commencé à écrire du code qui appelle un grand modèle de langage (LLM), ou prévoyez de le faire, c'est le cours en ligne le plus efficace pour passer de « jouer avec ChatGPT » à « déployer une fonctionnalité qui appelle un LLM ».
Microsoft LearnMicrosoft Learn
Prompt engineering, but for the tool most office workers will actually touch first. Microsoft's own four-part prompting framework (goal, context, source, expectation) is a genuinely useful mental model, and unlike the generic ChatGPT prompting courses already in our catalog, this one is grounded entirely in Microsoft 365 Copilot's specific quirks and grounding behavior.
Coursera · Vanderbilt UniversityDr. Jules White
Le complément universitaire au cours court de DeepLearning.AI : même discipline, parcours plus long et contenu destiné aux personnes qui ne programment pas. Le Dr White enseigne la conception de prompts sous la forme de modèles réutilisables plutôt que d'astuces. Après ce cours, vous saurez rédiger des consignes pour les LLM comme un concepteur, et non comme un devin.
