13 minutesAttaquer les LLM - Injection de prompt
Modéliser l'injection de prompt comme un mélange de données non fiables et définir des limites de conception autour de l'utilisation des outils.
Fireship. C'est la meilleure explication courte sur YouTube de la boucle capture d'écran–action–capture d'écran, y compris de ses véritables défaillances : Claude qui part chercher Yellowstone, consommation de tokens et latence à chaque étape. Fireship laisse volontairement de côté les détails de production — l'article les couvre — mais donne la bonne intuition sur le coût et la fragilité de ces systèmes avant leur intégration à votre environnement technique.
Utilisez cette vidéo pour acquérir une intuition, pas comme guide de mise en production. Elle condense volontairement le sujet ; un système réel exige un environnement isolé, l'isolation des secrets, des journaux d'audit, des limites de débit et des mécanismes de retour en arrière.
Comprendre pourquoi le pilotage d'un ordinateur par captures d'écran est puissant, mais aussi lent, coûteux et fragile par rapport à une automatisation fondée directement sur des API.
Savoir la différence entre un LLM appelant un outil API et un LLM contrôlant un navigateur ou un bureau.
Dernière révision : 18 mai 2026
Continuez dans le même parcours d’apprentissage avec les prochaines vidéos d’accompagnement sélectionnées.
13 minutesModéliser l'injection de prompt comme un mélange de données non fiables et définir des limites de conception autour de l'utilisation des outils.
19 minutesVous pouvez estimer quand la mise en cache des prompts est rentable en pesant les surcoûts de mise en cache en écriture par rapport aux économies en lecture pour vos charges de travail réelles.
32 minutesComprendre pourquoi le moteur d'inférence, le traitement par lots et la mémoire du cache KV dominent l'économie d'une infrastructure auto-hébergée.
Des cours externes sélectionnés pour approfondir ce sujet.
Microsoft Copilot Studio team
The deeper, production-minded counterpart to our beginner no-code pick: a free, open-source, rank-based curriculum that takes you from zero Copilot Studio experience through MCP integrations and multi-agent orchestration, all without writing traditional code. It's the no-code answer to 'now I want to go further than a quick-start,' which our catalog didn't have.
Anthropic Academy
Le protocole de contexte des modèles (MCP) remplace progressivement les intégrations ponctuelles d'outils dans tout l'écosystème de l'IA. Apprenez-le directement à la source. À la fin, vous aurez construit et déployé votre propre serveur MCP, connecté un client LLM et compris pourquoi cette norme est ce qui se rapproche le plus de l'USB-C dans ce domaine.
João Moura (Founder, CrewAI)
Doubles as our sales and customer-support vertical pick and a genuinely practical agent-building course: you build an agentic sales pipeline (lead scoring, personalized outreach) and a customer-support data-insights pipeline as two of the five hands-on projects, taught by CrewAI's own founder. Requires basic Python, so it sits with our other builder-track courses rather than the no-code picks.