Foundations of Open Generative AI Engineering

Ce cours porte sur les fondements de l’ingénierie des modèles génératifs ouverts, en insistant sur les licences, les architectures et les arbitrages de performance. Il aide à mieux comprendre le paysage des modèles disponibles et les implications concrètes de leur utilisation.

Les notions les plus structurantes concernent les différences entre modèles ouverts et fermés, les architectures de modèles, les enjeux de licence et les compromis entre vitesse, coût et précision. Le cours est utile parce qu’il donne des repères pour raisonner au-delà du simple engouement pour la technologie.

Pour moi, cela me permet de mieux éclairer un COMEX sur le choix d’un modèle en fonction d’un besoin réel, d’un cadre d’usage et d’un niveau de risque acceptable. Cela renforce ma capacité à relier stratégie IA, contraintes juridiques et soutenabilité économique.

Fine-tuning Image Models with Diffusion

Ce cours porte sur l’adaptation de modèles de génération d’images par diffusion, avec un accent sur des techniques comme LoRA, DreamBooth et l’usage d’outils comme ComfyUI. Il permet de comprendre comment personnaliser, piloter et rendre plus exploitables des modèles visuels.

Les notions les plus structurantes concernent les architectures de diffusion, le fine-tuning, les workflows visuels, la personnalisation de modèles et l’optimisation pour la production. Le cours est utile parce qu’il relie expérimentation créative et exigences de contrôle opérationnel.

Pour moi, cela me permet de mieux dialoguer avec des projets où la génération d’image devient un levier métier, marketing ou créatif. Cela renforce ma capacité à aider un COMEX à distinguer démonstration technologique, usage réellement industrialisable et conditions de gouvernance de ces outils.