# Ressources externes

Ressources scientifiques, pédagogiques et officielles citées dans la formation, regroupées ici pour consultation après les sessions.

---

## Vulgarisation — pour comprendre les LLM

- **3Blue1Brown — But what is a GPT? Visual intro to Transformers**
  https://www.youtube.com/watch?v=wjZofJX0v4M
  *Vidéo de 27 min, accessible aux non-techniciens, animations exceptionnelles.*

- **Andrej Karpathy — Intro to Large Language Models**
  https://www.youtube.com/watch?v=zjkBMFhNj_g
  *1h, par un des chercheurs les plus respectés du domaine. Plus dense, mais excellent.*

- **Wikipedia — Large Language Model**
  https://en.wikipedia.org/wiki/Large_language_model
  *Article de référence, en anglais (la version FR est plus pauvre).*

---

## Papiers fondateurs (arXiv)

- **Vaswani et al. (2017) — Attention is All You Need**
  https://arxiv.org/abs/1706.03762
  *Le papier qui invente le Transformer, l'architecture sous-jacente à tous les LLM modernes.*

- **Sennrich et al. (2015) — Neural Machine Translation of Rare Words with Subword Units (BPE)**
  https://arxiv.org/abs/1508.07909
  *L'algorithme de tokenization "Byte-Pair Encoding" utilisé encore aujourd'hui.*

- **Ouyang et al. (2022) — InstructGPT / RLHF**
  https://arxiv.org/abs/2203.02155
  *La méthode d'alignement par renforcement humain qui rend les LLM utilisables comme assistants.*

- **Bender et al. (2021) — On the Dangers of Stochastic Parrots**
  https://dl.acm.org/doi/10.1145/3442188.3445922
  *Critique fondatrice sur les biais et limites éthiques des LLM. Référence incontournable.*

- **Liu et al. (2023) — Lost in the Middle**
  https://arxiv.org/abs/2307.03172
  *Étude empirique : pourquoi les LLM "oublient" l'information au milieu d'un long contexte.*

- **Huang et al. (2023) — A Survey on Hallucination in Large Language Models**
  https://arxiv.org/abs/2311.05232
  *Panorama complet des types d'hallucinations et des techniques de mitigation.*

---

## Anthropic — recherche et alignement

- **Constitutional AI : Harmlessness from AI Feedback**
  https://www.anthropic.com/research/constitutional-ai-harmlessness-from-ai-feedback
  *Le papier qui décrit la méthode d'alignement spécifique à Anthropic.*

- **Anthropic Research — index complet**
  https://www.anthropic.com/research

- **Anthropic — Core Views on AI Safety**
  https://www.anthropic.com/news/core-views-on-ai-safety

---

## Anthropic — documentation produit

- **Anthropic Docs (entrée principale)**
  https://docs.anthropic.com

- **Context windows**
  https://docs.anthropic.com/en/docs/build-with-claude/context-windows

- **Prompt caching**
  https://docs.anthropic.com/en/docs/build-with-claude/prompt-caching

- **Pricing officiel (à jour)**
  https://www.anthropic.com/pricing

---

## Outils interactifs

- **Tiktokenizer** — visualiseur de tokens
  https://tiktokenizer.vercel.app/
  *Coller du texte et voir comment il est tokenisé, modèle par modèle.*

- **OpenAI Tokenizer** — démo officielle GPT
  https://platform.openai.com/tokenizer

- **Hugging Face — cours sur la tokenization**
  https://huggingface.co/learn/nlp-course/chapter6/5
  *Cours gratuit, interactif, en anglais. Très pédagogique.*

---

## Pour creuser après J4

- **Anthropic — Build with Claude (guide officiel API)**
  https://docs.anthropic.com/en/docs/build-with-claude/overview

- **Prompt engineering guide**
  https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview

- **Claude Cookbook (recettes Anthropic)**
  https://github.com/anthropics/anthropic-cookbook

- **Awesome LLM Apps — collection d'idées et de cas d'usage**
  https://github.com/Shubhamsaboo/awesome-llm-apps