IA – ChatGPT : Introduction

ChatGPT est une interface conversationnelle basée sur un Large Language Model (LLM) de type Transformer. Il prédit des tokens (morceaux de mots) un à un selon le contexte.

Chronologie express

2017 : Transformer (self-attention).
2018→2020 : GPT-1/2/3 (few-shot).
2022 : InstructGPT & RLHF → suivi d’instructions.
2023→2024 : GPT-4/4o, multimodal, function calling.

Pipeline (vue dev)

Tokenisation → embeddings.
Empilement de couches Transformer (attention + MLP).
Décodage token→token (temperature, top-p, stop).
Outils (function calling) & RAG pour relier des données réelles.

Note : pas de mémoire “long terme” par défaut. On la reconstruit côté app (vector store/RAG).

RAG = indexer vos docs/code → rechercher les passages pertinents → les injecter au prompt. Idéal quand la connaissance change souvent.

Fine-tuning = ré-entraîner le modèle sur vos exemples pour fixer un style/format. Préférez RAG pour la “connaissance”, FT pour le ton/structure.

{
                    "query": "Créer un modèle Django Article",
                    "retrieved_context": ["doc interne …", "snippet de code …"]
                    }

Productivité : boilerplate, CRUD, tests, doc.
Prototypage : scaffolding Django/React/Tailwind.
Debug/Refactor : explication stack trace, patch minimal.

Recette “Scaffold Django”

RÔLE: Architecte Django
                    OBJECTIF: Modèle Article + Admin + ListView + URL + Template
                    CONTRAINTES:
                    - Bootstrap 5 seulement
                    - Donne les chemins exacts de fichiers
                    - Si >120 lignes, arrête-toi et demande validation
                    SORTIE: étapes + fichiers + commandes

RÔLE: [ex. Architecte Django senior]
                    OBJECTIF: [ce que tu veux]
                    CONTEXTE: stack, versions, structure dossier, conventions
                    CONTRAINTES:
                    - Donne noms/chemins de fichiers
                    - Fournis un diff si tu modifies du code
                    - Arrête-toi > 120 lignes et demande validation
                    SORTIE: étapes + code par fichier + commandes
                    VÉRIFICATION: tests à exécuter / points de contrôle

Température 0–0.3 pour le code.
Few-shot : donner 1 bon exemple à imiter.
Sortie JSON quand on parse côté back.

A. Debug Django (UNIQUE email)

Script de déduplication avant contrainte.
Migration unique=True
Test qui prouve l’IntegrityError sur doublon.

# exemple de test (simplifié)
                    def test_email_unique(db, django_user_model):
                    django_user_model.objects.create(username="u1", email="a@a.com")
                    with pytest.raises(IntegrityError):
                    django_user_model.objects.create(username="u2", email="a@a.com")

B. Formulaire Contact (honeypot + throttle)

# models.py (extrait)
                    class ContactMessage(models.Model):
                    name = models.CharField(max_length=120)
                    email = models.EmailField()
                    message = models.TextField()
                    created_at = models.DateTimeField(auto_now_add=True)
                    honeypot = models.CharField(max_length=120, blank=True)
                    ip = models.GenericIPAddressField(null=True, blank=True)
                    class Meta:
                    indexes = [models.Index(fields=["created_at", "ip"])]

ChatGPT – Introduction (dev web)

1. Qu’est-ce que ChatGPT ?

2. Pourquoi dans le dev web ?

3. Limites & contournements

4. Prompting (patrons)

5. Exemples concrets

6. Architecture d’assistant

7. Check-list projets longs

8. Prochaines briques