Python

Pourquoi Python ? C'est la langue commune de l'écosystème IA : la quasi-totalité des bibliothèques de modèles, d'embeddings, de RAG et d'orchestration s'utilisent en Python. Le maîtriser — même à un niveau outillage (environnements isolés, dépendances, scripts) — permet d'automatiser l'exploitation de la plateforme, de coller des briques entre elles (Ollama, pgvector, APIs) et de prototyper rapidement avant d'industrialiser. C'est le « ciment » entre l'infrastructure et les services IA.

🧠 Python, langage de référence du ML & du deep learning.

Les grands frameworks d'IA — PyTorch, TensorFlow, scikit-learn, Hugging Face — se pilotent en Python. C'est le point d'entrée naturel vers l'apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning) est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données […]Wikipédia — « Apprentissage automatique » · CC BY-SA (machine learning) et l'apprentissage profondL'apprentissage profond (en anglais : deep learning) est un sous-domaine de l'intelligence artificielle qui utilise des réseaux neuronaux artificiels composés de nombreuses couches pour résoudre des tâches complexes.Wikipédia — « Apprentissage profond » · CC BY-SA (deep learning) : de la préparation des données à l'entraînement puis à l'inférence des modèles.

# Créer un projet IA
mkdir projet-rag && cd projet-rag

# Environnement virtuel
python3 -m venv .venv
source .venv/bin/activate  # Linux/Mac
# .venv\\Scripts\\activate  # Windows

# Installer les dépendances
pip install "psycopg[binary]" pgvector ollama

# Sauvegarder
pip freeze > requirements.txt

# Reproduire l'environnement ailleurs
pip install -r requirements.txt

import ollama

# Chat simple
response = ollama.chat(
    model='mistral',
    messages=[{'role': 'user', 'content': 'Explique VFIO en 3 lignes'}]
)
print(response['message']['content'])

# Streaming
for chunk in ollama.chat(
    model='mistral',
    messages=[{'role': 'user', 'content': 'Bonjour'}],
    stream=True
):
    print(chunk['message']['content'], end='', flush=True)