Skool 资料页
Local AI Lab
Comprendre, dimensionner et déployer une stack IA locale, performante et sécurisée.
Formation IA local : open source, maîtrisée et sécurisée.
Après avoir accompagné +30 entreprises (PME comme des grands groupes) dans leurs projets IA, un constat est devenu évident au fil de l'eau :
Comment utiliser l’IA sans dépendre uniquement des API externes, sans exposer ses données sensibles, et sans perdre le contrôle sur ses coûts ?
Au programme :
Le tarif augmente toutes les 50 places.
Anatomie et architecture d’une stack IA locale.
Inférence : ce qui se passe réellement quand un modèle répond.
Tokens, contexte, KV cache et mémoire.
GPU, VRAM et dimensionnement matériel.
Modèles open-source, formats et quantization.
Moteurs d’inférence : vLLM, SGLang, llama.cpp, TensorRT-LLM, etc.
Orchestration d’agents et workflows locaux.
Context engineering : RAG, mémoire, fine-tuning et routing.
Une alternative open-source à Claude Code avec OpenCode.
Cas d’usage clients : déploiement, sécurité, monitoring et limites.