Pourquoi Latentis existe
Latentis est née d'un constat simple : beaucoup de développeurs souhaitent travailler sérieusement avec l'IA mais trouvent peu de formations qui traitent les mathématiques, le code et l'ingénierie comme un tout cohérent. Les tutoriels vidéo donnent l'impression d'avancer sans que les fondements soient vraiment posés.
En 2022, une petite équipe basée à Lausanne a commencé à concevoir des parcours en partant de l'autre sens : d'abord définir ce qu'un développeur doit être capable de construire et d'expliquer à la fin du parcours, ensuite organiser le contenu en conséquence. Les premiers groupes se sont formés au printemps 2023.
Aujourd'hui, Latentis propose trois parcours progressifs. Le volume horaire, le nombre de retours écrits et la nature des travaux sont indiqués précisément pour chacun. Rien n'est promis sur l'après — ce qui est promis, c'est ce que l'école fait pendant les semaines du parcours.
Principes de l'école
La précision plutôt que la promesse
Chaque parcours liste les heures d'enseignement, le nombre de corrections et le contenu des travaux. Ce que vous obtenez est décrit avant que vous vous inscriviez. Ce que Latentis ne sait pas — votre trajectoire professionnelle — n'est pas mentionné.
Le travail réel comme mesure
Les exercices sont soumis, lus et commentés. Le projet de modélisation est suivi semaine après semaine par un encadrant. L'intensif MLOps inclut des incidents simulés sur un cluster partagé. Il n'y a pas de progression fictive.
Les prérequis sont vérifiés
Certains parcours demandent un exercice d'entrée. Cela protège le niveau du groupe et évite aux participants de s'engager dans quelque chose qui ne leur correspond pas encore.
Le contenu progresse en cohérence
Les fondements mathématiques précèdent la modélisation, qui précède l'ingénierie de déploiement. L'ordre n'est pas arbitraire — chaque parcours s'appuie sur le précédent, ou sur une expérience équivalente vérifiée.
Les encadrants
Marc Leuthold
Dix ans de travail en modélisation statistique et deep learning. Il rédige les exercices du parcours Fondements et supervise les projets de modélisation.
Sophie Favre
Ingénieure spécialisée en systèmes de déploiement ML. Elle conçoit les exercices d'incidents et supervise les participants sur le cluster partagé.
Anna Roux
Responsable du suivi des groupes et des délais de retour. Elle s'assure que chaque soumission reçoit un commentaire complet dans les cinq jours ouvrés.
Protocoles et engagements
Retours écrits dans les 5 jours
Chaque soumission reçoit un commentaire rédigé. Le délai maximal est de cinq jours ouvrés, et il est tenu.
Confidentialité des travaux
Les exercices et projets soumis ne sont pas partagés entre participants ni utilisés à d'autres fins que le suivi pédagogique.
Contenu maintenu à jour
Les références aux librairies et outils sont vérifiées à chaque nouveau groupe. Un parcours ne tourne pas sur des versions obsolètes.
Groupes de taille limitée
Le nombre de participants par groupe est plafonné pour que le suivi individuel reste possible sans délai supplémentaire.
Données personnelles — RGPD
Les données collectées lors de l'inscription sont traitées conformément au RGPD et à la LPD suisse. Elles ne sont pas revendues.
Attestation descriptive
L'attestation de fin de parcours décrit les heures dispensées et les travaux réalisés — elle est factuelle, pas déclarative.
Ce que Latentis enseigne et comment
Le développement IA repose sur trois couches distinctes : les fondements mathématiques qui rendent un modèle compréhensible, les techniques de modélisation qui permettent de construire quelque chose qui fonctionne dans un contexte donné, et l'ingénierie qui assure qu'un modèle reste utilisable dans le temps. Latentis structure ses parcours autour de cette progression.
La cellule Fondements Numériques traite NumPy, l'algèbre linéaire, les gradients et la probabilité non pas comme des préliminaires à expédier mais comme des outils à manier. Le parcours se termine par un optimiseur écrit depuis zéro et testé sur un jeu de données réel. C'est à ce niveau que les participants comprennent pourquoi un réseau de neurones se comporte comme il le fait.
Le parcours de Modélisation Appliquée couvre l'évaluation rigoureuse, la gestion du surapprentissage, les réseaux de neurones en PyTorch et la recherche d'hyperparamètres. Il s'achève par une défense orale d'un projet personnel. Ce format oblige à expliquer les choix — ce qui est, en pratique, la compétence la plus demandée dans les environnements de travail réels.
L'Intensif Opérations de Modèles s'adresse aux développeurs qui souhaitent comprendre ce qui se passe après le modèle : les pipelines, la surveillance de dérive, les budgets de latence et la réponse à des incidents. Les participants opèrent un service sur un cluster partagé et répondent à deux incidents simulés. L'objectif est de quitter le parcours avec une compréhension concrète des arbitrages qui caractérisent les systèmes ML en production.
Une question sur l'école ou les parcours ?
Décrivez votre niveau et vos objectifs — un encadrant vous répond dans les deux jours ouvrés.
Prendre contact