Enseigner l'ingénierie IA avec honnêteté sur ce que l'on apprend et comment

Tensorleaf a été fondée à Lausanne en 2021 par une petite équipe d'ingénieurs et de pédagogues qui avaient chacun vécu la même expérience : s'inscrire à un programme de formation technique, découvrir à mi-parcours que le contenu annoncé ne correspondait pas à ce qui était effectivement dispensé, et finir le cours avec un savoir partiel et des questions sans réponse.

La décision fondatrice a été simple : publier le syllabus complet, les heures de contact effectives et les critères d'évaluation avant l'ouverture des inscriptions. Pas après. Pas au moment de commencer. Avant. Cela peut sembler évident, mais c'est encore peu répandu dans la formation en ligne.

Nous avons démarré avec un seul cours — les mathématiques pour le machine learning — parce que c'est le terrain où beaucoup de parcours d'apprentissage perdent leurs étudiants. Trop abstrait, pas assez ancré dans le code, ou à l'inverse trop pratique sans les fondements nécessaires pour comprendre ce qui se passe réellement dans un modèle. Nous avons cherché un équilibre entre les deux.

Depuis, nous avons ajouté le Deep Learning Systems Track, qui couvre les aspects d'ingénierie souvent négligés dans d'autres formations : entraînement distribué, quantisation, optimisation de l'inférence, raisonnement sur les coûts de calcul. Et le Programme Capacité Organisationnelle, destiné aux équipes qui ne manquent pas de données ni de modèles, mais qui cherchent à structurer leurs pratiques d'ingénierie autour du ML.

Nous sommes basés à Lausanne et travaillons en français, bien que nos étudiants viennent de toute la Suisse romande et au-delà. La taille de nos cohortes reste délibérément modeste : nous préférons que chaque participant reçoive des retours écrits sur ses exercices plutôt que de multiplier les inscriptions au détriment de la qualité de l'encadrement.