les formations IA gratuites de qualité avec certification: Google Skills

 Pendant des années, Google a multiplié ses ressources pédagogiques sans jamais les regrouper.

Google Cloud Skills Boost pour les contenus techniques cloud, Grow with Google pour les compétences numériques générales, Google for Education pour les enseignants, Google DeepMind pour les contenus orientés recherche. Chaque division avait sa propre plateforme.

En lançant Google Skills fin 2025, elle a souhaité mettre fin à cet éparpillement. La plateforme centralise l’ensemble de ces contenus sous une seule adresse, avec au programme plus de 3 000 cours, des laboratoires pratiques, ainsi que des parcours de certification. 

Google et Coursera entretiennent un partenariat officiel depuis 2020. Google Skills centralise les contenus techniques orientés cloud et développeurs, tandis que les formations grand public, dont les cours IA présentés ici, sont hébergées sur Coursera, qui gère l’inscription, la progression et délivre des certificats.

Ici on se concentre sur les formations IA qui sont sur deux possibilités: pour tous et pour des non-débutants à divers niveaux.

Pour les profils débutants (et non techniques)

« Les fondamentaux de l’intelligence artificielle » proposé en accès libre par Google Career Certificates via la plateforme Coursera. En moins de dix heures, ce parcours de cinq cours couvre les bases de l’IA, du prompting à l’utilisation responsable, avec un certificat délivré par Google à la clé.

Ce programme  s’adresse aux personnes de tous métiers et secteurs qui souhaitent acquérir, à leur rythme, des compétences essentielles en IA afin d’améliorer leur productivité. 

AI Boost Bites

Google Skills propose également une série de 57 formats courts appelée AI Boost Bites, accessible directement depuis le catalogue de la plateforme (onglet Collection > AI Boost Bites). 

Chaque module correspond à une vidéo de dix minutes centrée sur un cas d’usage concret : gérer sa boîte mail avec Gemini, convertir une image en tableau Google Sheets, utiliser NotebookLM comme assistant de recherche, ou encore maîtriser les bases du prompting dans Google Workspace. Bon à savoir : chaque vidéo est accompagnée d’un exercice pratique à réaliser immédiatement.

Ces modules, qui sont accessibles gratuitement depuis Google Skills, s’adressent à celles et ceux qui veulent progresser rapidement sur un point précis sans s’engager dans un parcours complet. On y trouve également des parcours thématiques, accessibles depuis l’onglet Parcours disponible dans le menu, avec deux catégories directement liées à l’IA : IA/ML et Agents.

Google AI Professional Certificate

Le Google AI Professional Certificate, lancé en février 2026, s’adresse aux professionnels qui souhaitent aller au-delà des fondamentaux. Structuré en sept cours pour une durée totale d’environ huit heures, il couvre l’IA appliquée à six domaines concrets : trouver des idées et planifier, faire des recherches et trouver des informations, communiquer et rédiger, créer du contenu, analyser des données et créer des applications, en concevant un outil personnalisé sans écrire une seule ligne de code (vibe coding). 

Le programme inclut plus de 20 activités pratiques, avec à la clé un portfolio de productions réutilisables en contexte professionnel. Il est possible de ne suivre que les cours les plus adaptés à son poste, sans avoir à compléter l’intégralité du programme.

Accès et disponibilité du certificat Google AI Professional

Ce certificat, qui permet de développer votre maîtrise de l’IA, est accessible de deux façons : via l’abonnement Career Certificates sur Google Skills (à 49 dollars par mois, ou 349 dollars par an), ou via Coursera. Le cours est enseigné en anglais, mais une traduction automatique en français est disponible après inscription, via le menu des langues de la plateforme. Google propose également un essai de trois mois sans frais à Google AI Pro en complément du certificat, sous conditions et jusqu’au 1er janvier 2027.

certification proposée par Google Skills 

 le Google AI Professional Certificate. Comme vu précédemment, il est conçu par des experts de Google et validé par un ensemble d’employeurs partenaires. L’avantage : il permet de faire reconnaître ses compétences en IA auprès des recruteurs, avec un certificat partageable sur LinkedIn accompagné d’un lien de vérification.

Et les autres comme OpenAI Academy?

Google Skills se distingue d’OpenAI Academy par son système de certifications et l’ampleur de son catalogue. 

Référence

https://grow.google/intl/fr_fr/google-career-certificates/ai-professional/

https://www.blogdumoderateur.com/google-skills-comment-se-former-gratuitement-ia-cours-officiels-google/

L’IA est-elle en train de tuer la recherche par le moteur Google ?

 L’étude publiée le 2 juillet 2026 par Fractl et Search Engine Land, basée sur 1 010 848 mots clés qui représentent 35,4 milliards de recherches par mois quantifie cette baisse.

Les internautes continuent de chercher, mais ils n’exploitent plus les mêmes mots. Tous les secteurs ne trinquent pas de la même manière. La FinTech perd 37,7 % de son volume, c’est sans doute le pire score de l’étude. Le lifestyle s’en sort avec 15,2 % de recul.

L’étude inclut un sondage auprès de 1 004 consommateurs américains. 70 % déclarent utiliser davantage l’IA qu’avant. Par contre, 17 % affirment moins recourir à la recherche classique. On apprend que 18 % des sondés ont acheté un produit recommandé par un chatbot sans jamais vérifier par une recherche séparée.

Référence

https://searchengineland.com/what-1-million-keywords-reveal-about-ais-impact-on-search-481474

https://siecledigital.fr/2026/07/03/lia-est-elle-vraiment-en-train-de-tuer-google-cette-etude-repond-enfin/

Même en mode local, les LLM dont on ne connait pas les données d'entrainement restent dangereux. Cas du modèle Qwen chinois arrête par un ministère.

 

La direction générale du Trésor a arrêté le 23 juin 2026 l’expérimentation du modèle Qwen d’Alibaba, déployé depuis début juin auprès d’une centaine d’agents, après que plusieurs utilisateurs ont signalé des réponses jugées orientées sur des sujets liés à la Chine. Un modèle de Mistral AI l’a remplacé le lendemain.

L’outil s’appelait HéphAIstos. Depuis le début du mois de juin, près d’une centaine des 1 300 agents de la direction générale du Trésor le testaient au quotidien : un agent conversationnel pour assister les hauts fonctionnaires dans leurs tâches, y compris sur des données confidentielles, et une application interne de transcription multilingue. Sous le capot, le modèle Qwen, développé par le géant chinois du commerce en ligne Alibaba.

Bercy a indiqué que HéphAIstos fonctionnait en mode déconnecté, sans accès à Internet ni porte dérobée identifiée. Aucune transmission de données vers l’extérieur n’a donc été détectée pendant les trois semaines de test. Mais la déconnexion réseau ne suffit pas à effacer les biais intégrés lors de l’entraînement du modèle.

Plusieurs tests indépendants conduits par des médias techniques ont par ailleurs établi que Qwen qualifie Taïwan d’« élément inaliénable de la Chine » et déclenche une erreur de sécurité lorsque des utilisateurs l’interrogent sur les événements de la place Tiananmen du 3 juin 1989.

Les travaux menés par l’Australian Strategic Policy Institute (ASPI) sur les modèles chinois avaient déjà évoqué ce phénomène en décembre dernier : Qwen y affichait les divergences de réponse les plus prononcées entre les versions chinoise et anglaise du modèle, en particulier sur des sujets liés au génocide ouïghour ou à l’indépendance du Tibet.

https://www.briefia.fr/article/bercy-interrompt-le-test-de-l-ia-qwen-d-alibaba-pour-biais-pro-chine

Intérêt de Studio de Mistral. Mi juin 2026 Mistral et l'arrivée de Brian Hall comme CMO de Mistral (directeur marketing). Pourquoi? Pas le course à la création du modèle le plus gigantesque et le plus polyvalent?

 

Biran Hall, un cadre de longue date chez Microsoft a dirigé le marketing produit chez Google Cloud.

Sur linkedin: https://www.linkedin.com/feed/update/urn:li:activity:7472694983636971520/

Hello from Paris! I have personal news to share, that I am now CMO of Mistral. I think this could be the most interesting marketing job in the world. 

The next five years will be the most interesting ever in tech. We’ve seen AI become more mainstream and clearly impact how we code, compute, and organize. There’s tons more to come for roles, industries, sciences, and education. 

So I now get to be somewhere that’s 

- at the bleeding (learning) edge of AI tech, 

- taking a different approach from the other major players (OpenAI, Anthropic, Google, Meta, Microsoft, Amazon, Chinese open source et al) by prioritizing AI for mission critical environments that need the confidence and self-control to bet for the long term (with open weights and real sovereign capabilities), 

- and do it while taking a part-time adventure in Paris while learning from the non-US-first perspective.  ooh la la!

I particularly love that the open weights philosophy and approach lets me learn and discover with the research, science, and developer communities.

I do have to thank Anthropic and the US government for laying out why Mistral is in such an interesting position too! You can see a little bit about how Mistral is approaching this for customers differently here on twitter/X: https://lnkd.in/g-3zZnuV

Thanks to everyone who has given me great ideas and opportunities as I’ve figured out what was next. Thanks to Arthur Mensch, Guillaume Lample, Timothee Lacroix, and the team at Mistral for the opportunity. I am very excited about this one! (well, other than learning how to use a mac for the first time since college, but we’ll see if I have more info on that one later. For now I have my personal Surface as wingman.)

---------

Son arrivée a suscité de la curiosité, car Mistral ne domine pas les discussions des développeurs aux États-Unis et ne dispose pas des mêmes budgets informatiques apparemment illimités qu’Anthropic ou OpenAI. Si le marché de l’IA n’était qu’une course à la création du modèle le plus gigantesque et le plus polyvalent, Mistral ne serait pas l’entreprise sur laquelle parier. 

La question la plus intéressante est de savoir quand le marché de l’IA d’entreprise reviendra à la normale et exigera que l’IA offre la même sécurité, la même prévisibilité et le même contrôle que ceux auxquels nous sommes habitués avec d’autres investissements informatiques. C’est là que Mistral a un véritable atout. Comme le note Brian Hall, l’approche de Mistral consiste à « donner la priorité à l’IA pour les environnements critiques qui ont besoin de la confiance et de l’autonomie nécessaires pour s’engager sur le long terme (avec des modèles ouverts et de véritables capacités souveraines) ». 

Mistral présente Studio pour la création et l’exécution d’applications d’IA, Forge pour l’entraînement et l’alignement de modèles personnalisés, Vibe pour le travail agentique, Vibe for Code pour les workflows de codage, et Compute pour l’infrastructure d’entraînement et d’inférence. L’entreprise évoque l’observabilité, les évaluations, les garde-fous, la portabilité des déploiements et l’exécution de l’IA en production « de l'edge au cloud ». En d’autres termes, elle ressemble moins à une entreprise spécialisée dans les chatbots qu’à une entreprise d’infrastructure. 

Ce positionnement devient plus clair lorsque l'on examine de plus près les noms des produits. Mistral AI Studio comprend un registre IA qui sert de système d’enregistrement pour les agents, les modèles, les ensembles de données, les évaluateurs, les outils et les workflows. Il assure le suivi de la traçabilité, de la propriété et des versions. Il applique des contrôles d’accès et des étapes de validation avant le déploiement.

 Il s’agit là d’une infrastructure de gouvernance « ennuyeuse » (et « ennuyeuse » est un terme positif dans l’informatique d’entreprise, comme je l’ai déjà écrit). 

Forge est peut-être encore plus important. Mistral le décrit comme un moyen pour les entreprises d’entraîner des modèles de pointe sur leurs propres données propriétaires. Plutôt que de s’entraîner sur des informations protégées par des droits d’auteur appartenant à des tiers et éparpillées sur le Web ou sur une montagne de publications Reddit, Forge va bien au-delà de la génération augmentée par la recherche (RAG) : il ne se contente pas de « lire » des documents, informations, etc. propriétaires, mais offre en quelque sorte à l’entreprise son propre OpenAI privé. 

Référence

https://www.lemondeinformatique.fr/actualites/lire-l-architecture-it-maillon-faible-du-deploiement-d-agents-ia-100534.html

données structurées JSONL dans du HTML pour être moissonner proprement par AI

 

Les données structurées ont des balises généralement au format JSON-LD ajoutées au code HTML d’une page web pour aider les moteurs de recherche et agents AI à comprendre et interpréter le contenu de manière explicite. Elles s’appuient sur un vocabulaire standardisé, principalement Schema.org, et permettent à Google (ou Bing) d’afficher des résultats enrichis (rich snippets) dans les pages de résultats : étoiles d’avis, prix de produits, FAQ, infos recettes, événements, etc.

La réalité des données structurées et des LLM

Il est important de préciser que les données structurées ne sont pas un Pass pour entrer dans les LLM (modèles de langage). À ce stade, rien ne prouve qu’un modèle conversationnel « lit » directement ce code JSON-LD comme un signal décisif de compréhension. De plus, ajouter quelques blocs de balisage de données structurées ne suffira pas à améliorer mécaniquement la visibilité dans ces nouvelles interfaces génératives. La vraie question à poser est : comment une marque réduit-elle l’ambiguïté dans les systèmes qui filtrent, relient, interprètent et fiabilisent l’information avant qu’une réponse soit générée ?

Un LLM ne « lit » pas votre site comme un consultant qui inspecterait une page avec un crawler. Le mécanisme est différent. Du côté de Google et Gemini, l’impact est direct et documenté. Google lit les données structurées, les exploite pour construire les Rich Snippets, alimenter les Knowledge Panels, enrichir Google Shopping, identifier les entités et rattacher les auteurs. Gemini s’appuie sur cette même infrastructure.

En revanche, pour des concurrents comme ChatGPT et Perplexity, l’impact est indirect. Ces modèles font souvent abstraction du JSON-LD présent dans le code source. Ils ingèrent principalement du texte brut ou du markdown, et privilégient le texte brut en purgeant le corpus de tout « bruit » technique.

Vous ne structurez donc pas pour ChatGPT, mais pour Google, et ChatGPT en bénéficie en aval. L’impact des données structurées sur la visibilité générative n’est pas uniforme : il est direct et mesurable chez Google, indirect mais réel chez les LLM tiers. Réduire ce sujet à « les LLM lisent-ils le JSON-LD ? » revient à poser la mauvaise question.

Le marché se trompe souvent en considérant les données structurées comme des éléments de conformité technique. On ajoute du JSON-LD, on valide dans un outil, et si tout est vert, on considère le sujet plié. Ce principe est dépassé.

Google et Bing ne raisonnent plus seulement en clusters de contenus, mais en entités, en relations, en graphes de connaissances. Ce qui compte n’est plus uniquement votre capacité à approfondir un sujet, mais aussi votre capacité à exister clairement dans un réseau de compréhension plus vaste.

La lisibilité par les machines

Un encodage utile ne sert pas seulement à rendre une page « parseable ». Il sert à déclarer des relations dans ce réseau. On ne se contente plus de structurer des données, on construit la représentation de votre marque dans les systèmes qui décident si elle est une information ou une réalité établie. Le sujet n’est plus d’être conforme, mais d’être intelligible.

Référence

https://www.briefia.fr/article/les-llm-et-vos-donnees-structurees-une-lecture-vraiment-efficace

Le 3juin 2026, 30 médias, les groupes français CMA Media et Sipa Ouest-France, ont annoncé leur intégration dans une coalition internationale, initialement pour défendre la propriété intellectuelle et structurer les relations avec les entreprises d'IA.

 « Les éditeurs du monde ont choisi l'action plutôt que la résignation » : une coalition internationale de médias veut peser face aux géants de l'IA

Ils rejoignent la coalition SPUR (Standards for publisher usage rights), initialement portée par des Anglo-Saxons : CMA Media (« La Tribune », « La Provence », BFMTV, RMC, etc.) et le groupe Sipa Ouest-France, propriétaire du premier quotidien de l'Hexagone.

Référence

https://www.lesechos.fr/tech-medias/medias/les-editeurs-du-monde-ont-choisi-laction-plutot-que-la-resignation-une-coalition-internationale-de-medias-veut-peser-face-aux-geants-de-lia-2234793

GLM-5.2 est un LLM de 744 milliards de paramètres et contexte d’un million de tokens de la société chinoise Z.ai Zhipu, sorti le 13 juin 2026, open.

 

Sur FrontierSWE, un test conçu pour mesurer si une IA peut mener à bout un projet technique de plusieurs heures, GLM-5.2 atteint 74,4 %. Il passe devant GPT-5.5 (72,6 %) et finit à un cheveu de Claude Opus 4.8 (75,1 %). Même logique sur SWE-bench Pro, un autre test de génie logiciel : 62,1 pour GLM-5.2, contre 58,6 pour GPT-5.5.

Le coup de force de GLM-5.2, ce n’est pas que la performance. C’est le modèle économique. Via l’API de Z.ai, le modèle coûte 1,40 dollar (environ 1,30 €) par million de tokens en entrée et 4,40 dollars (environ 4 €) en sortie. À titre de comparaison, GPT-5.5 demande 5 dollars en entrée et 30 dollars en sortie, soit près de six fois plus cher côté sortie.

GLM-5.2 est conçu pour exécuter de longues tâches de plusieurs heures voire plusieurs jours de programmation, et des flux de travail autonomes (agentique). 

Au-delà des scores, c’est l’exploit industriel derrière GLM-5.2 qui force le respect. Le modèle s’appuie sur une architecture Mixture-of-Experts (MoE) de 744 milliards de paramètres au total, dont seuls 40 milliards sont actifs par inférence. Fait remarquable : les gains massifs par rapport à la version 5.1 ne découlent pas d’une augmentation de la taille du modèle, mais uniquement d’optimisations logicielles au cours de l’entraînement.

Inscrite sur la liste noire des entités américaines et privée de tout accès aux puces de dernière génération de la Silicon Valley, Z.AI (qui a réussi son introduction en bourse à Hong Kong en janvier 2026) a développé ce monstre technologique sur du matériel informatique alternatif, sans aucun composant Nvidia.

Le modèle est distribué sous la très permissive licence MIT, avec des poids téléchargeables librement depuis Hugging Face. Sa fenêtre de contexte passe de 200 000 à 1 million de tokens, offrant une stabilité de traitement des contextes longs saluée par les ingénieurs.

huggingface

Serve GLM-5.2 Locally: https://huggingface.co/zai-org/GLM-5.2

GLM-5.2 supports deployment with the following frameworks. Feel free to try them out:

SGLang (v0.5.13.post1+) — see cookbook

vLLM (v0.23.0+) — see recipes

Transformers (v0.5.12+) — see transformers docs

KTransformers (v0.5.12+) — see tutorial

Unsloth (v0.1.47-beta+) — see guide

For deployment on the Ascend NPU platform, inference frameworks such as vLLM-Ascend, xLLM and SGLang are supported — see here.

ArXiv

We present GLM-5, a next-generation foundation model designed to transition the paradigm of vibe coding to agentic engineering. Building upon the agentic, reasoning, and coding (ARC) capabilities of its predecessor, GLM-5 adopts DSA to significantly reduce training and inference costs while maintaining long-context fidelity. To advance model alignment and autonomy, we implement a new asynchronous reinforcement learning infrastructure that drastically improves post-training efficiency by decoupling generation from training. Furthermore, we propose novel asynchronous agent RL algorithms that further improve RL quality, enabling the model to learn from complex, long-horizon interactions more effectively. Through these innovations, GLM-5 achieves state-of-the-art performance on major open benchmarks. Most critically, GLM-5 demonstrates unprecedented capability in real-world coding tasks, surpassing previous baselines in handling end-to-end software engineering challenges. 

https://arxiv.org/abs/2602.15763

Référence

https://www.frandroid.com/culture-tech/intelligence-artificielle/3143733_voici-glm-5-2-lia-chinoise-gratuite-qui-bat-gpt-5-5-et-talonne-claude-opus-4-8-pour-six-fois-moins-cher

https://legrandcontinent.eu/fr/2026/06/23/avec-glm-5-2-la-chine-a-t-elle-ouvert-un-nouveau-moment-deepseek/

https://goodtech.info/des-pdg-de-la-tech-saluent-glm-52-chinois-meilleur-modele-ia-open-weights/