[![Licence GitHub](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) [![Contributeurs GitHub](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) [![Problèmes GitHub](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/) [![Demandes de tirage GitHub](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) [![PRs Bienvenus](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) [![Observateurs GitHub](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) [![Fourches GitHub](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/) [![Étoiles GitHub](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) ### 🌐 Support multilingue #### Pris en charge via GitHub Action (Automatisé et toujours à jour) [Arabe](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgare](../bg/README.md) | [Birman (Myanmar)](../my/README.md) | [Chinois (simplifié)](../zh-CN/README.md) | [Chinois (traditionnel, Hong Kong)](../zh-HK/README.md) | [Chinois (traditionnel, Macao)](../zh-MO/README.md) | [Chinois (traditionnel, Taïwan)](../zh-TW/README.md) | [Croate](../hr/README.md) | [Tchèque](../cs/README.md) | [Danois](../da/README.md) | [Néerlandais](../nl/README.md) | [Estonien](../et/README.md) | [Finnois](../fi/README.md) | [Français](./README.md) | [Allemand](../de/README.md) | [Grec](../el/README.md) | [Hébreu](../he/README.md) | [Hindi](../hi/README.md) | [Hongrois](../hu/README.md) | [Indonésien](../id/README.md) | [Italien](../it/README.md) | [Japonais](../ja/README.md) | [Kannada](../kn/README.md) | [Coréen](../ko/README.md) | [Lituanien](../lt/README.md) | [Malais](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Népalais](../ne/README.md) | [Pidgin nigérian](../pcm/README.md) | [Norvégien](../no/README.md) | [Persan (Farsi)](../fa/README.md) | [Polonais](../pl/README.md) | [Portugais (Brésil)](../pt-BR/README.md) | [Portugais (Portugal)](../pt-PT/README.md) | [Pendjabi (Gurmukhi)](../pa/README.md) | [Roumain](../ro/README.md) | [Russe](../ru/README.md) | [Serbe (cyrillique)](../sr/README.md) | [Slovaque](../sk/README.md) | [Slovène](../sl/README.md) | [Espagnol](../es/README.md) | [Swahili](../sw/README.md) | [Suédois](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamoul](../ta/README.md) | [Télougou](../te/README.md) | [Thaï](../th/README.md) | [Turc](../tr/README.md) | [Ukrainien](../uk/README.md) | [Ourdou](../ur/README.md) | [Vietnamien](../vi/README.md) > **Vous préférez cloner localement ?** > Ce dépôt inclut plus de 50 traductions de langues, ce qui augmente considérablement la taille du téléchargement. Pour cloner sans les traductions, utilisez le checkout sparse : > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git > cd ML-For-Beginners > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > ``` > Cela vous donne tout ce dont vous avez besoin pour compléter le cours avec un téléchargement beaucoup plus rapide. #### Rejoignez notre communauté [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) Nous avons une série Discord "learn with AI" en cours, apprenez-en plus et rejoignez-nous sur [Learn with AI Series](https://aka.ms/learnwithai/discord) du 18 au 30 septembre 2025. Vous recevrez des astuces et conseils pour utiliser GitHub Copilot en Data Science. ![Série Learn with AI](../../translated_images/fr/3.9b58fd8d6c373c20.webp) # Machine Learning pour débutants - Un programme > 🌍 Voyagez autour du monde en explorant le Machine Learning au travers des cultures mondiales 🌍 Les Cloud Advocates de Microsoft sont heureux d’offrir un programme de 12 semaines, 26 leçons consacré au **Machine Learning**. Dans ce programme, vous apprendrez ce que l’on appelle parfois le **machine learning classique**, utilisant principalement Scikit-learn comme bibliothèque et évitant le deep learning, couvert dans notre [programme AI pour débutants](https://aka.ms/ai4beginners). Associez ces leçons à notre [programme Data Science pour débutants](https://aka.ms/ds4beginners), aussi ! Voyagez avec nous autour du monde en appliquant ces techniques classiques à des données de nombreuses régions. Chaque leçon inclut des quiz avant et après la leçon, des instructions écrites pour la compléter, une solution, un devoir, et plus encore. Notre pédagogie basée sur des projets vous permet d'apprendre en construisant, une méthode éprouvée pour ancrer les nouvelles compétences. **✍️ Un grand merci à nos auteurs** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu, et Amy Boyd **🎨 Merci également à nos illustrateurs** Tomomi Imura, Dasani Madipalli et Jen Looper **🙏 Remerciements particuliers 🙏 à nos auteurs étudiants ambassadeurs Microsoft, relecteurs, et contributeurs de contenu**, notamment Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, et Snigdha Agarwal **🤩 Merci tout spécial aux ambassadeurs étudiants Microsoft Eric Wanjau, Jasleen Sondhi et Vidushi Gupta pour nos leçons en R !** # Premiers pas Suivez ces étapes : 1. **Forkez le dépôt** : Cliquez sur le bouton "Fork" en haut à droite de cette page. 2. **Clonez le dépôt** : `git clone https://github.com/microsoft/ML-For-Beginners.git` > [tous les ressources supplémentaires pour ce cours sont dans notre collection Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) > 🔧 **Besoin d'aide ?** Consultez notre [Guide de dépannage](TROUBLESHOOTING.md) pour les solutions aux problèmes fréquents d’installation, configuration et exécution des leçons. **[Étudiants](https://aka.ms/student-page)**, pour utiliser ce programme, forkez le dépôt entier vers votre propre compte GitHub et faites les exercices seul ou en groupe : - Commencez par un quiz pré-conférence. - Lisez la leçon et complétez les activités, en faisant des pauses pour réfléchir à chaque vérification de connaissances. - Essayez de créer les projets en comprenant les leçons plutôt qu’en exécutant directement le code de solution ; toutefois ce code est disponible dans les dossiers `/solution` de chaque leçon orientée projet. - Faites le quiz post-conférence. - Complétez le défi. - Faites le devoir. - Après avoir terminé un groupe de leçons, visitez le [Forum de discussion](https://github.com/microsoft/ML-For-Beginners/discussions) et "apprenez à voix haute" en remplissant la grille PAT appropriée. Un 'PAT' est un outil d’évaluation des progrès que vous remplissez pour approfondir votre apprentissage. Vous pouvez aussi réagir aux PAT des autres pour apprendre ensemble. > Pour continuer vos études, nous recommandons de suivre ces modules et parcours d’apprentissage [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott). **Enseignants**, nous avons [inclus quelques suggestions](for-teachers.md) sur la manière d’utiliser ce curriculum. --- ## Vidéos explicatives Certaines leçons sont disponibles en format vidéo courte. Vous pouvez toutes les retrouver intégrées dans les leçons, ou dans la [playlist ML for Beginners sur la chaîne Microsoft Developer YouTube](https://aka.ms/ml-beginners-videos) en cliquant sur l’image ci-dessous. [![Bannière ML pour débutants](../../translated_images/fr/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos) --- ## Rencontrez l’équipe [![Vidéo promo](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) **Gif créé par** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 Cliquez sur l’image ci-dessus pour une vidéo sur le projet et les personnes qui l’ont créé ! --- ## Pédagogie Nous avons choisi deux principes pédagogiques lors de la construction de ce programme : garantir qu’il soit **pratique, axé sur les projets**, et qu’il intègre des **quiz fréquents**. De plus, ce programme a un **thème commun** pour lui donner de la cohésion. En s’assurant que le contenu est aligné sur des projets, le processus devient plus engageant pour les étudiants et la rétention des concepts sera accrue. De plus, un quiz à faible enjeu avant la classe fixe l’intention d’apprentissage de l’étudiant, tandis qu’un deuxième quiz après la classe assure une meilleure rétention. Ce programme a été conçu pour être flexible et ludique, et peut être suivi en totalité ou partiellement. Les projets commencent petits et deviennent de plus en plus complexes à la fin des 12 semaines. Ce programme inclut également un post-scriptum sur les applications réelles du ML, qui peut être utilisé comme un travail supplémentaire ou comme base à une discussion. > Trouvez nos guides [Code de conduite](CODE_OF_CONDUCT.md), [Contribution](CONTRIBUTING.md), [Traduction](TRANSLATIONS.md), et [Dépannage](TROUBLESHOOTING.md). Nous accueillons vos retours constructifs ! ## Chaque leçon inclut - sketchnote optionnel - vidéo complémentaire optionnelle - vidéo explicative (certaines leçons seulement) - [quiz d’échauffement pré-conférence](https://ff-quizzes.netlify.app/en/ml/) - leçon écrite - pour les leçons basées sur un projet, guides étape par étape pour construire le projet - vérifications des connaissances - un défi - lectures complémentaires - devoir - [quiz post-conférence](https://ff-quizzes.netlify.app/en/ml/) > **Un mot sur les langues** : Ces leçons sont principalement écrites en Python, mais beaucoup sont aussi disponibles en R. Pour faire une leçon en R, allez dans le dossier `/solution` et cherchez les leçons R. Elles incluent une extension .rmd, qui représente un fichier **R Markdown** que l’on peut simplement définir comme un mélange de `blocs de code` (en R ou autres langues) et d’`entête YAML` (qui guide la mise en forme des sorties comme PDF) dans un `document Markdown`. En ce sens, il sert de cadre idéal pour l’écriture en data science, puisqu’il vous permet de combiner votre code, sa sortie, et vos réflexions en les écrivant en Markdown. De plus, les documents R Markdown peuvent être exportés vers des formats comme PDF, HTML ou Word. > **Une note à propos des quiz** : Tous les quiz sont contenus dans le [dossier Quiz App](../../quiz-app), pour un total de 52 quiz composés de trois questions chacun. Ils sont liés depuis les leçons, mais l'application de quiz peut être exécutée localement ; suivez les instructions dans le dossier `quiz-app` pour héberger ou déployer localement sur Azure. | Numéro de la leçon | Sujet | Regroupement des leçons | Objectifs d'apprentissage | Leçon liée | Auteur | | :-----------------: | :----------------------------------------------------------: | :----------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :---------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------: | | 01 | Introduction à l'apprentissage machine | [Introduction](1-Introduction/README.md) | Apprenez les concepts de base derrière l'apprentissage machine | [Leçon](1-Introduction/1-intro-to-ML/README.md) | Muhammad | | 02 | L'histoire de l'apprentissage machine | [Introduction](1-Introduction/README.md) | Apprenez l'histoire sous-jacente de ce domaine | [Leçon](1-Introduction/2-history-of-ML/README.md) | Jen et Amy | | 03 | Équité et apprentissage machine | [Introduction](1-Introduction/README.md) | Quels sont les enjeux philosophiques importants autour de l'équité que les étudiants doivent considérer lors de la construction et de l'application de modèles ML ? | [Leçon](1-Introduction/3-fairness/README.md) | Tomomi | | 04 | Techniques pour l'apprentissage machine | [Introduction](1-Introduction/README.md) | Quelles techniques les chercheurs en ML utilisent-ils pour construire des modèles ML ? | [Leçon](1-Introduction/4-techniques-of-ML/README.md) | Chris et Jen | | 05 | Introduction à la régression | [Régression](2-Regression/README.md) | Débutez avec Python et Scikit-learn pour les modèles de régression | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | | 06 | Prix des citrouilles en Amérique du Nord 🎃 | [Régression](2-Regression/README.md) | Visualisez et nettoyez les données en préparation pour le ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | | 07 | Prix des citrouilles en Amérique du Nord 🎃 | [Régression](2-Regression/README.md) | Construisez des modèles de régression linéaire et polynomiale | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen et Dmitry • Eric Wanjau | | 08 | Prix des citrouilles en Amérique du Nord 🎃 | [Régression](2-Regression/README.md) | Construisez un modèle de régression logistique | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | | 09 | Une application Web 🔌 | [Application Web](3-Web-App/README.md) | Construisez une application web pour utiliser votre modèle entraîné | [Python](3-Web-App/1-Web-App/README.md) | Jen | | 10 | Introduction à la classification | [Classification](4-Classification/README.md) | Nettoyez, préparez et visualisez vos données ; introduction à la classification | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen et Cassie • Eric Wanjau | | 11 | Plats délicieux asiatiques et indiens 🍜 | [Classification](4-Classification/README.md) | Introduction aux classificateurs | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen et Cassie • Eric Wanjau | | 12 | Plats délicieux asiatiques et indiens 🍜 | [Classification](4-Classification/README.md) | Plus de classificateurs | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen et Cassie • Eric Wanjau | | 13 | Plats délicieux asiatiques et indiens 🍜 | [Classification](4-Classification/README.md) | Construisez une application web de recommandation utilisant votre modèle | [Python](4-Classification/4-Applied/README.md) | Jen | | 14 | Introduction à la classification | [Clustering](5-Clustering/README.md) | Nettoyez, préparez et visualisez vos données ; introduction au clustering | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | | 15 | Exploration des goûts musicaux nigérians 🎧 | [Clustering](5-Clustering/README.md) | Explorez la méthode de clustering K-Means | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | | 16 | Introduction au traitement du langage naturel ☕️ | [Traitement du langage naturel](6-NLP/README.md) | Apprenez les bases du NLP en construisant un bot simple | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | | 17 | Tâches courantes en NLP ☕️ | [Traitement du langage naturel](6-NLP/README.md) | Approfondissez vos connaissances en NLP en comprenant les tâches courantes lors de la gestion des structures linguistiques | [Python](6-NLP/2-Tasks/README.md) | Stephen | | 18 | Traduction et analyse des sentiments ♥️ | [Traitement du langage naturel](6-NLP/README.md) | Traduction et analyse des sentiments avec Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | | 19 | Hôtels romantiques d'Europe ♥️ | [Traitement du langage naturel](6-NLP/README.md) | Analyse des sentiments avec des avis d'hôtels 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | | 20 | Hôtels romantiques d'Europe ♥️ | [Traitement du langage naturel](6-NLP/README.md) | Analyse des sentiments avec des avis d'hôtels 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | | 21 | Introduction aux prévisions de séries temporelles | [Séries temporelles](7-TimeSeries/README.md) | Introduction à la prévision de séries temporelles | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | | 22 | ⚡️ Consommation électrique mondiale ⚡️ - prévision de séries temporelles avec ARIMA | [Séries temporelles](7-TimeSeries/README.md) | Prévision de séries temporelles avec ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | | 23 | ⚡️ Consommation électrique mondiale ⚡️ - prévision de séries temporelles avec SVR | [Séries temporelles](7-TimeSeries/README.md) | Prévision de séries temporelles avec support vector regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | | 24 | Introduction à l'apprentissage par renforcement | [Apprentissage par renforcement](8-Reinforcement/README.md) | Introduction à l'apprentissage par renforcement avec Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | | 25 | Aidez Peter à éviter le loup ! 🐺 | [Apprentissage par renforcement](8-Reinforcement/README.md) | Gym d'apprentissage par renforcement | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | | Post-scriptum | Scénarios et applications ML du monde réel | [ML dans la nature](9-Real-World/README.md) | Applications intéressantes et révélatrices du ML classique dans le monde réel | [Leçon](9-Real-World/1-Applications/README.md) | Équipe | | Post-scriptum | Débogage de modèles ML avec le tableau de bord RAI | [ML dans la nature](9-Real-World/README.md) | Débogage de modèles en apprentissage machine en utilisant les composants du tableau de bord AI Responsable | [Leçon](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | > [trouvez toutes les ressources supplémentaires pour ce cours dans notre collection Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## Accès hors ligne Vous pouvez consulter cette documentation hors ligne en utilisant [Docsify](https://docsify.js.org/#/). Forkez ce dépôt, [installez Docsify](https://docsify.js.org/#/quickstart) sur votre machine locale, puis dans le dossier racine de ce dépôt, tapez `docsify serve`. Le site sera servi sur le port 3000 sur votre localhost : `localhost:3000`. ## PDFs Trouvez un pdf du programme avec liens [ici](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). ## 🎒 Autres cours Notre équipe produit d'autres cours ! Découvrez : ### LangChain [![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) [![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Agents [![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) [![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) [![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) [![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Série Intelligence Artificielle Générative [![IA générative pour débutants](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) [![IA générative (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) [![IA générative (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) [![IA générative (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- ### Apprentissage Fondamental [![ML pour débutants](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) [![Science des données pour débutants](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) [![IA pour débutants](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) [![Cybersécurité pour débutants](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) [![Développement web pour débutants](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) [![IoT pour débutants](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) [![Développement XR pour débutants](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Série Copilot [![Copilot pour programmation assistée par IA](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) [![Copilot pour C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) [![Aventure Copilot](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) ## Obtenir de l'aide Si vous êtes bloqué ou si vous avez des questions sur la création d'applications IA. Rejoignez des apprenants et des développeurs expérimentés pour discuter du MCP. C'est une communauté bienveillante où les questions sont les bienvenues et le savoir est partagé librement. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) Si vous avez des retours sur les produits ou des erreurs lors du développement, rendez-vous sur : [![Forum développeur Microsoft Foundry](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- **Avertissement** : Ce document a été traduit à l’aide du service de traduction automatique [Co-op Translator](https://github.com/Azure/co-op-translator). Bien que nous nous efforcions d’assurer la précision, veuillez noter que les traductions automatiques peuvent comporter des erreurs ou des inexactitudes. Le document original dans sa langue d’origine doit être considéré comme la source faisant foi. Pour les informations critiques, il est recommandé de recourir à une traduction professionnelle réalisée par un humain. Nous ne sommes pas responsables des malentendus ou interprétations erronées résultant de l’utilisation de cette traduction.