Une école construite sur la rigueur, pas sur la promesse.
Perceptra a été fondée avec une conviction simple : enseigner l'intelligence artificielle demande de montrer les mathématiques, pas de les contourner.
Retour à l'accueilNotre histoire
Perceptra a ouvert ses premières sessions en 2022, à Martigny, dans les locaux d'un espace de travail partagé au bord de la Dranse. À l'époque, deux ingénieurs — l'un issu de la recherche en traitement du signal, l'autre de l'infrastructure distribuée — avaient remarqué la même chose : les formations disponibles en français sur l'apprentissage automatique traitaient les algorithmes comme des boîtes noires à configurer, non comme des structures à comprendre.
Les premiers groupes étaient petits, dix personnes au maximum, réunis le soir dans une salle de conférence empruntée. Le format était exigeant : on écrivait la descente de gradient sur papier avant de toucher un clavier. Les participants venaient de milieux variés — génie mécanique, biologie computationnelle, finance quantitative — mais partageaient la même frustration face aux tutoriels qui sautent les étapes.
Depuis, Perceptra a structuré son enseignement en trois parcours progressifs. Le contenu s'est étoffé, les outils ont changé, mais la méthode reste la même : comprendre d'abord, automatiser ensuite. Les syllabus sont publiés intégralement avant l'inscription, y compris la liste des sujets délibérément exclus de chaque parcours.
L'école reste basée en Suisse romande. Les cours sont dispensés en français. Les sessions en direct ont lieu en après-midi et en début de soirée pour s'adapter aux horaires des professionnels en activité.
L'équipe pédagogique
Laurent Cornu
Docteur en mathématiques appliquées de l'EPFL. A travaillé cinq ans sur des modèles de séries temporelles dans le secteur de l'énergie avant de rejoindre Perceptra à sa fondation.
Mireille Fontaine
Ingénieure logiciel avec dix ans d'expérience en infrastructure de données. A conçu plusieurs pipelines d'entraînement en production pour des équipes de recherche appliquée en Europe.
Thomas Blum
Développeur spécialisé en PyTorch et systèmes de fichiers distribués. Conduit les revues de code hebdomadaires et encadre les projets de fin de parcours.
Nos engagements pédagogiques
Syllabus publié avant paiement
Chaque parcours liste les sujets couverts et les sujets délibérément omis. Vous lisez le programme complet avant de décider.
Vérification des prérequis
L'entrée en parcours avancé passe par un exercice corrigé. Cela protège la qualité des échanges et évite les situations de décrochage.
Retours écrits individuels
Chaque devoir noté reçoit un retour écrit de l'instructeur. Les commentaires portent sur la méthode, pas seulement sur le résultat.
Protection des données
Les données personnelles sont traitées conformément au droit suisse (LPD) et au RGPD. Aucune donnée n'est transmise à des tiers à des fins commerciales.
Enregistrements disponibles
Toutes les séances en direct sont enregistrées et accessibles dans les 24 heures. Le contenu reste disponible pendant toute la durée du parcours.
Attestation factuelle
À l'issue du parcours, une attestation liste les sujets couverts, les heures enseignées et les résultats obtenus. Document factuel, non promotionnel.
Ce que nous enseignons et comment
L'intelligence artificielle repose sur des structures mathématiques précises : algèbre linéaire, calcul différentiel, théorie des probabilités. Ces structures ne sont pas des obstacles à contourner — elles sont la matière même du sujet. Perceptra les enseigne de front, avec des exercices qui demandent de poser des calculs avant d'ouvrir un terminal.
Le parcours préparatoire couvre Python numérique, NumPy et les opérations matricielles, les dérivées partielles appliquées à l'optimisation, et les probabilités discrètes et continues. À la fin de ce parcours, un participant peut ajuster un modèle linéaire à partir de zéro, sans bibliothèque de haut niveau.
Le parcours réseaux de neurones part de la rétropropagation implémentée en Python pur, avant d'introduire PyTorch. Les modèles convolutifs, récurrents et les architectures à attention sont abordés dans cet ordre. L'évaluation des modèles — conception des jeux de test, analyse des erreurs — occupe une place aussi importante que l'entraînement.
Le parcours ingénierie de production s'intéresse à ce qui vient après le prototype : reproductibilité des pipelines, versionnage des artefacts, conteneurs, budgets de latence, surveillance des dérives de distribution. Les participants opèrent un service réel sur un cluster partagé pendant deux mois, avec des incidents simulés et des revues d'architecture.
Les trois parcours sont conçus pour des personnes en activité. L'effort hebdomadaire est précisé dans chaque syllabus. Les séances ont lieu en après-midi et en soirée, et les enregistrements permettent de rattraper une session manquée.
Consulter les syllabus avant de décider
Les programmes détaillés de chaque parcours sont disponibles sur la page Parcours, avec la liste des sujets inclus et exclus.