Aleksey Seleznev publie un cours vidéo gratuit sur R pour développer des outils d'IA

Aleksey Seleznev a publié un cours vidéo gratuit sur R consacré à la création d'outils d'IA, d'interfaces de chat et de systèmes multi-agents. Il se présente comme un parcours pratique pour ceux qui codent déjà en R et veulent intégrer des LLM à leurs flux de travail, plutôt que de se contenter de chats web.

Au programme

L'idée centrale : montrer que l'écosystème R ne sert plus seulement à l'analyse classique et à la visualisation, mais aussi au développement complet d'applications d'IA. L'auteur ne mise pas sur une collection d'astuces éparses, mais sur une pile d'outils reliés : `ellmer` pour travailler avec les modèles, `mcptools` pour MCP, `ragnar` pour le RAG, `shinychat` et `querychat` pour les interfaces, et `mini007` pour les scénarios d'agents. Le cours ressemble ainsi moins à un tour d'horizon des nouveautés qu'à une tentative d'offrir aux développeurs R un parcours clé en main vers l'IA appliquée.

«

Ce cours ne parle pas d'exemples abstraits ni de démos jouets. »

Les supports sont en outre gratuits, sous forme de livre en ligne avec vidéos, notes et exemples de code. Cela abaisse la barrière d'entrée pour ceux qui travaillent depuis longtemps en R, mais voyaient encore les frameworks d'IA modernes comme un territoire réservé à Python. Le cours remplit deux fonctions à la fois : il fournit une structure d'apprentissage et indique quels paquets utiliser dès maintenant, sans assembler soi-même une pile à partir de dizaines de dépôts et d'articles.

Sept modules pratiques

Le programme compte sept cours successifs. L'auteur commence par les bases du travail avec les LLM via le paquet `ellmer` : configuration des clés d'API, création de chats, extraction de données structurées à partir de texte et construction d'une interface simple. Le cours passe ensuite à des sujets plus appliqués : déployer le modèle dans un bot Telegram, gérer le contexte utilisateur et conserver l'historique des conversations entre les sessions.

• Connexion directe à différents fournisseurs de LLM depuis R
• Création de chats d'IA et d'interfaces web avec Shiny
• Lancement d'un serveur MCP et d'un client MCP pour utiliser des outils externes
• Construction d'un système RAG avec embeddings, DuckDB et recherche hybride
• Développement de scénarios multi-agents qui génèrent et exécutent du code R

Dans la seconde moitié, l'accent passe à des architectures plus complexes. Un module est consacré à MCP comme moyen de relier les modèles aux données et aux fonctions, y compris la connexion à des outils comme Claude Desktop. Un autre traite de l'approche RAG : embeddings, base vectorielle sur DuckDB et réponses fondées sur sa propre documentation. Des séances distinctes détaillent la configuration de l'interface `shinychat`, le fonctionnement de `querychat`, qui traduit des requêtes en langage naturel en SQL, et les systèmes multi-agents, où l'IA ne se contente pas de répondre : elle coordonne des actions, évalue la qualité des résultats et exécute du code.

À qui s'adresse le cours

Selon l'auteur, le cours vise d'abord les analystes de données, les développeurs R et ceux qui codent déjà avec aisance en R. Ce n'est pas un contenu d'initiation pour grands débutants : sans la syntaxe de base du langage et une compréhension des paquets, le rythme sera très probablement trop soutenu. Pour les praticiens qui veulent passer vite de « j'ai essayé un chatbot » à un prototype fonctionnel, le programme paraît en revanche assez concret.

La force du cours tient à ce qu'il couvre plusieurs scénarios de travail que l'on apprend d'ordinaire séparément. API de LLM, bots, interfaces web, accès aux données via MCP, recherche dans sa propre base de connaissances et schémas d'agents sont réunis au même endroit. Pour les équipes en entreprise, c'est particulièrement utile : un analyste ou un développeur BI peut garder son langage et sa pile, et ajouter des fonctions d'IA directement dans les projets R, les tableaux de bord et les services internes existants. Le format gratuit compte aussi : une équipe peut en faire une porte d'entrée interne sans budget de formation dédié.

Ce que cela signifie

R reste un langage de niche face à Python dans le développement d'IA, mais des cours comme celui-ci montrent que l'écart se réduit vite sur le terrain des outils appliqués. Pour la communauté russophone, c'est une voie structurée et prête à l'emploi pour aborder les LLM, MCP, RAG et les systèmes d'agents sans quitter son écosystème habituel.