Deux ans après mes 7 cours d’Andrew Ng : le chemin que je prendrais vraiment en 2026
Des gens m’écrivent encore pour me demander si les 7 cours d’Andrew Ng que j’ai recommandés en 2023 sont toujours le bon chemin aujourd’hui. Réponse courte : la plupart oui, mais avec une roadmap différente autour. Voici ma mise à jour 2026, avec un verdict par cours et un chemin qui se dédouble pour les builders et les operators.
Des gens m’écrivent encore au sujet du billet de 2023. La question la plus fréquente, presque mot pour mot : « est-ce que c’est toujours le bon chemin en 2026 ? »
Je dois l’avouer, je repoussais une réponse complète, parce que la réponse honnête a plusieurs couches. La plupart des cours d’Andrew Ng tiennent encore la route. La roadmap que j’avais construite autour, non. Ce billet, c’est la mise à jour que je te dois.
Si tu pars de zéro aujourd’hui, comme moi en 2023, la partie foundation de cette roadmap s’applique toujours à toi. Tu en as juste besoin de moins que ce qu’il m’en a fallu, pour des raisons que je détaille plus loin.
Un avertissement avant de commencer : il se peut que je me trompe sur certains de ces verdicts, et j’aimerais sincèrement avoir ton retour si ton expérience ne colle pas à la mienne. Je suis toujours un élève sur ce sujet. J’ai juste passé les deux dernières années à essayer de shipper des choses avec ce que j’ai appris.
1. Ce que ces 7 cours m’ont réellement apporté
En regardant en arrière avec deux années de contexte en plus, je pense que les cours de 2023 m’ont donné deux choses très clairement, et m’ont laissé court sur une troisième.
Ils m’ont donné du vocabulaire. Prompt engineering, retrieval-augmented generation, embeddings, function calling, chain-of-thought reasoning. Ce sont encore les termes que j’emploie dans presque chaque conversation technique. Quand j’explique un bug compliqué à quelqu’un de l’équipe qui est plus récent sur l’AI, on partage une langue. Cette langue vient d’Andrew.
Ils m’ont donné de la confiance. Je viens d’un background non technique. Sans la structure de ces cours, je ne suis pas sûr que j’aurais eu le cran de commencer à construire. Un bon cours peut faire ça. Pas t’apprendre tout, mais te convaincre que l’étape suivante est atteignable.
Ce qu’ils n’ont pas pu me donner, c’est le goût : cette intuition de quand un prompt va devenir fragile, quand un eval mesure vraiment ce qui t’intéresse, quand un pattern de coût est sur le point d’exploser en production. Ça, ça ne vient que de casser des choses devant de vrais utilisateurs. J’ai écrit sur la première année de tout ça dans ce billet de 2024 — trois mois dedans et toujours bloqué. Deux ans plus tard, je me bloque sur d’autres choses, mais je me bloque encore.
Les cours m’ont amené jusqu’à « je peux lire les docs sans paniquer ». Tout ce qui vient après est venu du shipping.
2. Pourquoi l’ancienne roadmap vieillit plus vite aujourd’hui
C’est la partie du billet de 2023 que j’aurais le plus envie de réécrire.
J’avais cadré les sept cours comme une rampe d’accès complète. Ils ne le sont pas, et ils ne l’ont jamais été. Ce sont une couche de foundation. La roadmap qui les entoure a plus bougé en deux ans que les cours eux-mêmes.
Ma thèse courte : l’AI pair-programming a compressé l’exécution plus vite qu’il n’a compressé le jugement. C’est pour ça que les cours de foundation enseignent encore de bonnes choses (le jugement vieillit lentement) et c’est pour ça que presque rien d’autre dans mon stack d’apprentissage ne ressemble à ce qu’il était en 2023.
Voici ma propre timeline, en langage simple :
- Fin 2022 : ChatGPT sort. Tout le monde devient prompter.
- Mars 2025 : Google Gemini 2.5 Pro devient mon daily driver pour coder. Le modèle commence à écrire du code que j’accepterais de shipper.
- Vers mars 2025 : je m’abonne à Claude Max, le plan premium d’Anthropic. Ça me donne Claude Code, un AI coding assistant basé sur le terminal qui écrit et édite du code à côté de toi, dans ton propre projet. Il prend rapidement une part significative de mon travail quotidien.
- Mars 2026 : je commence à jongler entre Codex, l’équivalent coding assistant d’OpenAI, et Claude Code.
- Avril 2026 : j’annule Claude Max après 13 mois et je passe principalement sur Codex. Expérience sur 30 jours. Verdict pas encore rendu.
Chaque étape de cette liste a été un changement de workflow, pas un cours que j’ai pris. Ce qu’on ne peut pas obtenir d’un cours dans un navigateur, c’est l’expérience de regarder un AI assistant refactorer ton propre repository pendant que tu lis sa suggestion. C’est plus proche d’une code review sous pression que de la programmation, et c’est là que se passe une grande partie de l’apprentissage de 2026.
Pour ce que ça vaut, j’ai aussi fait la partie construction. Entre le billet de 2023 et aujourd’hui, j’ai shippé trois choses : DIALOGUE, un générateur de podcasts à base d’AI ; STRATUM, une plateforme marketing à 9 agents ; et la plateforme de cours de ce site. J’ai aussi continué à prendre des cours de temps en temps, surtout des remplissages de foundation comme Google IT Automation with Python et Google Cybersecurity Specialization. Les cours m’ont gardé alphabétisé. Les produits m’ont rendu compétent.
Une implication pratique de tout ça : là où va ton budget apprentissage n’est plus le même. En 2023, tu payais pour des cours structurés et tu construisais sur le free tier de quelques APIs. En 2026, les cours représentent une petite partie de la facture ; les outils avec lesquels tu écris le code sont un coût récurrent plus important. Si tu budgétises pour apprendre l’AI maintenant, budgétise aussi les outils, pas seulement les cours.
Si tu n’es pas builder, si tu es un responsable marketing ou un operator qui ne lancera jamais Claude Code lui-même, l’implication est la même, dite autrement : ce que tu achètes vraiment avec un learning path 2026, c’est du jugement sur les outils, pas de la fluence sur un outil particulier. Les outils vont changer. Le jugement sur quand leur faire confiance, quand challenger leur sortie, et quand remettre un humain dans la boucle, c’est la partie durable.
3. Le verdict cours par cours en 2026
C’est la section qui devrait t’être la plus utile, donc je vais être franc, avec des verdicts nuancés là où la réponse honnête dépend de qui tu es.
Pour qui c’est écrit : quiconque se demande aujourd’hui quoi prendre. Que tu sois un operator marketing qui a besoin d’assez de AI literacy pour diriger une équipe, ou un builder qui veut shipper, les verdicts ci-dessous distinguent les deux là où ça compte.
| Cours 2023 | Verdict 2026 | Pourquoi |
|---|---|---|
| Machine Learning Specialization | Time-box : 1 à 2 semaines, survoler les maths | Vocabulaire seulement pour la plupart des lecteurs. Les dérivations math-lourdes valent le coup si tu te diriges vers la recherche. Sinon, survole. |
| Generative AI for Everyone | À prendre encore, pour tout le monde | Le meilleur cadre non technique sur l’AI générative que j’aie vu. Vieillit avec grâce. Donne-le vraiment à ton CEO. |
| ChatGPT Prompt Engineering for Developers | À prendre encore, mais à combiner avec les cookbooks | Les patterns centraux s’appliquent toujours. À combiner avec les cookbooks Anthropic et OpenAI pour les APIs de l’ère 2026. |
| Building Systems with the ChatGPT API | À prendre pour le modèle mental ; ne fais pas confiance aux détails d’API | Modération, chain-of-thought, chained prompts, output checks. Toujours juste. La surface d’API précise a bougé plus d’une fois. |
| Neural Networks and Deep Learning | À sauter, sauf si tu vises la recherche | J’avais signalé la redondance avec la ML Specialization en 2023, et je la signalerais plus fort aujourd’hui, pour les builders comme pour les operators. |
| Functions, Tools, and Agents with LangChain | Vérifie l’état actuel avant de t’engager | Quand j’ai construit une plateforme à 9 agents en 2025, je n’ai pas utilisé LangChain. Plus tôt dans l’année, j’avais essayé un agent LangGraph et j’ai tapé des plafonds de performance qui m’ont poussé vers une orchestration plus simple. Les patterns agentiques sont la vraie leçon ; le choix précis du framework, c’est le tien, et le champ a bougé depuis mon expérience 2025. Je n’écarterais pas LangChain sans y re-jeter un œil à neuf. |
| Vector Databases: from Embeddings to Applications | À prendre encore, à garder court | Ce sont les patterns qui font tourner la recherche sur ce site en ce moment. Saute les chapitres spécifiques à un fournisseur qui ont vieilli. |
Prends ça comme la vue d’un builder, pas comme un classement universel. Si tu arrives avec un autre objectif (recherche, un stack très spécifique), ta table pourrait avoir l’air différente.
4. Ce que j’ajouterais maintenant, et comment le chemin se dédouble
Arrivé ici, le chemin se dédouble. Un operator et un builder ont besoin de deuxièmes couches différentes.
Si tu es responsable marketing ou operator
Tier 1. Prends les lignes « À prendre encore » du tableau ci-dessus. Concentre-toi sur Generative AI for Everyone et Prompt Engineering for Developers. Tu achètes du vocabulaire et de l’instinct.
Tier 2. Apprends-en assez sur les evaluations (une façon de mesurer si une sortie d’AI est vraiment bonne, pas juste plausible) et le agent design (comment enchaîner plusieurs étapes d’AI en un workflow fiable) pour prendre des décisions d’équipe. Tu n’as pas besoin de construire ça toi-même. Tu as besoin de savoir quelles questions poser. Qu’est-ce qu’on mesure exactement ? À quoi ressemble l’échec ? Où vivent les traces ? À quelle fréquence est-ce qu’on revoit de vraies sorties ? Si personne dans ton équipe ne peut répondre à ça clairement, tu es probablement en train de regarder une démo, pas un système durable. Et si quelqu’un te dit « l’AI va se débrouiller », demande sur quels matériaux bruts elle est grounded. Un modèle solide peut aider à transformer des traces réelles, des sorties acceptées, des cas d’échec et des documents internes en critères d’eval en brouillon et en dataset initial. C’est utile. Il faut quand même un humain pour relire la rubric et calibrer le standard.
Tier 3. Redesigne un workflow. Prends la plus petite chose réelle dans la semaine de ton équipe, un rapport hebdomadaire, un brief intake, une revue QA, et reconstruis-la avec l’AI dans la boucle. Je reviens sur la manière dont je cadrerais cette reconstruction à la fin du billet, mais le travail lui-même est à toi de toute façon.
Si tu es builder
Tier 1. Les mêmes cours de foundation que dans le tableau.
Tier 2.
Commence par construire, pas par étudier. Ouvre un compte GitHub gratuit et crée ton premier repository. Apprends assez de Git pour faire de petits commits et revenir proprement en arrière quand tu casses quelque chose. Puis commence à construire sur un vrai projet avec l’un des coding assistants de tête. J’ai utilisé à la fois Claude Code avec Opus 4.7 et OpenAI Codex avec GPT-5.4. Le walkthrough est le travail, et si tu attends de te sentir prêt avant de commencer, tu ne commenceras pas. Lis les docs de l’outil devant toi quand tu es bloqué, et ne fais pas de « étudier le stack » un nouveau délai.
Une fois que quelque chose tourne, commence à apprendre les evals de façon pratique. Sauvegarde de vrais inputs et outputs. Rassemble des matériaux de ground-truth. Décide à quoi ressemblent le bon et le mauvais pour chaque étape du workflow. Ensuite utilise un coding assistant solide, Claude Code avec Opus 4.7 en xhigh thinking, ou Codex avec GPT-5.4 en xhigh thinking, pour t’aider à scaffolder le framework d’evals, proposer des critères, et générer un dataset initial grounded dans ces matériaux. L’AI peut faire une grande partie de ce travail de setup. Ce qu’elle ne devrait pas faire, c’est définir ton standard en silence à ta place. Relis la rubric toi-même.
Puis apprends les bases de MCP, le Model Context Protocol : la couche qui permet à un outil comme Codex de parler directement au reste de ton stack. Dans mon propre workflow sur ce repo, ça veut dire actuellement Chrome DevTools, Playwright, Supabase, GitHub, Stripe, Resend et Cloudflare. MCP n’existait pas en 2023, et c’est maintenant une partie de comment je construis.
Tier 3. Construis quelque chose qu’une autre personne utilise. Pas un tutoriel. Pas la copie d’une démo. Quelque chose avec un vrai utilisateur, même si cet utilisateur est une seule personne de ton équipe.
Les deux chemins partagent une règle : tu n’as pas fini tant que quelque chose de réel ne tourne pas.
Une note pratique, parce que l’argent compte : si 20 dollars par mois pour un coding assistant, c’est hors de portée pour toi en ce moment, saute le tier outils pour l’instant. Les cours de foundation plus des clés API free tier fonctionnent encore. C’est comme ça que j’ai commencé en 2023, et c’est toujours un vrai chemin.
5. Ce que je sauterais ou mettrais en time-box aujourd’hui
Trois pièges, tous faciles à tomber dedans parce qu’ils donnent l’impression d’avancer.
- Collectionner les certifications comme procrastination. Je l’ai fait. Ça donne l’impression d’être productif. Ce n’est pas un substitut au shipping. Prends les certifs de foundation, et ensuite arrête de compter.
- Les cours framework-du-mois. Si un cours est étroitement lié à un framework spécifique qui a moins de deux ans, sois prudent. Lis plutôt les docs du framework, et reviens aux cours quand le champ se sera stabilisé.
- La théorie deep learning math-lourde, sauf si tu passes en recherche. Un builder n’a pas besoin de dériver la backpropagation. Un lead non plus.
6. Le cours que j’ai fini par construire
Après les cours de foundation, la lacune sur laquelle je continuais à buter n’était pas technique. C’était du jugement au niveau operator. Comment redesignes-tu une équipe marketing autour de l’AI, au lieu de juste appeler quelques APIs ? Comment décides-tu ce que les humains devraient encore faire, et ce que la machine a enfin mérité ? Personne n’enseignait ça d’une manière qui collait à ce que je voyais au travail.
Du coup j’ai construit le cours que j’aurais voulu pouvoir prendre après les sept d’Andrew Ng. Il s’appelle AI-Native Media Operations, et il vit sur ce site. 7 modules, 16 templates, environ 3 heures de vidéo, à toi pour de bon. C’est le framework vers lequel je pointe le track operator, parce que j’y crois.
Un lien, un pitch. Si les sept cours d’Andrew Ng ont fait leur boulot chez toi, et si les verdicts ci-dessus t’ont aidé à dégraisser la roadmap, le barreau suivant, c’est du vrai travail, que tu prennes mon cours ou pas.
Si tu as fait la liste de 2023, j’aimerais vraiment savoir lequel t’a le plus payé et lequel tu aurais aimé sauter. Si tu démarres aujourd’hui, qu’est-ce qui te fait hésiter ?
Voilà, c’est tout pour moi.
A bientôt, Chandler
