Apprendre la Programmation (en R) avec les LLMs

Auteur·rice

Elias Bouacida

Date de publication

3 décembre 2025

Introduction

Bienvenue ! 🚀

Apprendre la Programmation (en R) avec les LLMs

🤖 LLM = Votre Assistant

LLM : Large Language Model, aussi connu sous le nom d’IA générative

Ex : ChatGPT, Claude, Mistral, etc.

📊 R = Langage Statistique

Pour analyser, visualiser, calculer

🎯 Objectif = Collaboration

Programmer AVEC l’IA générative intelligemment

Sondage 📊

Levez la main si vous avez déjà (Pas de jugement ! 😊)…

  • Utilisé un LLM (ChatGPT, Claude, etc) ? 🙋‍♀️
  • Demandé leur aide pour un devoir ? 📝
  • Copié-collé une de leur réponse sans la comprendre ? 😅
  • Fait confiance aveuglément à un LLM ? 🤖
  • Payé pour un LLM ?
  • Programmé dans n’importe quel langage de programmation ? 💻

Pourquoi ce cours ? 🎯

Que va-t-on apprendre ?

Comment utilisez-vous des LLMs ?

L’approche ici

  • Poser les BONNES questions
  • Vérifier et corriger les erreurs
  • Comprendre les réponses
  • Utiliser le LLM comme partenaire

Objectif : Autonomie et esprit critique

Ici, demander des exemples de ce qu’ils font

Démonstration : Prompt

Prompt 1

"Fais-moi des statistiques sur mes données"
  • Problème : Trop vague !
  • Quelles données ?
  • Quelles statistiques ?
  • Quel format de sortie ?

Prompt 2

"J'ai 10 notes d'étudiants : 
12, 15, 18, 14, 16, 13, 17, 11, 19, 15.
Calcule la moyenne, médiane et l'écart-type
en R avec des commentaires explicatifs."

Résultat : Code précis et commenté !

Proposer aux étudiants de le faire eux-mêmes. Commencez par le prompt 1, puis les amener au prompt 2 en formalisant un peu le problème.

Objectif du cours

  • Apprendre à utiliser R et Rstudio
  • Apprendre à utiliser les principales librairies (aussi appelées paquets) de R pour l’analyse de données et les statistiques (le tidyverse)
  • Vous apprendre à utiliser des LLMs pour faire cela

R et Rstudio ? 📊

R et RStudio : Des outils

R

RStudio = L’Interface (IDE)

  • Environnement convivial
  • Facilite l’écriture de code R
  • Intègre tous les outils nécessaires

Exemples concrets d’usage

  • Analyser un sondage : “Quel pourcentage préfère le chocolat ?”
  • Créer des graphiques : Histogrammes, courbes, diagrammes
  • Calculs statistiques : Moyennes, corrélations, tests, régressions
  • Données géographiques : Cartes
  • Nettoyer des données : Corriger, organiser, structurer
  • Prédictions simples : “Quelle sera la prochaine tendance ?”

Premier aperçu du code R

# Créer une liste de notes
notes <- c(15, 12, 18, 14, 16, 13, 17)
# Calculer la moyenne
moyenne <- mean(notes)
# Afficher le résultat
print(paste("La moyenne est :", moyenne))
[1] "La moyenne est : 15"

C’est tout ! Pas si compliqué, non ?

Comment ça marche avec un LLM ?

Le processus en 4 étapes

  1. 🎯 Formuler une question précise
    • Au lieu de “fais-moi des calculs”
    • Dire “calcule la moyenne de ces 5 notes : 12, 15, 18, 14, 16”
  2. 🤖 Recevoir et comprendre la réponse
    • Le LLM vous donne du code + des explications (si vous lui demandez)
  3. 🧪 Tester et vérifier
    • Exécuter le code, voir si ça marche, comprendre pourquoi
  4. ✨ Améliorer si nécessaire
    • Corriger les erreurs, adapter à vos besoins

Exemple

Votre demande (à votre LLM préféré)

"J'ai des données de vente par mois :
Janvier : 1500€, Février : 2000€, Mars : 1800€
Crée un graphique en barres avec R"

Essayez !

Exemple (réponse possible)

# Données de vente
mois <- c("Janvier", "Février", "Mars")
ventes <- c(1500, 2000, 1800)

# Créer le graphique
barplot(ventes, names.arg = mois, 
        main = "Ventes par mois",
        ylab = "Montant (€)")

Le résultat

# Testons le code !
mois <- c("Janvier", "Février", "Mars")
ventes <- c(1500, 2000, 1800)

# Créer le graphique
barplot(ventes, names.arg = mois, 
        main = "Ventes par mois",
        ylab = "Montant (€)")

Les Erreurs : Vos Amies !

Principe pédagogique : Les erreurs sont des occasions d’apprentissage, pas des échecs !

  • 🎯 Développer votre esprit critique
  • 🔍 Apprendre à déboguer
  • 🤖 Comprendre les limites des LLM
  • 💪 Gagner en autonomie
  • 🧠 Mémoriser par l’expérience

Organisation du Cours

5 Séances de 3 heures 📅

Le cours est structuré en 2 phases progressives sur 5 séances de 3h.

Phase 1 : Fondations 🌱 (Séances 1-3)

Objectif : Maîtriser le dialogue avec un LLM et les concepts R de base

Séance 1 : Premiers pas avec R

  • Découvrir RStudio et son interface
  • Comprendre les concepts de base : objets, types, vecteurs
  • Utiliser des fonctions intégrées
  • Créer son premier script
  • Commencer son journal de bord

Séance 2 : Données et visualisations

  • Importer des données réelles (fichiers CSV)
  • Explorer des dataframes
  • Calculer des statistiques descriptives
  • Créer des visualisations simples
  • Apprendre à déboguer efficacement

Séance 3 : Automatisation et fonctions

  • Utiliser des conditions (if/else)
  • Créer des boucles (for, while)
  • Écrire vos propres fonctions
  • Combiner tous les concepts appris

Phase 2 : Application 🚀 (Séances 4-5)

Objectif : Analyser de vraies données en autonomie

Séance 4 : Données tabulaires et graphiques avancés

  • Maîtriser les data.frames complexes
  • Nettoyage de données (casse, formats, incohérences)
  • Visualisations avec ggplot2
  • Créer des fonctions de visualisation réutilisables

Séance 5 : Projet personnel intégré

  • Choix et cadrage d’un projet personnel
  • Analyse complète de A à Z en autonomie
  • Présentation des résultats aux pairs

Progression pédagogique

  • Séances 1-3 → Bases : concepts fondamentaux et autonomie technique
  • Séances 4-5 → Application : projets personnels et analyses complètes

À la fin du cours, vous serez capable de : analyser des données en autonomie, créer vos propres outils, automatiser vos analyses et utiliser les LLMs comme de véritables partenaires de travail.

Structure d’une séance type

🎭 Présentation

30-60 min

  • Concepts du jour
  • Démonstrations en direct
  • Exemples concrets

💻 Pratique

90-120 min

  • Exercices sur machine
  • Aide individuelle
  • Déboguing collectif

🤝 Partage

30 min

  • Retours d’expérience
  • Solutions créatives

Évaluation 📊

Une évaluation bienveillante

Cours à validation : L’objectif est d’évaluer votre progression, pas de vous piéger !

Composition de la note

La validation dépend de 3 composantes :

📓 Journal de bord (40%)

Document votre apprentissage tout au long du semestre.

Pour chaque séance, notez :

  • Les prompts utilisés avec les LLMs (copier-coller exact)
  • Les réponses obtenues (copier-coller, pas de captures d’écran)
  • Votre compréhension avec vos propres mots
  • Les difficultés et erreurs rencontrées
  • Les solutions trouvées
  • Le code produit et commenté
AstuceSoyez honnête !

Documentez vos échecs comme vos réussites. C’est votre progression qui compte.

🎯 Mini-projets (40%)

Rendus de fin de séance à soumettre sur Moodle.

Critères : Code fonctionnel, commenté, résout le problème posé

👥 Participation (20%)

Votre engagement pendant les séances.

  • Présence active : Vous travaillez sur les exercices
  • Entraide : Vous aidez vos camarades ou demandez de l’aide
  • Déboguing collectif : Vous partagez vos solutions
  • Questions : Vous posez des questions pertinentes
NotePas de stress !

La participation, ce n’est pas parler beaucoup, c’est être engagé dans votre apprentissage.

Questions & Discussion 💬

Vos interrogations

Quelles sont vos questions ?

  • Sur l’utilisation des LLM ?
  • Sur le langage R ?
  • Sur l’organisation du cours ?
  • Sur l’évaluation ?

Pas de question bête ! Nous sommes tous là pour apprendre ensemble

Ressources disponibles

🔗 Liens utiles

Contact et ressources