Formez-vous à déployer des agents IA qui transforment durablement vos opérations
Le succès de nombreuses initiatives IA s’arrêtent à la démo : latence qui explose, hallucinations non détectées, absence de métriques…
Nous avons passé 24 mois à faire passer ces systèmes en production, pour nos produits et pour nos clients.
Nous avons tout condensé dans une formation hautement opérationnelle.
Ce que vous saurez faire
- Mettre en oeuvre un pipeline RAG sur les données d’entreprise
- Déployer un LLM sur une infrastructure dédiée.
- Mesurer objectivement la qualité de votre système
- Monitorer latence, coût, qualité
- Mettre en place une boucle de feedback continue pour affiner prompts et données.
- Identifier et corriger les erreurs avant même que vos utilisateurs ne s’en plaignent.
Pour qui ?
– Data Scientists
– ML & AI Engineers
– Data Engineers
– Software Engineers
– Python
– Connaissances en Machine Learning
– Familiarités avec les Large Language Models (LLMs)
Programme sur 3 jours
Jour 1 : LLM et RAG en production
- Comprendre les LLMs et l’architecture Transformer
- Composants d’un système RAG
- Construire un assistant conversationnel sur des données internes
- Déployer une application RAG en production
- Maintenabilité, évolutivité et adaptation des systèmes
- Évaluer des pipelines RAG
- Optimiser l’ingestion des données pour améliorer la précision
- Mettre en place des boucles de feedback utilisateur
- Tracer et monitorer les performances
- Introduction aux approches RAG agentiques
Jour 2 : Agents
- Composants fondamentaux d’un agent
- Comprendre les patterns de raisonnement (ReAct, Chain-of-Thought)
- Utiliser des outils : MCP, outils custom, APIs
- Donner de la mémoire aux agents
- Mettre en place des boucles de réflexion et d’auto-correction
- Construire des assistants mono-agent spécialisés
- Concevoir des architectures multi-agents coordonnées
- Définir les rôles des agents et les règles de communication
- Gérer l’état partagé et les boucles de feedback
- Sécurité et garde-fous des systèmes agentiques
Jour 3 : Evaluation et déploiement des agents
- Mesurer le succès des tâches, la latence et les coûts
- Tracer les chaînes de raisonnement et les décisions
- Intégrer du Reinforcement Learning from Human Feedback (RLHF)
- Tester la robustesse dans des environnements simulés
Stratégies de déploiement
- Choisir entre des déploiements locaux, cloud ou hybrides
- Déployer des agents comme des services ou des workflows orchestrés
- Optimiser le routage de contexte et l’accès aux outils
- GPU serving et optimisation des performances
Pourquoi QUICKCALE AI ?
Expertise de pointe
Nos formateurs sont des praticiens chevronnés de l’IA, apportant une connaissance approfondie des dernières innovations et des meilleures pratiques.
Interactivité et engagement
Rejoignez une communauté de professionnels de la data science pour échanger des expériences, poser des questions et collaborer au-delà de la formation.