Concevoir des applications d'IA générative et des agents
Ref. IA-03
Formation créée le 20/10/2025. Dernière mise à jour le 21/09/2026.Version du programme : 1
Type de formation
PrésentielDurée de formation
7 heures (1 jour)Accessibilité
OuiConcevoir des applications d'IA générative et des agents
Ref. IA-03
Objectifs de la formation
- Comprendre les principes des LLM et leur intégration en développement logiciel
- Découvrir et expérimenter les agents et les frameworks associés
- Concevoir des agents fiables : supervision, journalisation et évaluation
- Connecter un agent aux données et outils de l'entreprise (appels d'outils, MCP)
- Appréhender les enjeux de confidentialité et l'alternative du déploiement local via Ollama
- Intégrer un LLM (cloud ou local) dans une application Python
Profil des bénéficiaires
Pour qui
- Développeurs logiciels, data engineers
- Ingénieurs R&D souhaitant intégrer des briques dʼIA générative dans leurs applications
- Chefs de projet techniques en innovation numérique
Prérequis
- Bonnes bases en développement Python
- Aucune connaissance préalable en IA requise
- Disposer d'un PC
Contenu de la formation
Introduction & panorama
- Qu'est-ce quʼun LLM et comment fonctionne un générateur de texte ?
Confidentialité et alternatives locales
- Enjeux de sécurité et gouvernance des données
- Risques liés aux API cloud (RGPD, dépendances, coûts)
- Présentation dʼOllama et des modèles open source disponibles
- Démonstration : exécution locale dʼun modèle
Premiers pas avec un LLM
- Appels API (OpenAI / Hugging Face)
- Comparaison Cloud vs Local
Agents & frameworks
- Qu'est-ce qu'un agent ? Architectures et cas d'usage
- Tour d'horizon des frameworks et outils du domaine
- Exploiter un assistant de code agentique (Claude Code) : serveurs MCP, bonnes pratiques
- Connecter un agent aux données et outils de l'entreprise (appels d'outils, MCP)
- Fiabilité et supervision des agents : journalisation et audit, gestion des échecs d'appel d'outils, évaluation
Adapter un modèle sans le réentraîner
- Prompt engineering (in context learning, chain of thought…) et RAG (Retrieval Augmented Generation)
- Évaluation des résultats et bonnes pratiques
- Sensibilisation au fine tuning (PEFT, LoRA) : de quoi il s'agit et dans quels cas l'envisager
Atelier
- Développement d'une application Python intégrant un agent (appel d'outils + RAG), avec journalisation et évaluation de son comportement — backend au choix (API cloud ou modèle Ollama local)
- Restitution et échanges
Conclusion & perspectives
- Bilan, tendances, bonnes pratiques
- Évaluation de la satisfaction des participants et remise des attestations
- Avec la formule intra entreprise : Questions ouvertes et discussion sur les cas dʼusage des participants
Équipe pédagogique
Experts en IA, data science et transformation numérique du CATIE - Centre de Ressources Technologiques spécialisé dans le numérique
Suivi de l'exécution et évaluation des résultats
- Tours de table réguliers
- Contrôle de connaissances via exercices pratiques
- Évaluation de satisfaction
- Attestation de fin de formation
Ressources techniques et pédagogiques
- Alternance théorie / démonstrations / ateliers pratiques
- Codes sources fournis
- Support de formation numérique remis aux participants
Lieu
ALPHANOV PYLA
rue François Mitterrand - 3ème étage - 33 400 TALENCE
Capacité d'accueil
Entre 4 et 8 apprenants
Accessibilité
Nous sommes attentifs à toute demande concernant l’accessibilité de nos formations aux personnes en situation de handicap. Vous pouvez contacter notre équipe afin d’évaluer votre demande. Contact de notre référente handicap : Carole ROY, assistante administrative et commerciale, c.roy@pyla-formation.com