Ce que vous allez en retirer
- Une compréhension théorique et pratique des architectures RAG pour connecter un LLM à des données propriétaires.
- Des compétences d'orchestration pour concevoir des agents autonomes multi-tâches (LangChain / LangGraph).
- Les notions indispensables de sécurité d'API, d'évaluation de coût et d'optimisation de la latence en production.
Résultats visés
- Exploiter les LLM via API et prompt engineering
- Concevoir une architecture de données pour l'IA
- Mettre en œuvre un pipeline RAG
- Construire et orchestrer des agents IA
Prérequis
- Connaissances de base en informatique et bureautique
Programme
- LLM et prompt engineering appliqué
- Data architecture pour l'IA
- RAG : connecter l'IA à ses données
- Agents IA et orchestration (LangGraph + n8n)
Exemples & ateliers
- Projet : assistant qui répond à partir de vos documents
- Projet : agent autonome multi-étapes
Cas d'usage
- Un chatbot interne nourri par la documentation
- Un agent qui traite et répond aux demandes entrantes
IT
Intervenant
Imane Tahiri
LLM Engineer
Cette formation est pensée pour transformer rapidement la compréhension en capacité d’action, avec un format clair, concret et directement applicable.
MA
Intervenant de soutien
Mehdi Amrani
Full-Stack Lead
Cet intervenant participe à la co-animation et au support technique pour garantir un accompagnement individuel de chaque participant.
