Ce que vous allez en retirer
- Passer du prompt à une vraie architecture
- Comprendre le retrieval
- Instrumenter les limites
Résultats visés
- Intégrer un modèle dans une application
- Concevoir un flux RAG simple
- Mettre en place des garde-fous techniques
Prérequis
- Bases JavaScript ou Python
- Connaissances web backend
Poser une base d’architecture saine
Nous couvrons les briques essentielles d’une application LLM : choix de modèle, prompt system, gestion du contexte, coûts et limites d’intégration.
- APIs de modèles
- Prompting système
- Observabilité
Construire un flux RAG exploitable
La formation montre comment préparer un corpus, découper les documents, interroger une base vectorielle et restituer une réponse plus fiable.
- Chunking
- Retrieval
- Réponses sourcées
Passer du prototype au composant produit
Nous terminons par les enjeux de qualité, de sécurité et de monitoring nécessaires pour intégrer durablement ces briques dans un produit.
- Fallbacks
- Logs métier
- Coûts et limites
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.
