Date de dernière mise à jour du plan : 30/07/2026

Durée : 2 jours

La formation IA générative - Niveau 3 : Passer à l'échelle vos applications IA st dispensée à Nantes, Rennes, Paris, Bordeaux, Angers, Toulouse, Brest, Lille, Montpellier, Lyon.

La formation IA Générative Niveau 3 fait passer une application IA du prototype à la production : fiabiliser, évaluer, sécuriser et optimiser des solutions à base de RAG et d'agents pour des cas d'usage avancés. Compte tenu de la richesse des sujets, elle se déroule sur deux jours alliant apports d'architecture et ateliers techniques, appuyés sur des outils open source (OpenSearch, RAGFlow, Agno, Langfuse) et ouverts aux alternatives du marché.

Nos formations peuvent se faire en présentiel ou en distanciel, en intra ou inter-entreprises.

Nos prochaines sessions inter-entreprises pour la formation IA générative - Niveau 3 sont les suivantes :

  • 24/09/2026
  • 15/11/2026
  • 08/12/2026

Pour toute demande de tarification, nous vous remercions de nous contacter, nous vous transmettrons un devis sous 48 heures maximum.

Objectifs de la formation IA générative - Niveau 3

  • Identifier les écarts entre un prototype et une solution de production
  • Mettre en œuvre un RAG avancé : recherche hybride, reranking, chunking optimisé
  • Concevoir et orchestrer des agents pour des tâches complexes
  • Mettre en place une démarche d'évaluation et de suivi de la qualité
  • Identifier les leviers d'optimisation des coûts, de la latence et de la sécurité

Prérequis de la formation IA générative - Niveau 3

  • Avoir suivi le Niveau 2 ou disposer d'une expérience équivalente
  • Bases en programmation et en consommation d'API

Public visé de la formation IA générative - Niveau 3

  • Développeurs, data analysts et data scientists
  • Ingénieurs IA et profils techniques en charge de la mise en production

Programme de la formation IA générative - Niveau 3

Du prototype à la production

  • Pourquoi un prototype ne tient pas à l'échelle
  • Architecture cible : composants, flux, points de défaillance
  • Critères de passage en production : qualité, coût, sécurité, supervision

RAG avancé

  • Pipelines d'ingestion et frameworks : LlamaIndex, LangChain ou RAGFlow
  • Stratégies de chunking et d'indexation
  • Recherche hybride (lexicale et sémantique) et reranking
  • Base vectorielle : OpenSearch ; alternatives pgvector, Qdrant ou Weaviate
  • Atelier : améliorer la pertinence d'un RAG existant

Qualité et gestion des données

  • Préparation, métadonnées et fraîcheur des données
  • Gestion des sources et traçabilité

Agents et orchestration

  • Principe des agents : planification, appel d'outils, mémoire
  • Frameworks d'agents : LangChain, LangGraph, CrewAI, AutoGen ou Agno
  • Atelier : construire un agent réalisant une tâche multi-étapes

Évaluation et qualité

  • Jeux de tests et métriques de qualité
  • LLM-as-judge et suivi des prompts (ex. Langfuse, LangSmith)
  • Eval automatisée complémentaire : RAGAS, DeepEval ou Promptfoo

Supervision et optimisation

  • Observabilité des prompts et traces (ex. Langfuse, LangSmith, Arize Phoenix)
  • Centralisation des logs : Fluentd vers OpenSearch
  • Optimisation des coûts et de la latence : suivi LiteLLM
  • Cas d'usage avancés (multimodal, etc.)

Synthèse et feuille de route

  • Check-list de mise en production
  • Plan d'action sur un projet réel