IA | IA Générative et Développement d'applications

Validation de la formation

• Attestation de fin de formation

Programme

MODULE 1 — Approfondir Python pour le développement IA • Approfondir Python pour développer des applications intégrant l’intelligence artificielle • Structurer et organiser un projet Python dédié à l’IA • Exploiter les APIs, les données JSON et les requêtes HTTP
• Appliquer les bonnes pratiques de développement, de test et de débogage • Développer des scripts Python intégrant des fonctionnalités d’IA • Utiliser LangChain et LangGraph

• MODULE 2 — Intégrer les API des modèles de langage • Comprendre et exploiter les API des principaux modèles de langage • Intégrer un LLM dans une application Python • Concevoir des prompts et des sorties structurées adaptés aux besoins applicatifs • Utiliser le Function Calling et le Tool Calling pour connecter des outils externes • Optimiser les appels aux modèles en termes de contexte, coûts et performances

• MODULE 3 — Développer des applications Python avec des LLM • Concevoir l’architecture d’une application Python intégrant un LLM • Développer des fonctionnalités utilisant la génération de texte et de données • Gérer le contexte, la mémoire et les échanges avec le modèle • Connecter l’application à des APIs, services et sources de données externes • Tester, déboguer et améliorer une application utilisant un LLM

• MODULE 4 — Concevoir et développer des systèmes RAG • Comprendre et mettre en œuvre une architecture Retrieval-Augmented Generation • Préparer, découper et indexer des documents pour la recherche sémantique • Exploiter les embeddings et les bases de données vectorielles • Développer un système RAG connecté à un modèle de langage • Évaluer et optimiser la pertinence et la fiabilité des réponses générées

• MODULE 5 — Concevoir et développer des AI Agents • Comprendre les architectures et principes de fonctionnement des AI Agents • Concevoir des agents capables de raisonner et d’exécuter des tâches • Intégrer des outils, APIs et fonctions externes aux agents • Gérer la mémoire, le contexte et les workflows multi-étapes • Développer et tester un agent IA fonctionnel en Python

• MODULE 6 — Utiliser LangChain et LangGraph • Comprendre les principes et composants de LangChain et LangGraph • Développer des chaînes, agents et workflows avec LangChain • Concevoir des workflows complexes avec LangGraph • Gérer les états, conditions, boucles et interactions entre agents • Orchestrer une application IA intégrant modèles, outils et données

• MODULE 7 — Automatiser des tâches avec l’IA • Identifier et analyser les processus pouvant être automatisés avec l’IA • Concevoir des workflows automatisés intégrant des modèles de langage • Connecter l’IA à des APIs, outils et services externes • Développer des automatisations capables de traiter des données et d’exécuter des actions • Optimiser et sécuriser les processus automatisés

• MODULE 8 — Réaliser un projet IA de A à Z • Analyser un besoin et définir l’architecture d’une application IA • Concevoir et développer une solution complète en Python • Intégrer LLM, RAG, agents, APIs et outils selon les besoins du projet • Tester, déboguer, optimiser et documenter l’application • Déployer et présenter un projet IA fonctionnel de A à Z

Suite de parcours possible

Sans objet