05 54 54 24 84 Réserver un appel de cadrage
Intelligence Artificielle

Développer des applications IA génératives avancées : du LLM aux agents autonomes

Du LLM au système agentique : concevez, augmentez et déployez des applications IA génératives de nouvelle génération.

11 professionnels déjà formés

Durée
3 jours
Modalité
Présentiel, distanciel ou les deux
Effectif
De 2 à 12 participants
Formule de session

1 750 € HT la session

Vos collaborateurs rejoignent une session à date fixe, aux côtés de participants venus d'autres entreprises.

Algorythme Formation (SAS) — SIRET 101 916 674 00019 — NDA 75331851633 — 422 Avenue de Verdun, 33700 Mérignac — 05 54 54 24 84 — contact@algorythme-formation.fr

Demander une proposition Voir les modalités détaillées

Ce que vous saurez faire

  • Expliquer le fonctionnement d'un LLM et ses limites pour justifier un choix technique
  • Choisir un modèle et un fournisseur à partir d'une grille de critères (qualité, coût, confidentialité)
  • Intégrer un LLM dans une application Python avec des sorties structurées et des prompts testés
  • Construire une chaîne RAG sur un corpus documentaire et en mesurer la qualité
  • Concevoir un agent capable d'utiliser des outils externes, encadré par des garde-fous
  • Identifier les cas où le fine-tuning est pertinent et en connaître les techniques
  • Déployer et superviser une application d'IA générative en production

Ce que ça change, concrètement

Répondre à partir de la documentation interne

Aujourd'hui

Le chatbot invente des réponses plausibles, sans citer de source.

Après la formation

Une chaîne RAG qui retrouve les bons passages, cite ses sources et sait dire « je ne sais pas ».

Passer du prototype à la production

Aujourd'hui

Une démonstration dans un notebook, impossible à évaluer ou à surveiller.

Après la formation

Une application déployée, avec un jeu de tests de référence, des traces et un suivi des coûts.

Automatiser une tâche en plusieurs étapes

Aujourd'hui

Des prompts enchaînés à la main, et un copier-coller entre chaque outil.

Après la formation

Un agent qui appelle vos outils métier, encadré par des garde-fous et une validation humaine.

Le déroulé

JOUR 1 — Des LLM à la première application 7 h

2 h Ce qui se passe dans un LLM

  • Du modèle de langage statistique au Transformer : ce qui a changé
  • Tokens, vocabulaire et coût : pourquoi le découpage du texte compte
  • Embeddings et mécanisme d'attention expliqués par l'exemple
  • Pré-entraînement, alignement, fenêtre de contexte : ce qui distingue deux modèles
  • Tendances d'architecture : modèles décodeurs, mélange d'experts, modèles de raisonnement

1 h 30 Choisir son modèle et son fournisseur

  • Modèles propriétaires ou open-weight : performance, coût, confidentialité, hébergement
  • Lire un benchmark avec un œil critique
  • Grille de décision : qualité, latence, prix au token, conformité (RGPD, AI Act)
  • Atelier : comparer trois modèles sur un même jeu de questions métier

2 h Appeler un LLM depuis Python

  • Clés d'API, SDK et gestion des secrets
  • Paramètres de génération : température, top-p, longueur maximale
  • Sorties structurées en JSON et validation avec Pydantic
  • Streaming, gestion des erreurs et des limites de débit
  • Atelier : lancement du projet fil rouge, un assistant qui répond sur la documentation interne d'une entreprise fictive

1 h 30 Écrire des prompts fiables

  • Anatomie d'un prompt : rôle, contexte, consignes, format attendu
  • Exemples (few-shot) et raisonnement pas à pas
  • Découper une tâche complexe en chaîne de prompts
  • Versionner et tester ses prompts comme du code
  • Atelier : fiabiliser les réponses de l'assistant sur des cas difficiles
JOUR 2 — Connecter le modèle à vos données : le RAG 7 h

1 h Pourquoi et quand faire du RAG

  • Hallucinations, connaissances figées, données privées : les limites du modèle seul
  • RAG, fine-tuning ou contexte long : arbitrer selon le besoin
  • Architecture de référence d'une chaîne RAG

2 h Préparer et indexer les documents

  • Extraction de texte depuis PDF, pages web et fichiers bureautiques
  • Stratégies de découpage (chunking) et impact sur la qualité des réponses
  • Modèles d'embeddings et recherche par similarité
  • Bases vectorielles : FAISS, Chroma, pgvector, critères de choix
  • Atelier : indexer le corpus documentaire du projet fil rouge

2 h Améliorer la recherche et la génération

  • Recherche hybride (mots-clés et vecteurs) et reranking
  • Réécriture de la question et filtrage par métadonnées
  • Citer ses sources et savoir répondre « je ne sais pas »
  • Mémoire de conversation à court et long terme
  • Atelier : ajouter citations, mémoire et recherche hybride à l'assistant

2 h Mesurer la qualité d'un RAG

  • Constituer un jeu de questions de référence
  • Métriques : pertinence des passages retrouvés, fidélité, exactitude de la réponse
  • LLM-as-a-judge : intérêt et limites
  • Outillage d'évaluation et de traçabilité (Ragas, MLflow, Langfuse)
  • Atelier : évaluer l'assistant et corriger ses points faibles
JOUR 3 — Agents, spécialisation et mise en production 7 h

2 h Donner des outils au modèle

  • Appel de fonctions (function calling) : principe et contrat d'interface
  • La boucle agentique : raisonner, agir, observer (ReAct)
  • Model Context Protocol (MCP) pour brancher outils et sources de données
  • Garde-fous : validation des actions, limite d'itérations, validation humaine
  • Atelier : l'assistant interroge un outil métier (API, base de données) pour répondre

1 h 30 Architectures multi-agents

  • Orchestrateur et agents spécialisés
  • RAG agentique : l'agent décide quand et où chercher
  • Frameworks (LangGraph, LlamaIndex, SDK des fournisseurs) et quand s'en passer
  • Coût, latence, fiabilité : le prix de l'autonomie

1 h 30 Spécialiser un modèle par fine-tuning

  • Quand le fine-tuning se justifie, et quand il ne sert à rien
  • Fine-tuning supervisé et alignement par préférences (RLHF, DPO)
  • Fine-tuning léger : LoRA et QLoRA
  • Démonstration : adapter un petit modèle open-weight avec QLoRA

2 h Déployer et exploiter

  • Servir un modèle : API managée, serveur d'inférence (vLLM, Ollama), endpoint cloud
  • Observabilité : traces, coûts, latence, retours utilisateurs
  • Sécurité : injection de prompt, fuite de données, contrôle des sorties
  • Registre de modèles et suivi des versions
  • Atelier : déployer l'assistant et mettre en place son tableau de suivi

Programme de référence, adapté à votre cahier des charges

Le socle commun

  • Les objectifs pédagogiques
  • La durée et le découpage horaire
  • Les prérequis
  • Les modalités d'évaluation des acquis

Votre déclinaison

  • Les travaux pratiques et les jeux de données
  • L'environnement technique et les outils utilisés
  • L'ordre et la pondération des séquences
  • Les exemples tirés de vos projets

Le programme définitif est annexé à la convention de formation et constitue le seul document contractuel de référence.

Questions fréquentes

Nos collaborateurs n'ont pas tous le même niveau.

Un test de positionnement est adressé à chaque participant avant l'entrée en formation et le déroulé est ajusté aux niveaux réellement présents. Si l'écart est trop important pour une même session, nous vous le signalons avant l'établissement de la convention.

La formation peut-elle porter sur nos propres outils et projets ?

Oui. Les travaux pratiques portent sur votre environnement technique et sur des cas tirés de vos projets. Les objectifs et la durée, eux, restent ceux du programme de référence.

Cette formation est-elle finançable par notre OPCO ?

Oui, dans les conditions propres à votre branche. Algorythme Formation est certifié Qualiopi au titre de la catégorie d'action « Actions de formation ». Nous constituons les pièces du dossier avec vous.

La formation peut-elle se tenir à distance ?

Oui. Nos formations sont conduites dans vos locaux ou en classe virtuelle, avec partage d'écran et travaux pratiques encadrés. Le choix se fait au moment du cadrage, en fonction de la répartition de vos équipes.

Sous quel délai une session peut-elle démarrer ?

Comptez 5 jours ouvrés pour recevoir la proposition et le programme adaptés, puis 4 à 8 semaines avant l'entrée en formation. Un dossier OPCO demande 3 semaines supplémentaires au minimum.

Un de nos participants est en situation de handicap.

Signalez-le au moment du cadrage : les modalités, les supports et le rythme sont adaptés au cas par cas. Notre référent handicap, Mathieu Piron-Lafleur, étudie chaque situation avec vous (contact@algorythme-formation.fr).

Modalités et informations pratiques

Public visé
  • Développeurs, data scientists et ingénieurs IA qui veulent construire des applications à base de LLM
  • Architectes et tech leads chargés d'intégrer l'IA générative dans un système d'information
  • Profils techniques à l'aise avec Python souhaitant passer du prototype à la production
Prérequis
  • Pratiquer le langage Python (fonctions, bibliothèques, environnements virtuels)
  • Connaître les notions de base du machine learning
  • Des bases en traitement du langage naturel (NLP) sont un plus, sans être indispensables
Durée et organisation
21 heures, 3 jours, en présentiel, en distanciel ou les deux. De 2 à 12 participants, dans vos locaux ou en classe virtuelle.
Évaluation et suivi
  • À l'entrée : analyse du besoin, test de positionnement, auto-évaluation
  • En cours : exercice validé à chaque séquence, point d'étape à mi-parcours
  • En fin : mise en situation, auto-évaluation de sortie, certificat de réalisation
  • À distance : satisfaction à chaud, questionnaire à froid à 90 jours, bilan au commanditaire
Modalités et délais d'accès
Prise de contact, puis entretien d'analyse du besoin de 30 minutes.
Proposition et programme adaptés sous 5 jours ouvrés.
Entrée en formation sous 4 à 8 semaines après signature de la convention, et 3 semaines supplémentaires minimum en cas de dossier OPCO.
Tarif

  • Inter-entreprises

    1 750 € HT la session

    Vos collaborateurs rejoignent une session à date fixe, aux côtés de participants venus d'autres entreprises.

  • Intra-entreprise

    7 190 € HT la session

    La formation est dispensée au sein de votre entreprise et réunit vos seuls collaborateurs, dans le cadre d'une session dédiée.

Acompte de 50 % à la signature, solde à 30 jours. Frais de déplacement en sus hors Gironde. Action de formation finançable par votre OPCO.

Accessibilité et handicap
Nos actions de formation sont ouvertes aux personnes en situation de handicap, avec une adaptation au cas par cas des modalités, des supports et du rythme.
Référent handicap : Mathieu Piron-Lafleur, contact@algorythme-formation.fr.
Contacts
Algorythme Formation,
05 54 54 24 84
contact@algorythme-formation.fr

Référent pédagogique : Alan Piron-Lafleur. Référent qualité : Mayana Elbaz.

Programme mis à jour le 23/09/2026.

Organiser cette formation dans votre entreprise

Trente minutes pour préciser votre besoin.

Demander une proposition

05 54 54 24 84
contact@algorythme-formation.fr

Appeler Demander une proposition