IA en entreprise : ML et IA générative
La formation s'adresse aux managers, décideurs et business analysts qui veulent comprendre comment le ML et l'IA générative…
Intelligence artificielle (IA)
Développer un assistant conversationnel avec Rasa et LlamaIndex
Cette formation avancée prépare à concevoir et déployer un assistant conversationnel intelligent avec Rasa et LlamaIndex. Elle s’adresse aux développeurs et data scientists souhaitant intégrer des solutions d’IA conversationnelle robustes.…
Description de la formation
Cette formation avancée prépare à concevoir et déployer un assistant conversationnel intelligent avec Rasa et LlamaIndex. Elle s’adresse aux développeurs et data scientists souhaitant intégrer des solutions d’IA conversationnelle robustes.
Vous apprendrez à structurer des workflows NLP, gérer les flux conversationnels complexes et valoriser les données métier via des systèmes de recherche augmentée.
La formation de 21 h peut être suivie à distance ou en présentiel. Des financements peuvent être mobilisés selon la situation du bénéficiaire, notamment via un OPCO, France Travail, l’entreprise ou l’autofinancement.
La formation est dispensée par ESIC, organisme certifié Qualiopi.
Objectifs pédagogiques
- Concevoir un chatbot intelligent.
- Gérer le traitement du langage naturel.
- Intégrer et déployer le chatbot.
- Optimiser la compréhension et les réponses.
Programme détaillé
Module 1 Comprendre les architectures d’assistants conversationnels
- Comprendre les principes d’un assistant conversationnel.
- Identifier les composants fonctionnels et techniques d’un chatbot intelligent.
- Situer Rasa et LlamaIndex dans l’écosystème des solutions conversationnelles.
Module 2 Concevoir le périmètre fonctionnel et conversationnel
- Définir le périmètre d’un chatbot.
- Formaliser les intentions, entités et parcours conversationnels.
- Préparer les éléments nécessaires à l’entraînement du modèle NLP.
Module 3 Mettre en œuvre le NLP avec Rasa
- Créer les premiers fichiers d’entraînement Rasa.
- Définir les intentions, entités et réponses.
- Entraîner un premier modèle de compréhension du langage naturel.
Module 4 Construire les premiers dialogues avec Rasa
- Construire un premier scénario conversationnel.
- Relier compréhension utilisateur et réponses du chatbot.
- Tester un dialogue simple de bout en bout.
Module 5 Gérer des dialogues avancés et des actions personnalisées
- Concevoir des dialogues plus complexes.
- Utiliser des actions personnalisées.
- Connecter le chatbot à une logique métier ou applicative.
Module 6 Comprendre l’apport de LlamaIndex pour un assistant documentaire
- Comprendre les principes d’un assistant augmenté par des documents.
- Identifier le rôle de LlamaIndex dans l’indexation et la recherche d’information.
- Définir les conditions d’usage d’une base documentaire.
Module 7 Indexer et interroger des documents avec LlamaIndex
- Charger des documents dans LlamaIndex.
- Construire un index documentaire.
- Interroger les documents pour générer des réponses contextualisées.
Module 8 Intégrer Rasa et LlamaIndex dans un assistant conversationnel
- Relier un scénario Rasa à une recherche documentaire.
- Déclencher une action personnalisée interrogeant LlamaIndex.
- Restituer une réponse contextualisée dans le chatbot.
Module 9 Optimiser la compréhension et les réponses
- Améliorer la reconnaissance des intentions et entités.
- Améliorer la qualité des réponses.
- Mettre en place une démarche de test et d’itération.
Module 10 Évaluer un assistant conversationnel
- Définir des critères d’évaluation adaptés à un chatbot.
- Mesurer la qualité de compréhension et de réponse.
- Identifier les indicateurs de suivi utiles.
Module 11 Préparer l’intégration et le déploiement du chatbot
- Comprendre les étapes de déploiement d’un assistant conversationnel.
- Identifier les contraintes d’intégration.
- Préparer la mise en exploitation et le suivi.
Module 12 Cas pratique de synthèse
- Mobiliser l’ensemble des acquis de la formation.
- Concevoir un assistant conversationnel de bout en bout.
- Présenter et justifier les choix réalisés.
Prérequis
- Connaissances en Python et ML
Public visé
- Développeurs AI
- NLP engineers
Modalités de la formation
- ⏱ Durée : 21h
- 📍 Format : 100% en ligne (distanciel synchrone) · Présentiel (Malakoff / Paris)
- 💰 Financements éligibles : OPCO · France Travail · Plan entreprise · Autofinancement
- 📊 Niveau d'entrée : Avancé
- 🎯 Pédagogie : Apports théoriques, exercices pratiques, études de cas, projet fil rouge
- 🗓️ Délai d'accès : variable selon le mode de financement, généralement de 11 jours ouvrés à 1 mois après l'inscription. En savoir plus.
- ♿ Accessibilité : Chaque demande émanant d'une personne en situation de handicap fait l'objet d'une étude de faisabilité et d'adaptation. Contactez notre référent handicap.
Équipe pédagogique
Nos formations sont conçues et animées par une équipe de formateurs experts, sélectionnés pour leur double compétence : une expertise métier acquise sur le terrain et une réelle expérience pédagogique. Le suivi de chaque apprenant est assuré par un référent pédagogique dédié.
- Formateurs professionnels spécialistes de leur domaine, en veille permanente sur les évolutions du secteur
- Référent pédagogique dédié, disponible tout au long du parcours
- Contenus régulièrement actualisés et adaptés au niveau de chaque participant
- Référent handicap pour l'accueil et l'adaptation des personnes en situation de handicap
Ressources pédagogiques
- Les moyens pédagogiques et techniques mobilisés comprennent : • support pédagogique numérique ; • environnement Python configuré pour les travaux pratiques ; • installation ou environnement préparé pour Rasa ; • installation ou environnement préparé pour LlamaIndex ; • notebooks, scripts ou fichiers de configuration d’exercices ; • exemples de projets Rasa ; • corpus documentaire d’entraînement ; • exemples d’actions personnalisées ; • exemples d’index documentaire ; • fiches de synthèse sur les intentions, entités, stories et règles ; • fiches de bonnes pratiques sur la conception conversationnelle ; • corrigés ou éléments de correction ; • ressources complémentaires pour approfondissement.
- En classe virtuelle, la formation s’appuie sur un outil de visioconférence permettant : • le partage d’écran ; • les démonstrations techniques en direct ; • les échanges synchrones ; • l’accompagnement des travaux pratiques ; • la correction collective ; • l’interaction régulière avec les participants.
- En présentiel, les exercices sont réalisés sur poste informatique, avec accompagnement direct du formateur et alternance entre démonstrations collectives et mises en pratique individuelles ou en sous-groupes.
Suivi de l'exécution et évaluation
- Le suivi des apprenants est assuré tout au long de la formation par : • un tour de table initial ; • une identification des attentes et du niveau des participants ; • des vérifications régulières de compréhension ; • l’observation des réalisations pendant les exercices ; • des corrections commentées ; • des temps de remédiation ; • des synthèses intermédiaires ; • un accompagnement individualisé lors des travaux pratiques ; • une évaluation finale à travers le cas pratique de synthèse.
- Le formateur adapte les exemples, les explications et le rythme des exercices au niveau du groupe, tout en respectant strictement la durée, les objectifs et le périmètre du module.
Accessibilité
Les modalités d’accueil, d’accompagnement et d’évaluation peuvent être adaptées aux besoins des participants en situation de handicap. Les adaptations peuvent notamment porter sur : • les supports pédagogiques ; • le rythme de progression ; • les modalités d’interaction ; • l’organisation des exercices ; • les conditions de réalisation des évaluations ; • les outils numériques utilisés. Toute adaptation est étudiée en amont afin de garantir l’accessibilité de la formation, la participation effective du stagiaire et l’atteinte des objectifs pédagogiques, dans le respect du cadre prévu.
Fiche mise à jour le 26 septembre 2026.
Allez plus loin
Formations similaires
Dans le même domaine et au niveau Avancé.
Deep Learning avec TensorFlow
La formation Deep Learning avec TensorFlow s’adresse aux professionnels en informatique, data science et IA souhaitant maîtriser les…
Applications d’IA générative avec LangChain
Cette formation Applications d’IA générative avec LangChain s’adresse aux développeurs et data scientists souhaitant maîtriser les frameworks modernes…
👀 Cross-sell
Les apprenants ont aussi consulté
D'autres formations populaires qui pourraient compléter votre parcours.
Populaire
TP – Technicien supérieur systèmes et réseaux
Préparez le TP Technicien supérieur systèmes et réseaux RNCP42463 : support utilisateurs, systèmes/réseaux, virtualisation, environnement hybride, IA, continuité…
Populaire
Exploiter les fonctionnalités de Microsoft Excel pour la gestion et l’analyse des données (Tosa)
Cette formation vise à préparer les participants à la certification TOSA Excel (RS7256), en leur permettant de maîtriser…
Populaire RS6959
Photoshop – Retouche photo et création graphique
Formation pour maîtriser Photoshop et se préparer à la certification TOSA RS6959.
