Aller au contenu
Demander un devis
Intelligence artificielle (IA) 💰 CPF éligible

Applications d’IA générative avec LangChain

Avancé
présentiel, distanciel

Objectifs pédagogiques

  • Créer des applications basées sur l’IA générative.
  • Intégrer des modèles de langage.
  • Automatiser des tâches génératives.
  • Déployer des solutions IA.

Programme détaillé

Module 1 Séquence 1 — Comprendre les applications d’IA générative
  • Comprendre les principes d’une application d’IA générative.
  • Identifier les cas d’usage adaptés aux modèles de langage.
  • Situer LangChain dans l’écosystème des outils de développement IA.
  • Identifier plusieurs cas d’usage d’IA générative.
  • Distinguer les cas adaptés et non adaptés à une approche LLM.
  • Définir un premier besoin applicatif simple.
  • Prendre en main l’environnement Python et LangChain.
Module 2 Séquence 2 — Prendre en main LangChain et intégrer un modèle de langage
  • Comprendre la structure de base d’une application LangChain.
  • Connecter un modèle de langage.
  • Paramétrer les interactions avec le modèle.
  • Configurer un projet LangChain.
  • Connecter un modèle de langage.
  • Réaliser un premier appel au modèle.
  • Modifier les paramètres de génération.
  • Comparer les effets de plusieurs réglages sur les réponses obtenues.
Module 3 Séquence 3 — Concevoir et structurer des prompts efficaces
  • Concevoir des prompts adaptés à un cas d’usage.
  • Structurer les consignes pour améliorer la qualité des réponses.
  • Maîtriser les principaux paramètres influençant la génération.
  • Rédiger un prompt simple.
  • Transformer un prompt simple en template réutilisable.
  • Ajouter des variables.
  • Tester plusieurs variantes.
  • Comparer la qualité, la précision et la stabilité des réponses.
Module 4 Séquence 4 — Créer une première chaîne LangChain
  • Comprendre la logique des chaînes LangChain.
  • Orchestrer un prompt et un modèle de langage.
  • Construire un premier traitement génératif réutilisable.
  • Créer une première chaîne LangChain.
  • Injecter des variables dans un prompt.
  • Exécuter la chaîne sur plusieurs entrées.
  • Transformer un résultat génératif en sortie exploitable.
Module 5 Séquence 5 — Automatiser des tâches génératives avec des chaînes
  • Orchestrer plusieurs étapes génératives.
  • Automatiser des tâches de production ou de transformation de contenus.
  • Structurer un workflow simple d’IA générative.
  • Créer une chaîne de résumé.
  • Créer une chaîne d’extraction d’informations.
  • Produire une sortie structurée.
  • Automatiser le traitement d’un petit lot de contenus.
  • Comparer les résultats obtenus selon les consignes.
Module 6 Séquence 6 — Exploiter des documents avec LangChain
  • Comprendre le principe d’une application augmentée par documents.
  • Charger, découper et indexer des documents.
  • Interroger une base documentaire avec un modèle de langage.
  • Charger un corpus documentaire simple.
  • Découper les documents.
  • Créer un index vectoriel.
  • Interroger le corpus.
  • Générer une réponse contextualisée.
  • Identifier les passages mobilisés pour produire la réponse.
Module 7 Séquence 7 — Construire une application de question-réponse documentaire
  • Mettre en œuvre une chaîne de question-réponse documentaire.
  • Adapter la réponse au contexte utilisateur.
  • Améliorer la fiabilité des réponses générées.
  • Construire une chaîne de question-réponse.
  • Tester plusieurs questions utilisateurs.
  • Vérifier la pertinence des réponses.
  • Améliorer le prompt de restitution.
  • Ajouter une règle de réponse en cas d’information absente.
Module 8 Séquence 8 — Utiliser des outils et agents pour automatiser des actions
  • Comprendre les principes des outils et agents.
  • Identifier les cas d’usage pertinents.
  • Concevoir une première logique d’automatisation assistée par LLM.
  • Définir une tâche automatisable.
  • Identifier les outils nécessaires.
  • Simuler ou créer un outil simple.
  • Analyser les conditions de contrôle et de validation.
Module 9 Séquence 9 — Évaluer la qualité d’une application générative
  • Définir des critères d’évaluation adaptés à une application d’IA générative.
  • Tester la qualité, la stabilité et la pertinence des réponses.
  • Identifier les axes d’amélioration.
  • Définir une grille d’évaluation.
  • Construire un mini jeu de tests.
  • Tester plusieurs réponses générées.
  • Identifier les défauts récurrents.
  • Proposer des améliorations de prompts, chaînes ou corpus.
Module 10 Séquence 10 — Préparer le déploiement d’une application LangChain
  • Comprendre les étapes de déploiement d’une solution IA générative.
  • Identifier les contraintes techniques, fonctionnelles et organisationnelles.
  • Préparer une application LangChain pour l’intégration opérationnelle.
  • Identifier les composants à déployer.
  • Définir les paramètres à externaliser.
  • Préparer une structure de projet exploitable.
  • Définir les points de contrôle avant mise en production.
  • Proposer un plan de supervision simple.
Module 11 Séquence 11 — Encadrer les risques et sécuriser les usages
  • Identifier les risques propres aux applications d’IA générative.
  • Définir des mesures de sécurisation et de contrôle.
  • Mettre en place des garde-fous adaptés.
  • Identifier les risques d’une application générative.
  • Définir les garde-fous nécessaires.
  • Rédiger une courte grille de contrôle avant déploiement.
  • Proposer des règles d’usage pour les utilisateurs finaux.
Module 12 Séquence 12 — Cas pratique de synthèse
  • Mobiliser l’ensemble des acquis de la formation.
  • Concevoir une application d’IA générative de bout en bout.
  • Présenter et justifier les choix réalisés.
  • cadrer un cas d’usage d’IA générative
  • définir les utilisateurs et les résultats attendus
  • configurer une application LangChain
  • intégrer un modèle de langage
  • concevoir les prompts nécessaires
  • créer une ou plusieurs chaînes de traitement
  • automatiser une tâche générative
  • intégrer un corpus documentaire
  • construire une chaîne de question-réponse documentaire
  • évaluer la qualité des réponses
  • identifier les risques et garde-fous
  • préparer les éléments nécessaires au déploiement
  • présenter les choix techniques, les limites et les conditions d’exploitation

Prérequis

  • Connaissances en Python et LLM

Public visé

  • Développeurs AI
  • Data engineers

Modalités de la formation

  • 📍 Format : présentiel, distanciel
  • 📊 Niveau d'entrée : Avancé
  • 👥 Effectif : 4 à 12 stagiaires (groupe restreint)
  • 🎯 Pédagogie : Apports théoriques, exercices pratiques, études de cas, projet fil rouge
  • ♿ Accessibilité : Formations accessibles aux personnes en situation de handicap. Contactez notre référent handicap.
🏆
Passage de la certification obligatoire

Cette formation se conclut par le passage d'une certification officielle, indispensable à la validation de votre parcours.

Allez plus loin

Formations similaires

Dans le même domaine et au niveau Avancé.

👀 Cross-sell

Les apprenants ont aussi consulté

D'autres formations populaires qui pourraient compléter votre parcours.