Formation Concevoir, intégrer et déployer des applications basées sur des LLM

Jour 1 - Matin
Fondamentaux des LLM et de l'IA Générative

Introduction à l'IA Générative et aux LLM

• Définition et concepts clés
• Historique et évolution des modèles de langage
• Présentation des principaux modèles :
• GPT
• Claude
• LLaMA
• Mistral...
• Cas d'usage concrets en entreprise

Exemples de travaux pratiques (à titre indicatif)

• Atelier : Utilisation des API OpenAI
• Mise en place de l'environnement Python
• Appels simples à l'API OpenAI (chat, completion, embeddings)
• Exemples pratiques

Jour 1 - Après-midi
Fondamentaux des LLM et de l'IA Générative - Suite

Comprendre les LLM en profondeur

• Fonctionnement interne :
• Tokens
• Context window
• Température
• Top-k
• Top-p
• Initiation au prompt engineering
• Limites, biais, hallucinations

Exemples de travaux pratiques (à titre indicatif)

• Atelier : Prompt engineering
• Techniques : prompt structuré, few-shot prompting, chain-of-thought
• Exercices de conception de prompts pour des tâches variées

Jour 2 - Matin
LangChain et intégration avec des données

Introduction à LangChain

• Présentation de l'architecture de LangChain
• Composants essentiels :
• PromptTemplate
• LLMChain
• Tools
• Agents
• Comparaison avec d'autres frameworks

Exemples de travaux pratiques (à titre indicatif)

• Atelier : Construction de chaînes simples avec LangChain
• Création d'une LLMChain
• Ajout de mémoire conversationnelle
• Gestion des paramètres

Jour 2 - Après-midi
LangChain et intégration avec des données - Suite

Intégration de données externes (RAG)

• Principe du Retrieval-Augmented Generation
• Embeddings et vector stores (FAISS, ChromaDB, Pinecone)
• Traitement de documents : PDF, Markdown, pages Web

Exemples de travaux pratiques (à titre indicatif)

• Atelier : Système de question-réponse sur documents
• Indexation et chargement de documents
• Mise en place d'un chatbot contextuel
• Utilisation de LangChain RetrievalQA

Jour 3 - Matin
Agents, outils et déploiement d'applications LLM

Agents et intégration d'outils

• Définition et fonctionnement des agents dans LangChain
• Création et personnalisation d'un agent
• Ajout de tools (web search, calcul, API, base de données)

Exemples de travaux pratiques (à titre indicatif)

• Atelier : Création d'un assistant intelligent
• Agent avec capacités multi-outils
• Scénario d'usage : assistant de support ou copilote métier

Jour 3 - Après-midi
Agents, outils et déploiement d'applications LLM - Suite

Déploiement et bonnes pratiques

• Déploiement avec FastAPI ou Streamlit
• Optimisation des coûts et gestion des appels API
• Sécurité, monitoring, versioning

Exemples de travaux pratiques (à titre indicatif)

• Atelier final : mini-projet encadré au choix parmi :
• Chatbot documentaire
• Assistant de résumé automatisé
• Recherche intelligente sur base métier
• Présentation des résultats en fin de journée