Objectifs de formation
- Approfondir Python pour le développement IA
- Intégrer les API des modèles de langage
- Développer des applications Python avec des LLM
- Concevoir et développer des systèmes RAG
- Concevoir et développer des AI Agents
- Automatiser des tâches avec l’IA
- Réaliser un projet IA de A à Z
Programme de la formation
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
Public cible
- Développeurs
- Freelances
- Ingénieurs
- Professionnels du numérique souhaitant se perfectionner en IA générative et développer leurs propres applications.
Prérequis
- Maîtriser les fondamentaux de la programmation Python
- Disposer d’un ordinateur permettant d’installer les environnements et outils nécessaires
- Être à l’aise avec l’utilisation d’un environnement de développement
- Avoir une appétence pour le développement d’applications et la programmation
Ressources pédagogiques
- Utiliser un ordinateur équipé d’un environnement de développement Python
- Mettre à disposition les supports pédagogiques et ressources techniques nécessaires
- Utiliser des environnements, frameworks et APIs dédiés au développement IA
- Réaliser les exercices et projets dans un environnement de développement opérationnel
- Fournir les ressources nécessaires à la réalisation des travaux pratiques
Modalités d'évaluation
- Évaluer les acquis au moyen d’exercices pratiques et de mises en situation
- Évaluer la capacité à intégrer des LLM, RAG, agents et APIs dans une application
- Évaluer la réalisation du projet final selon des critères techniques et fonctionnels
- Réaliser un bilan des compétences acquises en fin de formation
- Réaliser une évaluation finale des acquis
Accessibilité
Adapter les modalités pédagogiques aux besoins spécifiques des participants; Identifier les éventuelles situations nécessitant des adaptations pédagogiques ou techniques; Mettre en œuvre, lorsque cela est possible, les aménagements nécessaires à l’accessibilité de la formation; Orienter le participant vers les interlocuteurs compétents lorsque des besoins spécifiques sont identifiés
Délai d'accès
2 semaines
Créé le 09/09/2026 ● dernière mise à jour le 09/09/2026