Approfondissez votre expertise en matière de génération augmentée par la génération à enrichissement contextuel (RAG) en créant, testant et comparant des systèmes RAG réels dans le cadre de deux ateliers intensifs.

Contenu de la formation

Cette formation avancée et orientée pratique se concentre sur la mise en œuvre, le débogage et l’évaluation de pipelines de génération à enrichissement contextuel. Les participants construiront un système complet de génération à enrichissement contextuel à l’aide de frameworks basés sur le code et exploreront des alternatives no-code/low-code, afin de pouvoir faire des choix architecturaux éclairés dans des contextes réels de déploiement.

Cette formation fait partie d’un cycle de trois jours consacré à la génération à enrichissement contextuel. Les jours 2 et 3 constituent un module technique consécutif et ne peuvent pas être suivis séparément. Alors que le jour 1 (18 mars) est consacré aux fondements conceptuels, les jours 2 et 3 sont dédiés à la mise en œuvre pratique et requièrent un profil technique. Les participants inscrits au programme complet de 3 jours bénéficient d’une réduction de 50 €. Pour vous inscrire au programme complet, inscrivez-vous au jour 1 et ajoutez les jours 2 et 3 lors du processus de paiement.

Cette formation sera dispensée en anglais.

Programme

JOUR 2

Matin – Construire un pipeline de génération à enrichissement contextuel avec LangChain

– Introduction aux concepts de LangChain (chains, retrievers, prompts)
– Assemblage pas à pas d’un pipeline complet de génération à enrichissement contextuel
– Utilisation de plusieurs LLM au sein d’un même workflow
– Gestion des prompts et des stratégies de recherche d’information

Après-midi – Supervision, débogage et optimisation

– Traçage et monitoring avec LangSmith
– Diagnostic des erreurs de recherche et de génération
– Analyse de la latence, des coûts et de la qualité des réponses
– Itération sur les stratégies de découpage (chunking), de recherche et de prompting

JOUR 3

Matin – Solutions visuelles et no-code de génération à enrichissement contextuel

– Construction de pipelines de génération à enrichissement contextuel avec Langflow / Flowise
– Configuration visuelle des loaders, du découpage (chunking), des embeddings et des retrievers
– Exécution locale et considérations liées au déploiement dans le cloud

Après-midi – Génération à enrichissement contextuel dans le cloud & atelier comparatif

– Création d’agents basés sur la génération à enrichissement contextuel avec Microsoft Copilot Studio
– Connexion à des sources de connaissances structurées et non structurées
– Architectures basées sur le code vs no-code
– Forces, limites et cas d’usage pertinents
– Arbitrages en matière de flexibilité, de maintenabilité et de passage à l’échelle

Public cible

– Développeurs (backend, full-stack)
– Ingénieurs data, ML et IA
– Consultants techniques et architectes de solutions
– Équipes IT et digitales responsables de la mise en œuvre de solutions d’IA

Formateurs

Alexandra SEBASTIEN

Formée en biologie et en écologie, Alexandra SÉBASTIEN s’est d’abord spécialisée dans l’étude des insectes sociaux (fourmis et abeilles), de leur comportement, de leurs bactéries et virus, puis de leurs protéines. Elle a obtenu son bachelier et son master à l’Université Pierre et Marie Curie avant de décrocher un doctorat à la Victoria University of Wellington en 2016. Elle a ensuite mené des recherches postdoctorales à l’Université de Colombie-Britannique, où elle a poursuivi l’intégration de recherches empiriques et d’analyses quantitatives.

Au fil du temps, ses travaux ont évolué des investigations de terrain et de laboratoire vers des approches guidées par les données. Cette transition l’a conduite à entreprendre un master complémentaire en Big Data à l’Université libre de Bruxelles, achevé en 2025. Elle est motivée par la résolution analytique de problèmes et par l’interprétation de jeux de données complexes. Face à l’adoption et à l’utilisation croissantes de l’intelligence artificielle dans la vie quotidienne, elle s’intéresse particulièrement aux implications sociétales de ces outils et à l’importance de les déployer de manière responsable et constructive.