Retour au catalogue
IA générative au quotidien
Développer avec l'IA
Intermédiaire

Développer un assistant IA sur ses données avec le RAG

Cette formation permet de développer en Python un assistant IA qui répond à partir de vos documents et cite ses sources grâce au RAG, de la préparation du corpus à l'évaluation des réponses et au déploiement sécurisé.

21 heures
Formats :PrésentielDistanciel

Objectifs pédagogiques

  • Déterminer si une approche RAG répond à un besoin métier donné.
  • Construire une chaîne d'ingestion et d'indexation de documents.
  • Développer un assistant conversationnel qui génère des réponses à partir de passages retrouvés et affiche ses sources.
  • Évaluer séparément la recherche documentaire et les réponses générées.
  • Identifier les mesures nécessaires pour sécuriser et déployer un premier service RAG.

Compétences visées

Extraire, nettoyer et découper des documents en conservant leurs métadonnées.Produire des embeddings et interroger un index vectoriel.Assembler une chaîne de recherche et de génération utilisant une API de modèle de langage.Restituer des références documentaires et gérer l'absence d'information pertinente.Gérer un échange à plusieurs tours en reformulant les questions de suivi.Construire un jeu d'évaluation, automatiser une partie des mesures et comparer plusieurs configurations.Exposer le service via une API, tracer ses requêtes et préparer son déploiement.

Public concerné

  • Développeurs souhaitant intégrer un assistant documentaire dans leurs applications.
  • Ingénieurs data et profils techniques souhaitant concevoir une application RAG.
  • Responsables techniques et chefs de projet IA disposant d'une pratique du développement.

Prérequis

  • Savoir développer en Python : fonctions, collections, modules et gestion des exceptions.
  • Savoir utiliser un environnement virtuel Python et installer des dépendances.
  • Connaître les principes des API HTTP et le format JSON.
  • Avoir une première expérience d'utilisation d'un outil d'IA générative. Aucune connaissance préalable en machine learning n'est nécessaire.

Programme détaillé

Modalités pédagogiques

  • Alternance d'apports théoriques courts, de démonstrations et de travaux pratiques majoritaires.
  • Projet fil rouge : développement progressif d'un assistant interrogeant un corpus documentaire d'entreprise fictif.
  • Implémentation en Python à partir d'un squelette fourni, avec une API de modèle de langage et un index vectoriel.
  • Expérimentations comparatives pour observer l'effet des choix de découpage, de recherche et de génération.
  • Mise à disposition du code, des exercices, des corrigés et d'une grille d'évaluation du projet.

Évaluation des acquis

  • Questionnaire de positionnement en amont pour vérifier les prérequis et recueillir les attentes.
  • Évaluation formative au cours des travaux pratiques et des analyses de résultats.
  • Validation du projet final à partir d'une grille portant sur la recherche documentaire, les réponses, les sources, les questions de suivi, la gestion des questions sans réponse et les restrictions d'accès.
  • Présentation des résultats obtenus sur le jeu d'évaluation et justification des choix techniques.
  • Questionnaire final de validation des connaissances.

Accessibilité

Nos locaux sont accessibles aux personnes à mobilité réduite. Pour tout besoin spécifique, contactez notre référent handicap avant votre inscription.

Adaptation aux besoins des entreprises

Cette formation peut être adaptée aux besoins spécifiques de votre entreprise : choix des technologies, cas pratiques métier, durée modulable.

Modalités

Modalités d'accès :

Nos formations sont proposées exclusivement en intra-entreprise. Après prise de contact, une analyse des besoins est réalisée afin de proposer une formation adaptée. Une convention de formation est ensuite établie pour validation.

Délais d'accès :

La formation peut être mise en place sous un délai moyen de 2 à 4 semaines après validation du devis.

Modalités pédagogiques :

La formation alterne apports théoriques et mises en pratique (études de cas, exercices, ateliers). Elle peut être réalisée en présentiel ou en distanciel selon les besoins.

Modalités d'évaluation :

Les acquis sont évalués tout au long de la formation à travers des exercices pratiques et/ou un quiz final. Un questionnaire de satisfaction est également recueilli en fin de formation.