De l’embedding à la production. Concevez, orchestrez et déployez des systèmes RAG robustes : retrieval hybride, chaînes LangChain / LlamaIndex, évaluation et monitoring en conditions réelles.
Prêt à industrialiser vos systèmes RAG ?
Le RAG (Retrieval-Augmented Generation) permet à un modèle de langage de répondre à partir de vos propres documents et bases de données : le système recherche d'abord les passages pertinents, puis le LLM génère sa réponse en s'appuyant dessus.
Oui, 100 % en ligne : 5 jours (35 heures) de sessions en direct, de labs pratiques et de replays. Vous repartez avec les notebooks, les dépôts de code de votre projet final et une attestation.
Un niveau intermédiaire à avancé. La formation se fait en Python, avec LangChain, LlamaIndex et FastAPI.
LangChain, LlamaIndex, les API OpenAI et Anthropic, les bases vectorielles Pinecone, Qdrant et pgvector, FastAPI, Prefect pour l'orchestration, Ragas et LangSmith pour l'évaluation.
Le RAG donne à un LLM l'accès à vos connaissances ; un agent IA planifie et exécute des actions dans vos outils. Les deux se combinent souvent : voir la formation Agents IA & MCP.
Pour les demandeurs d'emploi, la formation est finançable par l'AIF de France Travail. En entreprise, elle peut être financée sur le plan de développement des compétences.