Formation : IA agentique - Conception et mise en œuvre

Durée de la formation

3 jours

Code cours

IA008

Prix de la formation

Nous consulter

Sessions programmées

S'inscrire

Public :

Architectes IA, développeurs back-end, ingénieurs ML, tech leads souhaitant concevoir et déployer des systèmes IA capables d'agir de façon autonome sur des tâches complexes et multi-étapes.

Objectifs :

Comprendre les fondements des architectures agentiques, concevoir des agents mono et multi-agents, implémenter des boucles de raisonnement (ReAct, plan-and-execute), intégrer des outils et API externes, orchestrer des workflows agentiques, gérer la mémoire et l'état des agents, superviser et sécuriser des déploiements en production.

Prérequis :

Bonne maîtrise de Python. Expérience avec les LLM via API (OpenAI, Anthropic ou équivalent).

Pour tester vos connaissances actuelles sur le sujet : Validation des pré-requis
Pour nous préciser vos attentes : Validation des attentes

Programme détaillé de la formation

Fondements de l'IA agentique

Comprendre ce qui distingue un agent d'un LLM classique. Agent vs chatbot vs pipeline RAG : définitions et frontières.
Boucle perception-raisonnement-action (ReAct, CoT, ToT).
Agents : réactifs, délibératifs, à planification. Capacités clés : mémoire, outils, contexte long, auto-correction.
Cadres de référence : LangChain Agents, LlamaIndex, AutoGen, CrewAI, Semantic Kernel.

Atelier : Implémentation d'un agent ReAct simple - chaîne d'appels d'outils, trace de raisonnement, gestion des erreurs.

Outils et intégrations

Équiper les agents de capacités d'action sur des systèmes externes.
Définition et enregistrement d'outils (function calling, tool use Anthropic, OpenAI).
Connecteurs natifs : recherche web, exécution de code, lecture/écriture de fichiers, requêtes SQL.
Protocoles d'intégration : MCP (Model Context Protocol), API REST, webhooks.
Sécurisation des appels : validation d'entrées, sandboxing, quotas, journalisation.
Composition d'outils et chaînage conditionnel.

Atelier : Construction d'un agent outillé - intégration d'une API tierce, exécution de code Python, accès base de données, traçabilité des appels.

Mémoire et gestion de l'état

Permettre aux agents de maintenir du contexte sur des tâches longues ou multi-sessions.
Mémoire de travail (context window) vs mémoire épisodique vs mémoire sémantique.
Stratégies de compression et de résumé de contexte.
Mémoire persistante : bases vectorielles (Chroma, Pinecone, pgvector), bases clé-valeur, graphes de connaissances.
Gestion de l'état dans un workflow : checkpointing, reprise sur erreur.
Séparation état court terme / long terme dans des architectures distribuées.

Atelier : Agent à mémoire persistante - stockage vectoriel des interactions passées, récupération sémantique, résumé automatique de session.

Planification et raisonnement multi-étapes

Implémenter des stratégies de planification pour des tâches complexes.
Plan-and-execute : génération de plan, exécution parallèle ou séquentielle, révision dynamique.
Self-reflection et autocorrection : critique de sortie, boucle de révision.
Gestion des dépendances entre tâches et résolution de conflits.
Benchmark et évaluation de la qualité de raisonnement.

Atelier : Agent de recherche et synthèse - décomposition automatique d'une requête complexe, planification des sous-tâches, consolidation des résultats.

Architectures multi-agents

Concevoir des systèmes où plusieurs agents collaborent ou se spécialisent.
Topologies : hiérarchique (orchestrateur/sous-agents), pair-à-pair, pipeline, équipe de rôles.
Protocoles de communication inter-agents : messages, events, queues.
Frameworks multi-agents : AutoGen, CrewAI, LangGraph - comparaison et choix.
Délégation, supervision et arbitrage entre agents.
Détection et résolution des boucles infinies et états incohérents.

Atelier : Système multi-agents - orchestrateur + agents spécialisés (recherche, rédaction, validation), communication asynchrone, rapport consolidé.

Déploiement et supervision en production

Types de déploiement : agent as a service, event-driven agent, agent embarqué.
Observabilité : traces LLM (LangSmith, Langfuse, Phoenix), métriques d'exécution, alerting.
Gestion des coûts : estimation tokens, caching sémantique, throttling.
Haute disponibilité et reprise sur erreur : retry logic, timeout, fallback.
Conteneurisation et orchestration Kubernetes d'agents.

Atelier : Déploiement d'un agent en production - API FastAPI, instrumentation Langfuse, conteneurisation Docker, test de charge et résilience.

Sécurité et alignement des agents

Maîtriser les risques spécifiques aux systèmes agentiques.
Prompt injection et jailbreak dans un contexte agentique : vecteurs d'attaque, mitigations.
Principe du moindre privilège pour les outils et permissions.
Validation et sandboxing des actions à fort impact (écriture fichiers, appels API destructifs).
Guardrails : filtres d'entrée/sortie, détection d'anomalies comportementales.
Conformité et auditabilité : journaux immuables, traçabilité des décisions.
Considérations éthiques : autonomie vs supervision humaine (human-in-the-loop).

Atelier : Audit de sécurité d'un agent existant - cartographie des surfaces d'attaque, implémentation de guardrails, revue des permissions, tests d'injection.

Ces formations pourraient aussi vous intéresser

Architectures de solutions IA

Code : IA007|Durée : 3 jours

Administration de solutions IA en production

Code : IA070|Durée : 3 jours

Interfacer des applications et des solutions IA

Code : IA030|Durée : 3 jours

Phirio

+33 1 55 33 52 10
info@phirio.fr

Calendrier
Code cours : IA008

Contenu de la formation
IA agentique - Conception et mise en œuvre:

Fondements de l'IA agentique
Outils et intégrations
Mémoire et gestion de l'état
Planification et raisonnement multi-étapes
Architectures multi-agents
Déploiement et supervision en production
Sécurité et alignement des agents

Accès à la liste des cours

Vous pouvez bien entendu composer votre programme personnel à partir de nos descriptifs de cours

Version du document : T321
Date de mise à jour du document : 2026/04/21

Formation : IA agentique - Conception et mise en œuvre

Durée de la formation

Code cours

Prix de la formation

Sessions programmées

Public :

Objectifs :

Prérequis :

Programme détaillé de la formation

Fondements de l'IA agentique

Outils et intégrations

Mémoire et gestion de l'état

Planification et raisonnement multi-étapes

Architectures multi-agents

Déploiement et supervision en production

Sécurité et alignement des agents

Liens complémentaires

Déroulé pédagogique

Modalités et délais d'accès

Méthodes mobilisées et modalités d'évaluation

Ces formations pourraient aussi vous intéresser

Architectures de solutions IA

Administration de solutions IA en production

Interfacer des applications et des solutions IA

Phirio

Phirio

Formations