Formation IA

Introduction aux systèmes agentiques

Ce qu'est un agent IA, comment il perçoit son environnement et agit. Différence entre LLM nu, agent outillé et système multi-agents. Cas concrets : agent de triage email, agent de recherche documentaire.

• Ressource → Qu'est-ce qu'un agent
• Ressource → LLM vs agent
• Ressource → Anatomie d'un agent

Prompt engineering opérationnel

Few-shot, chain-of-thought, structured outputs avec Zod ou Pydantic. Guardrails et validation de sortie : comment détecter et corriger les hallucinations avant qu'elles arrivent en production.

• Ressource → Prompt engineering bases
• Ressource → Few-shot learning
• Ressource → Guardrails et validation

Architecture de graphes d'agents

LangGraph : noeuds, edges, état partagé, cycles et boucles de correction. Quand utiliser un graphe vs un pipeline linéaire. Patterns de conception : supervisor, subgraph, map-reduce agentique.

• Ressource → LangGraph introduction
• Ressource → Graph design patterns
• Ressource → Quand utiliser LangGraph

Intégration IA dans les systèmes existants

Adapters, contrats d'interface, swap d'outil externe sans casser le reste. Connexion ERP/CRM, gestion des credentials, audit de l'existant avant d'automatiser.

• Ressource → Adapter pattern IA
• Ressource → Connexion ERP/CRM
• Ressource → Gestion credentials agents

Monitoring et optimisation des coûts LLM

Langfuse : traces, dashboards, alertes sur les noeuds qui coûtent ou qui échouent. A/B testing de prompts, routing Haiku/Sonnet selon la complexité de la tâche, réduction des coûts sans perte de qualité.

• Ressource → Langfuse getting started
• Ressource → A/B test prompts
• Ressource → Routing Haiku/Sonnet