Mise en place d'une IA générative (Front et back)
Dernière mise à jour : 16/07/2025
Description
Cette formation donne les outils nécessaires pour déployer une Intelligence Artificielle générative. Elle s'adresse à des programmeurs avancés en python, ayant des connaissances en infrastructure et développement web.
Elle couvre des thèmes essentiels tels que l'architecture des systèmes, la gestion des données, le développement d'interfaces utilisateur, et le déploiement sécurisé.
À travers des ateliers pratiques et des études de cas, les participants acquerront des compétences concrètes pour mettre en œuvre en solutions efficaces adaptées aux exigences de leurs environnements.
Objectifs de la formation
- Concevoir des architectures complètes pour applications d'IA générative
- Développer des interfaces frontend efficaces pour l'IA générative
- Implémenter des systèmes backend robustes pour le service de modèles
- Créer une infrastructure évolutive pour charges de travail IA
- Appliquer les meilleures pratiques de sécurité et gouvernance
Public visé
Prérequis
Programme
- Patterns architecturaux pour systèmes d'IA
- Considérations de conception
- Modèles de communication frontend-backend
- Traitement synchrone vs asynchrone
- Conception pour fiabilité et résilience
Atelier : Architecture d'une application IA selon spécifications
- Infrastructure backend pour l'IA
- Frameworks de service de modèles (TorchServe, Triton, solutions personnalisées)
- Conception d'API pour endpoints IA
- Authentification et gestion des accès
Atelier : Configuration d'une API de service de modèle
- Gestion et prétraitement des données
- Bases de données vectorielles pour applications IA
- Pipelines de traitement de documents
- Workflows ETL pour données IA
Atelier : Implémentation d'un pipeline d'ingestion de documents
- Conception frontend pour applications IA
- Expérience utilisateur pour interfaces IA
- Gestion de l'incertitude dans les réponses IA
- Implémentation de réponses en streaming
Atelier : Construction d'une interface de chat avec réponses en streaming
- Patterns frontend avancés
- Fonctionnalités d'autocomplétion et suggestions
- Interactions multimodales (texte, images, audio)
- Expériences collaboratives avec IA
Atelier : Ajout de fonctionnalités intelligentes à un éditeur
- Tests et assurance qualité pour systèmes IA
- Stratégies de test pour composants IA
- Gestion des sorties non-déterministes
- Frameworks de test automatisé pour applications IA
Atelier : Configuration de tests pour une application IA
- Déploiement et DevOps pour systèmes IA
- Conteneurisation d'applications IA
- Orchestration avec Kubernetes
- Pipelines CI/CD pour systèmes IA
- Gestion des ressources GPU
Atelier : Création d'un pipeline de déploiement
- Mise à l'échelle et performance
- Équilibrage de charge pour workloads IA
- Stratégies de mise en cache pour résultats d'inférence
- Surveillance des performances et optimisation
Atelier : Implémentation de cache et gestion de charge
- Gouvernance, sécurité et conformité
- Gouvernance des données pour systèmes IA
- Journalisation d'audit et explicabilité
- Gestion des versions de modèles
- Meilleures pratiques de sécurité
Atelier : Implémentation de contrôles de gouvernance
- Projet final
- Intégration des concepts de tous les modules
- Implémentation d'une application IA générative complète
- Présentation et revue
Modalités pédagogiques
- Alternance d'exposés, de discussions avec le formateur et entre participants.
- Nombreux exercices et cas pratiques issus de plusieurs domaines d'application (au moins 40% du temps de formation).
- Utilisation de python
- Remise des supports pédagogiques et de fiches réflexes
Modalités d'évaluation et de suivi
- Evaluation de fin de formation sous la forme d'un QCM.
- Evaluation de la satisfaction en fin de formation.