IA pour développeurs
Ingénieur Python et IA : coder avec des assistants, puis bâtir des applications LLM
Dix jours pour coder avec des assistants d’IA, puis concevoir, évaluer et déployer des applications à base de LLM, de RAG et d’agents.
- Durée
- 70 h · 10 jours
- Niveau
- Confirmé
- Format
- Présentiel · Distanciel · Mixte
- Effectif max.
- 12 participants
Présentation
Ce parcours de dix jours fait évoluer un développeur Python vers l’ingénierie IA. Les cinq premiers jours portent sur le développement assisté : assistants de code dans l’IDE, génération, refactoring, tests, documentation, débogage et sécurité du code produit. Les cinq suivants portent sur la construction d’applications : appels aux API de modèles, frameworks LLM, RAG, agents et systèmes multi-agents, évaluation et sécurisation, déploiement et optimisation, puis un projet fil rouge et une démarche d’IA durable.
À qui s’adresse ce programme
- Développeurs Python en poste
- Ingénieurs logiciel qui veulent intégrer des LLM dans leurs produits
- Équipes techniques qui structurent une pratique d’ingénierie IA
Prérequis
- Expérience pratique du développement Python (fonctions, classes, modules, dépendances)
- Aisance avec un environnement de développement et Git
- Aucune connaissance préalable en IA requise
- Notions d’API REST appréciées
Objectifs pédagogiques
- Utiliser les assistants de code pour accélérer le développement
- Générer, refactorer, tester, documenter et déboguer du code Python avec l’IA
- Sécuriser le code produit avec l’aide de l’IA
- Intégrer des modèles de langage dans des applications Python
- Concevoir des applications LLM, des architectures RAG et des agents
- Évaluer, sécuriser, déployer et optimiser des applications à base de LLM
- Adopter une démarche d’ingénierie IA conforme et durable
Programme détaillé
20 modules · 70 h · 10 jours
Jour 1
IA générative et approche agentique
50 % théorie · 50 % pratique
- Modèles de langage : principes, forces et limites
- Agents et usages en développement
- Panorama des outils et des modèles
- Cadre d’usage et confidentialité
- Cadrage du projet fil rouge
Prompt engineering appliqué au code
30 % théorie · 70 % pratique
- Écrire une demande utile pour un assistant de code
- Fournir le bon contexte
- Itérer et corriger
- Pièges fréquents
- Bibliothèque de prompts d’équipe
🛠 Ateliers pratiques
Atelier de prompts de code1,5 h
Tester différentes formulations sur des tâches de développement.
✅ Livrable : Une bibliothèque de prompts
Jour 2
Assistants de code dans l’IDE
50 % théorie · 50 % pratique
- Complétion, chat et mode agent
- Comparer plusieurs assistants
- Configurer consignes et règles de projet
- Gérer le contexte et les fichiers
- Raccourcis de travail
Génération et compréhension de code
30 % théorie · 70 % pratique
- Générer des fonctions et des modules
- Explorer un code inconnu
- Écrire de petites applications
- Relire et valider ce qui est généré
- Limites et signaux d’alerte
🛠 Ateliers pratiques
Reprendre un projet existant2 h
Comprendre et étendre une base de code inconnue avec l’IA.
✅ Livrable : Une fonctionnalité ajoutée
Jour 3
Refactoring et modernisation
50 % théorie · 50 % pratique
- Détecter le code à améliorer
- Refactorer par étapes sûres
- Migrer des versions et des bibliothèques
- Typage et lisibilité
- Garder la maîtrise du changement
Tests avec pytest assistés par l’IA
30 % théorie · 70 % pratique
- Générer des tests unitaires
- Cas limites et jeux de données
- Mocks et fixtures
- Mesurer la couverture
- Évaluer la qualité des tests générés
🛠 Ateliers pratiques
Filet de sécurité2 h
Constituer une suite de tests pour un module legacy.
✅ Livrable : Une suite pytest
Jour 4
Documentation et débogage assistés
50 % théorie · 50 % pratique
- Générer et maintenir la documentation
- Docstrings et guides d’utilisation
- Diagnostiquer une erreur avec l’IA
- Journaux et reproductions minimales
- Revue de code assistée
Sécurité du code généré
30 % théorie · 70 % pratique
- Vulnérabilités fréquentes dans le code généré
- Dépendances et chaîne d’approvisionnement
- Secrets et données sensibles
- Analyse statique et revue de sécurité
- Politique d’usage en équipe
🛠 Ateliers pratiques
Audit de code généré1,5 h
Repérer et corriger des failles dans du code produit par une IA.
✅ Livrable : Un rapport d’audit
Jour 5
Appels aux API de modèles
50 % théorie · 50 % pratique
- Principes d’une API de LLM
- Messages, instructions système et paramètres
- Sorties structurées
- Gestion des erreurs, des limites et des coûts
- Premier client Python
Industrialiser le prompting
30 % théorie · 70 % pratique
- Modèles de prompts versionnés
- Séparer prompts, code et configuration
- Jeux de tests de prompts
- Journalisation des appels
- Cache et réutilisation
🛠 Ateliers pratiques
Couche d’appel aux modèles2 h
Écrire une couche d’abstraction réutilisable.
✅ Livrable : Un module d’accès aux modèles
Jour 6
Frameworks LLM
50 % théorie · 50 % pratique
- Rôle des frameworks et alternatives
- LangChain : composants et chaînes
- LlamaIndex : données et index
- Choisir ou ne pas utiliser de framework
- Observabilité
Architecture RAG
30 % théorie · 70 % pratique
- Principe de la génération augmentée par la recherche
- Découpage et embeddings
- Bases vectorielles
- Recherche, reclassement et citations
- Qualité du RAG
🛠 Ateliers pratiques
Assistant sur documents2 h
Construire un RAG sur un corpus documentaire.
✅ Livrable : Un assistant RAG
Jour 7
Développement d’agents
50 % théorie · 50 % pratique
- Boucle d’un agent et appels d’outils
- Mémoire et planification
- Définir des outils fiables
- Garde-fous et validation humaine
- Cas d’usage
Systèmes multi-agents
30 % théorie · 70 % pratique
- Patterns d’orchestration
- Rôles et délégation
- Frameworks multi-agents
- Coûts et complexité
- Quand rester simple
🛠 Ateliers pratiques
Équipe d’agents2 h
Orchestrer plusieurs agents sur un cas métier.
✅ Livrable : Un système multi-agents
Jour 8
Évaluation des applications LLM
50 % théorie · 50 % pratique
- Pourquoi évaluer : non-déterminisme
- Jeux de tests et métriques
- Évaluation par un modèle juge
- Tests de non-régression
- Suivi en production
Sécurisation des applications LLM
30 % théorie · 70 % pratique
- Injection de prompt directe et indirecte
- Fuite de données et exfiltration
- Permissions des outils et des agents
- Filtrage et validation
- Revue de sécurité
🛠 Ateliers pratiques
Attaquer et défendre2 h
Tester la robustesse d’une application face à des attaques.
✅ Livrable : Un rapport et des correctifs
Jour 9
Déploiement
50 % théorie · 50 % pratique
- Exposer une API avec FastAPI
- Conteneurisation
- Configuration et secrets
- Mise à l’échelle et files de tâches
- Observabilité en production
Performances et coûts
30 % théorie · 70 % pratique
- Mesurer latence et coût par requête
- Réduire la taille des prompts
- Cache et traitement par lots
- Choisir le modèle au juste besoin
- Tableau de bord
🛠 Ateliers pratiques
Optimisation1,5 h
Réduire coût et latence d’une application.
✅ Livrable : Un rapport avant/après
Jour 10
Projet fil rouge
30 % théorie · 70 % pratique
- Finalisation du projet
- Tests, évaluation et sécurité
- Documentation
- Préparation de la présentation
- Revue croisée
🛠 Ateliers pratiques
Livraison du projet3 h
Finaliser l’application LLM de bout en bout.
✅ Livrable : Une application déployée
IA durable et gouvernance
50 % théorie · 50 % pratique
- Sobriété et empreinte de l’IA
- Conformité : données, droit d’auteur, cadre européen
- Politique d’usage dans l’équipe
- Soutenance du projet
- Plan de progression personnel
Outils et technologies
API AnthropicAPI OpenAIChromaDBClaude CodeCursorDockerFastAPIGitGitHub CopilotLangChainLlamaIndexPythonVisual Studio Codepytest
Méthodes pédagogiques
- Alternance d’exposés et de travaux pratiques quotidiens
- Projet fil rouge construit sur les dix jours
- Revues de code et d’évaluation en groupe
- Comparaison des outils sur des cas réels de l’équipe
Évaluation
- Exercices pratiques corrigés chaque jour
- Évaluation du projet fil rouge
- Soutenance finale devant le groupe
Matériel requis
- Un ordinateur avec une connexion internet
- Python 3, Git et un IDE moderne
- Accès à un ou plusieurs assistants de code et à une clé d’API de modèle (fournie ou personnelle)
- Docker (recommandé pour la partie déploiement)
Ressources fournies
- Support de cours et dépôt d’exercices corrigés
- Dépôt de code du projet fil rouge
- Grilles d’évaluation et jeux de tests
- Check-lists de sécurité et de gouvernance
Débouchés
- Une application LLM complète, évaluée et déployée
- Des méthodes de travail assisté par IA reproductibles par l’équipe
- Une grille de bonnes pratiques de sécurité, de coût et de gouvernance
Les cours vidéo associés
Mes cours en vidéo qui accompagnent ce programme : pour préparer la formation ou réviser ensuite. Accès gratuit avec un compte.
Advanced Prompt Engineering
Passez d’un prompt approximatif à une méthode professionnelle : structurer ses demandes (R-C-T-C-O, RTF, CRAFT, RISEN), maîtriser les techniques avancées (few-shot, chaîne de raisonnement, personas, chaînage), gérer les tokens et le contexte, choisir le bon modèle au bon coût, contrôler la sortie et utiliser l’IA de façon responsable. Vous repartez avec un framework, des checklists et un prompt réutilisable.
PYTHON
Apprenez les concepts principaux en PYTHON et obtenez un résultat en créant vos premiers algorithmes !
PYTHON POO
Apprenez les concepts principaux en PYTHON ORIENTE OBJET et développez vos premiers patrons de conception !