Overview: Formation IA Générative à Saint-Germain-des-Prés

Pensée pour les builders de Saint-Germain-des-Prés

Chaque module se termine par quelque chose de fonctionnel — un pipeline RAG, un agent, une suite d'évaluation — construit en direct aux côtés de pairs de Saint-Germain-des-Prés et d'ailleurs. On va au-delà du prompting pour aborder la véritable ingénierie derrière la GenAI en production.

Détail du programme

Module 1 : Prompt engineering et chaînes structurées

Les étudiants de Saint-Germain-des-Prés apprennent la conception de prompts structurés et le function calling, pas seulement des astuces de prompt ponctuelles.

Sujets abordés

• Architecture de prompts et function calling
• Validation de sorties structurées
• Chaînes de prompts multi-étapes

Module 2 : Pipelines RAG avec bases vectorielles

Construire un pipeline de retrieval-augmented generation fonctionnel, de bout en bout, en tant qu'étudiant de Saint-Germain-des-Prés.

Sujets abordés

• Stratégie de chunking et d'ingestion
• Choix et indexation de base de données vectorielle
• Évaluation de la qualité de récupération (retrieval)

Module 3 : Agents et utilisation d'outils

Construire un agent qui utilise des outils de façon fiable, pour les étudiants de Saint-Germain-des-Prés qui dépassent le prompting à un seul tour.

Module 4 : Évaluations, garde-fous et déploiement

Livrer ce que vous avez construit avec du monitoring et des garde-fous de sécurité en place.

Déroulement de la cohorte

Format et calendrier

Cohorte en direct, orientée projet

Entièrement en ligne, en direct sur Zoom, pour les apprenants de Saint-Germain-des-Prés et leurs pairs à chaque module.

À qui s'adresse cette formation

Ingénieurs et builders

Les ingénieurs de Saint-Germain-des-Prés qui veulent l'architecture derrière la GenAI en production, pas seulement les bases d'une API.

Fondateurs techniques

Les fondateurs de Saint-Germain-des-Prés qui construisent un produit propulsé par un LLM et doivent dépasser un prototype fragile.

Résultats et accompagnement

Projet de portfolio

Les étudiants de Saint-Germain-des-Prés repartent avec un projet RAG ou agent fonctionnel à montrer aux employeurs.

Prérequis

Python de base recommandé

La formation se concentre sur les décisions d'architecture pour les étudiants de Saint-Germain-des-Prés, pas les fondamentaux de syntaxe.

Remarque

Couvre OpenAI, Anthropic (Claude) et les modèles open source, pour que les étudiants de Saint-Germain-des-Prés ne soient pas enfermés dans le référentiel mental d'un seul fournisseur.

Réponse rapide

La formation IA Générative à Saint-Germain-des-Prés est un programme pratique et orienté projet qui couvre le prompt engineering, les pipelines RAG, les agents et les évaluations — l'ingénierie derrière les systèmes LLM en production, pas de simples astuces de prompting. Elle s'adresse aux ingénieurs et fondateurs techniques de Saint-Germain-des-Prés qui veulent faire passer un prototype fragile à quelque chose de prêt pour la production, et elle vaut le coup si votre objectif est un projet de portfolio fonctionnel, pas seulement une compréhension théorique du fonctionnement des LLM.

Comparaison avec des tutoriels YouTube gratuits ou la documentation d'API

• Vous construisez un pipeline RAG, un agent et une suite d'évaluation fonctionnels pendant la cohorte, pas seulement en regardant quelqu'un d'autre le faire
• Couvre OpenAI, Anthropic (Claude) et les modèles open source ensemble, pour que les étudiants de Saint-Germain-des-Prés ne soient pas enfermés dans la documentation et le référentiel mental d'un seul fournisseur
• Des retours en direct sur vos décisions d'architecture de la part d'un praticien qui livre des systèmes GenAI en production, pas une section de commentaires
• Une progression structurée du prompting vers le RAG, les agents, les évaluations et le déploiement, au lieu de tutoriels isolés et épars

Pourquoi les builders de Saint-Germain-des-Prés choisissent Deepak Suhag

Enseigné par quelqu'un qui livre des systèmes GenAI en production pour des clients — pas une formation construite uniquement à partir de documentation.