Formation Applications d’IA générative avec langChain
Découvrez comment LangChain peut faire passer une idée d’IA générative à un assistant métier utilisable au quotidien.
- Référence formation :
- MOD_20262087
- Durée :
- 21 heures
- Satisfaction :
- Prix :
- 2280 € HT
Présentation de la formation
Cette formation de 3 jours permet de comprendre les LLMs et le prompt engineering, puis de construire ses premières applications avec LangChain (prompts structurés, extraction d’informations, comparaison de modèles).
Les participants apprennent à bâtir des pipelines RAG, à gérer mémoire et agents outillés (requêtes SQL, APIs, calculs) pour adresser des cas métier avancés.
Ils travaillent sur l’évaluation, la sécurité et l’industrialisation (guardrails, coûts, déploiement avec LangServe/FastAPI, observabilité et FinOps) afin de mettre en production des agents IA fiables et maîtrisés.
Objectifs pédagogiques
A l’issue de la formation, le stagiaire sera capable de développer des applications d’IA générative.
- Créer des applications basées sur l’IA générative
- Intégrer des modèles de langage
- Automatiser des taches génératives
- Déployer des solutions IA
Public visé
- Développeurs AI, data engineers
Prérequis
- Connaissances en Python et LLM.
Jour 1 — LLMs, prompt engineering et fondamentaux LangChain
Matin — Panorama des LLMs et prompt engineering
- Familles de LLMs : GPT, Claude, Llama, Mistral, Gemini
- Modèles propriétaires versus open source, modes d’accès
- Prompt engineering : zero-shot, few-shot, chain-of-thought
- Limitations : hallucinations, contexte, coût, latence
Atelier — Prompt engineering pour la synthèse d’avis clients
Contexte : Une entreprise reçoit chaque jour plusieurs milliers d’avis sur ses différentes plateformes et souhaite produire automatiquement une synthèse hebdomadaire par service.
Dataset : Corpus d’avis clients multilingues comprenant plusieurs langues, destiné à l’analyse textuelle et au traitement du langage naturel.
Tâches à réaliser :
- Concevoir 3 variantes de prompts (zero-shot, few-shot, chain-of-thought)
- Comparer les sorties sur un échantillon de X avis par variante
- Évaluer la qualité (concision, fidélité, ton)
- Mettre en évidence un cas d’hallucination et proposer une parade
Livrable attendu : Document comparatif des 3 variantes de prompts et prompt final recommandé avec justification.
Après-midi — Premiers pas avec LangChain
- Architecture LangChain : modèles, prompts, parsers, chains
- PromptTemplate et OutputParser
- LangChain Expression Language (LCEL)
- Connexion à plusieurs fournisseurs de LLMs
Atelier — Chaîne d’extraction structurée pour le secteur bancaire
Contexte : Une banque souhaite extraire automatiquement, à partir de fiches clients rédigées en texte libre par les conseillers, des informations structurées (situation familiale, projet, capacité d’épargne).
Dataset : Des fiches clients fictives en texte libre (générées par le formateur).
Tâches à réaliser :
- Définir un PromptTemplate et un schéma de sortie (Pydantic)
- Construire une chaîne LCEL avec OutputParser pour produire du JSON valide
- Tester la robustesse sur des fiches volontairement « bruitées »
- Comparer les résultats entre deux providers (ex : OpenAI versus un modèle open source)
Livrable attendu : Notebook avec la chaîne fonctionnelle et un tableau comparatif de précision entre les deux providers.
Jour 2 — RAG, mémoire et agents
Matin — Retrieval Augmented Generation (RAG)
- Embeddings et bases vectorielles (Chroma, FAISS, Pinecone, Qdrant)
- Chunking, indexation et recherche sémantique
- Construction d’un pipeline RAG complet
- RAG Evaluation (pertinence, fidélité)
Atelier — Assistant documentaire pour analystes financiers
Contexte : Une société de gestion souhaite que ses analystes puissent interroger en langage naturel un corpus de rapports annuels d’entreprises cotées, pour gagner du temps dans leurs notes d’investissement.
Dataset : Corpus de rapports annuels d’entreprises cotées au format PDF, destiné à l’analyse documentaire.
Tâches à réaliser :
- Charger et chunker les PDF (différentes stratégies : taille fixe vs sémantique)
- Indexer les chunks dans Chroma avec un embedding adapté
- Construire une chaîne RAG retournant la réponse et les sources
- Évaluer la pertinence des réponses sur un ensemble de questions métier
Livrable attendu : Application RAG fonctionnelle et rapport d’évaluation.
Après-midi — Mémoire, agents et tools
- Gestion de la mémoire conversationnelle
- Agents : ReAct, function calling, tool use
- Création d’outils personnalisés (APIs, BDD, calculs)
- Multi-agents et orchestration
Atelier — Agent IA pour le pilotage d’un magasin retail
Contexte : Une entreprise souhaite un assistant qui aide ses directeurs commerciaux à interroger leurs KPI (CA, prévisions) en langage naturel.
Dataset : Base de données relationnelle simulant une activité commerciales (ventes, prévisions), enrichie par une API externe de données fictives.
Tâches à réaliser :
- Créer 4 outils personnalisés : requête SQL, calcul de KPI, mailing
- Construire un agent ReAct utilisant ces outils
- Implémenter une mémoire conversationnelle pour conserver le contexte
- Tester l’agent sur des scénarios (CA du jour, ruptures à venir, donnée exogène et impact prévu)
Livrable attendu : Agent fonctionnel, démonstration sur les scenarios et diagramme d’architecture.
Jour 3 — Évaluation, sécurité et déploiement
Matin — Évaluation et sécurité
- Évaluation des applications LLM (LangSmith, ragas)
- Guardrails, modération et lutte contre les hallucinations
- Gestion des coûts et de la latence
- Sécurité : prompt injection, fuite de données, RGPD
Atelier — Durcissement d’une application LLM
Contexte : Un éditeur de logiciel pour cabinets médicaux veut intégrer un assistant LLM qui résume les comptes-rendus de consultation, avec des exigences fortes en termes de fiabilité et de sécurité.
Dataset : Des comptes-rendus médicaux fictifs fournis par le formateur, incluant des tentatives de prompt injection.
Tâches à réaliser :
- Construire une chaîne de résumé avec validation par un second LLM (LLM-as-a-Judge)
- Mettre en place des guardrails (longueur, vocabulaire, sources)
- Tester la résistance aux tentatives de prompt injection
- Évaluer la fidélité du résumé sur des cas avec ragas
Dernière mise à jour le 5 novembre 2026
13 - 15 Avril 2027
À distance
Formation Applications d’IA générative avec langChain
24 - 26 Novembre 2027
À distance
Formation Applications d’IA générative avec langChain
Modalités pratiques et pédagogiques
Docaposte Institute propose plusieurs dispositifs pédagogiques adaptés aux apprenants :
- Formation en présentiel
- En groupe (inter-entreprises ou intra-entreprise)
- En individuel (monitorat)
- En journée ou en cours du soir (sur demande spécifique)
- Formation en distanciel
- Distanciel synchrone
- Distanciel asynchrone
- Alternance d’apports théoriques et de mises en pratique contextualisées.
- Progression pédagogique structurée, de la compréhension à la mise en œuvre opérationnelle.
- Pédagogie immersive favorisant une mise en application immédiate des compétences.
- Formation interactive et participative s’appuyant sur des ateliers pratiques, études de cas et échanges collectifs (+ 60 % du temps de formation.)
- Séquences pédagogiques rythmées et évaluations formatives régulières pour renforcer l’ancrage des apprentissages.
- Supports de cours, ressources documentaires et références mis à disposition par le formateur
En amont de la formation (évaluation en ligne dans l’extranet apprenant)
- Recueil des besoins et des attentes des participants.
- Auto-positionnement permettant d’évaluer le niveau initial des apprenants.
Tout au long de la formation
- Évaluations continues réalisées par le formateur à travers des questions orales, exercices, QCM, études de cas et mises en situation pratiques.
À l’issue de la formation (évaluations en ligne dans l’extranet apprenant)
- Auto-positionnement afin de mesurer l’acquisition des compétences visées.
- Validation de l’acquisition des compétences par le formateur
- Questionnaire de satisfaction « à chaud » à l’issue de la formation
- Questionnaire de satisfaction « à froid », 45 jours après la formation afin d’évaluer l’ancrage des acquis et leur mise en application en situation professionnelle.
Nous consulter.
Nos formations peuvent être adaptées à certaines conditions de handicap. Nous contacter pour toute information et demande spécifique.
Tarifs et financement
Formation éligible aux Actions Collectives OPCO Atlas.