Aller au contenu
Présentiel Distanciel

Formation Développer un assistant conversationnel avec Rasa et Llamalndex

Donnez à vos équipes les moyens de répondre utilement aux utilisateurs grâce à un assistant conversationnel adapté aux besoins métier.

Référence formation :
MOD_20262086
Durée :
21 heures
Satisfaction :
Prix :
2280 € HT
Pré-inscription

Présentation de la formation

Cette formation de 3 jours permet de concevoir un assistant conversationnel complet avec Rasa, depuis le cadrage fonctionnel et la définition des intents/entities jusqu’à la mise en place d’une NLU robuste adaptée au français. 

Les participants apprennent à gérer des dialogues multi‑tours avec forms, stories, règles et custom actions Python, puis à enrichir le bot avec une base de connaissances RAG via LlamaIndex pour répondre à des questions métier complexes. 

Ils travaillent enfin sur la qualité, le déploiement et le monitoring (tests, fallback, Docker, intégration web/Teams, RGPD), afin d’industrialiser un chatbot multi‑canal opérationnel. 

Objectifs pédagogiques

A l’issue de la formation, le stagiaire sera capable de créer et de déployer un assistant conversationnel. 

  • Concevoir un chatbot intelligent 
  • Gérer le traitement du langage naturel 
  • Intégrer et déployer le chatbot 
  • Optimiser la compréhension et les réponses 

Public visé

  • Développeurs AI, NLP engineers 

Prérequis

  • Connaissances en Python et ML. 

Jour 1 — Conception et fondamentaux Rasa

 

Matin — Concepts des assistants conversationnels

  • Panorama des chatbots : règles, ML, LLM
  • Concepts NLU, NLG, gestion du dialogue
  • Architecture Rasa Open Source: NLU, Core, Action Server
  • Installation et premier projet Rasa

 

Atelier — Cadrage et premier bot Rasa pour un service marketing

Contexte : Une direction marketing souhaite proposer un assistant conversationnel sur son site web pour répondre aux questions courantes (horaires, services…).

Dataset : Liste de questions clients fréquentes fournie par le formateur + corpus de 200 verbatim issus du chat support.

Tâches à réaliser:

  • Réaliser un cadrage : périmètre, persona, scénarios prioritaires
  • Initialiser un projet Rasa et étudier sa structure de fichiers
  • Définir les premiers intents et entities
  • Lancer un premier dialogue dans Rasa Shell

Livrable attendu : Document de cadrage (1 page) et projet Rasa initial avec 5 intents fonctionnels.

 

Après-midi — NLU avec Rasa

  • Définition des intents et entities
  • Pipeline NLU (tokenizers, featurizers , classifiers)
  • Données d’entraînement et bonnes pratiques d’annotation
  • Synonymes , lookup tables, regex

 

Atelier — Construction d’une NLU pour un assistant santé

Contexte : Une direction commerciale souhaite un chatbot capable de comprendre des demandes de prise de rendez-vous, en extrayant le motif, la date souhaitée et le commercial.

Dataset : Jeu de données composé de questions fréquentes et de verbatim issus d’échanges de support client.

Tâches à réaliser:

  • Annoter les entities (motif, date, commercial ) dans nlu.yml
  • Configurer un pipeline NLU adapté au français ( spaCy ou DIET)
  • Entraîner et évaluer la NLU avec rasa test nlu
  • Itérer pour atteindre un F1 d’au moins 0,85 sur les intents principaux

Livrable attendu : Fichier nlu.yml enrichi et rapport d’évaluation rasa test (matrice de confusion, F1 par intent).

 

Jour 2 — Gestion du dialogue et intégration LlamaIndex

 

Matin — Dialogue, stories et custom actions

  • Stories, rules et policies Rasa
  • Forms et slot filling
  • Custom Actions Python et appel d’APIs externes
  • Gestion des erreurs et fallback

 

Atelier — Workflow multi-tours pour une demande de devis assurance

Contexte : Un assureur souhaite automatiser le pré-cadrage d’une demande de devis auto via un dialogue multi-tours (type de véhicule, usage, profil conducteur).

Dataset : Schéma de dialogue type fourni + API mock de cotation simplifiée.

Tâches à réaliser:

  • Définir un Form pour collecter les informations clés
  • Écrire les stories couvrant les chemins nominaux et les ré-ouvertures
  • Implémenter une Custom Action appelant l’API mock de cotation
  • Gérer les cas de hors-sujet avec un fallback dédié

Livrable attendu : Bot capable de mener le dialogue de bout en bout et de retourner une cotation simulée.

 

Après-midi — LlamaIndex et RAG

  • Concepts du Retrieval Augmented Generation (RAG)
  • Architecture LlamaIndex : documents, nodes, index, query engines
  • Indexation d’une base documentaire (PDF, web, bases internes)
  • Choix d’un embedding model et d’un vector store

Atelier — Base de connaissances RAG pour un service RH

Contexte : Une grande entreprise souhaite que ses collaborateurs puissent interroger en langage naturel le règlement intérieur, l’accord télétravail et la convention collective.

Dataset : Des documents PDF fournis représentant des documents RH types.

Tâches à réaliser:

  • Charger les PDF dans LlamaIndex et configurer le splitting
  • Construire un index vectoriel avec un embedding open source
  • Tester des questions types et analyser la pertinence des réponses
  • Intégrer la requête LlamaIndex dans une Custom Action Rasa

Livrable attendu : Bot Rasa enrichi capable de répondre aux questions RH en citant les passages sources.

 

Jour 3 — Optimisation et mise en production

 

Matin — Qualité et optimisation

  • Évaluation NLU et dialogue (cross-validation, test stories)
  • Stratégies de fallback et gestion des hors-sujets
  • Optimisation des prompts et de la recherche sémantique
  • Détection de drift de conversations

 

Atelier — Évaluation et durcissement du chatbot RH

Contexte : Avant mise en production, le service RH veut s’assurer que le bot répond correctement à au moins 90% des questions et reconnaît les questions hors périmètre.

Dataset : Set de 50 questions de test fourni (réelles, mal orthographiées, hors sujet).

Tâches à réaliser:

  • Construire des tests stories Rasa et lancer rasa test
  • Analyser les erreurs et enrichir la NLU en conséquence
Télécharger le programme .pdf

Dernière mise à jour le 5 novembre 2026

Prochaines sessions

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.

Formations associées

À distance Présentiel 21h
IA générative et application métier

Formation IA Générative pour Communication & Marketing

À partir de 2 230€

À distance Présentiel 28h
IA générative et application métier

Formation IA Générative pour Managers

À partir de 2 740€

À distance Présentiel 14h
IA générative et application métier

Formation Transformation de projet vers l’IA

À partir de 1 580€