Dans la fenêtre d’impression, choisissez « Enregistrer en PDF » comme destination.

Réf. IA-RAG

IA générative - Concevoir une application RAG

IA pour les métiers du numérique

Durée

14 à 21 heures (2 à 3 jours) selon le format

Modalités

Présentiel, Classe à distance

Reconnaissance

Formation non certifiante (attestation de fin de formation)

Format de vente

Inter-entreprise ou Intra-entreprise

Délai d’accès

Inter : jusqu’à 5 jours ouvrés avant la session ; intra : en moyenne 15 jours ouvrés après l’acceptation du devis

Tarif intra

Sur devis

Pourquoi suivre cette formation

Un assistant d'IA ne répond bien sur vos données que s'il les consulte au bon moment. Apprenez à concevoir une application RAG : préparer vos documents, retrouver les bons extraits, produire des réponses sourcées et les sécuriser.

À l’issue de cette formation, les participants seront capables de

Choisir entre RAG, fine-tuning et prompt seul selon le besoin
Découper, enrichir et indexer des documents dans une base vectorielle
Régler la récupération des extraits : filtres, recherche hybride et reclassement
Générer des réponses ancrées dans les sources, avec citations
Évaluer et sécuriser l'application, et situer MCP dans l'architecture

Formats proposés

ACTIONImmersion14 heures (2 jours)1 560 € HTpar participant (inter-entreprises)

IMPACTTerrain21 heures (3 jours) · dont une journée en décalé2 495 € HTpar participant (inter-entreprises)

Chaque format reprend le précédent et y ajoute des journées.

Public visé

Développeurs, architectes logiciel, data engineers, ingénieurs DevOps et responsables techniques devant construire un assistant s'appuyant sur les données de l'entreprise.

Prérequis

Maîtriser Python et l'appel d'API web, et connaître les notions de base des modèles de langage (prompt, contexte, hallucination), ou avoir suivi la formation IA pour les spécialistes IT - Les fondamentaux (IA-IT).

Prérequis techniques à distance

La classe virtuelle se tient sur Microsoft Teams : AMBIA fournit à chaque participant un compte pour la durée de la formation. En intra-entreprise, elle peut aussi se tenir sur l’outil que l’entreprise utilise déjà, par exemple Zoom ou Google Meet.

Le participant se connecte depuis un ordinateur équipé d’une caméra, d’un micro, d’un accès à internet et d’un navigateur à jour, dans un lieu calme. Si la formation le demande, le formateur donne accès à un poste de travail à distance, depuis le navigateur.

Pendant la formation, l’assistance technique répond à support@ambia-skills.fr.

Objectifs pédagogiques

Identifier les composants d'une chaîne RAG : ingestion, indexation, récupération et génération. Expliquer quand préférer un RAG au fine-tuning ou au prompt seul, et connaître les limites du RAG. Découper, enrichir et indexer des documents, puis interroger une base vectorielle. Diagnostiquer une réponse erronée : problème d'ingestion, de récupération ou de génération. Mesurer la pertinence et la fidélité d'un RAG avec un jeu de test de référence. Concevoir une application RAG sourcée et sécurisée, et esquisser son ouverture à des agents via MCP.

Programme détaillé

Jour 1ACTION

Matin

Concevoir l'architecture d'une application RAG

Choisir la bonne approche et décrire la chaîne complète d'une application RAG.

RAG, fine-tuning ou prompt seul : critères de choix selon la fraîcheur et la confidentialité des données
Les composants d'une chaîne RAG : ingestion, découpage, embeddings, base vectorielle, récupération, génération
Limites et risques : hallucinations, données obsolètes, fuites de contenus, coûts et latence
Cadrage d'un cas d'usage : sources, utilisateurs, droits d'accès et niveau de qualité attendu

Atelier pratique

Cadrage d'une application documentaire : choix des sources, de l'architecture et des indicateurs de réussite.

Cas métier

Assistant sur la documentation interne d'une PME : périmètre, sources et risques.

Compétence acquise

Savoir cadrer une application RAG et justifier son architecture.

Livrable

Fiche de cadrage de l'application et schéma d'architecture.

Après-midi

Ingérer et indexer les documents

Construire un pipeline d'ingestion qui produit un index exploitable.

Extraction du texte (PDF, pages web, documents bureautiques) et contrôle de sa qualité
Découpage (chunking) : taille, chevauchement et respect de la structure des documents
Embeddings : choix du modèle, langues, coût et cohérence entre l'indexation et les requêtes
Indexation dans une base vectorielle avec métadonnées (titre, date, droits, lien source)

Atelier pratique

Réalisation d'un pipeline Python d'ingestion d'un corpus d'une trentaine de documents, puis contrôle de l'index.

Cas métier

Corpus de procédures internes à jour : réindexation après la modification d'un document.

Compétence acquise

Savoir ingérer, découper et indexer un corpus de façon reproductible.

Livrable

Pipeline d'ingestion fonctionnel et index du corpus de démonstration.

Jour 2ACTION

Matin

Récupérer les bons extraits et générer des réponses sourcées

Régler la récupération et construire des réponses ancrées dans les sources.

Requêtes, nombre d'extraits retenus et filtres sur les métadonnées
Recherche hybride (mots-clés et vecteurs) et reclassement des résultats
Construction du prompt : consignes, extraits fournis, citations et refus de répondre sans source
Gestion de l'historique de conversation et reformulation de la question

Atelier pratique

Interrogation du corpus avec trois stratégies de récupération et comparaison de la qualité des réponses.

Cas métier

Réponses sourcées pour le service juridique : citations vérifiables et refus hors périmètre.

Compétence acquise

Savoir régler une chaîne de récupération et produire des réponses vérifiables.

Livrable

Application RAG interrogeable avec citations des sources.

Après-midi

Évaluer, sécuriser et ouvrir l'application (aperçu de MCP)

Mesurer la qualité, sécuriser l'application et situer MCP dans l'architecture.

Évaluation : jeu de questions de référence, pertinence des extraits et fidélité des réponses
Sécurité : droits d'accès appliqués à la récupération, injection de prompt via les contenus et journalisation
Industrialisation : mise à jour de l'index, coûts, latence et surveillance
Aperçu de MCP : principe (hôte, client, serveur), exposer sa base de connaissances comme outil pour un agent, limites d'un standard en évolution

Atelier pratique

Construction d'un jeu de test de dix questions et mesure avant et après une amélioration de la récupération.

Cas métier

Mise sous contrôle qualité et sécurité d'un assistant documentaire avant son ouverture aux équipes.

Compétence acquise

Savoir évaluer et sécuriser une application RAG et situer MCP dans l'architecture.

Livrable

Jeu de test de référence, check-list de sécurité et note de cadrage de l'ouverture à des agents.

Jour 3 · en décaléIMPACT

Matin

Diagnostic technique de l'application réelle

Identifier les points de défaillance et hiérarchiser les corrections.

Revue confidentielle de votre application : ingestion, récupération, qualité des réponses, droits d'accès et coûts.

Après-midi

Jeu de test et plan d'amélioration

Repartir avec un plan d'amélioration chiffré et un jeu de test réutilisable.

Construction d'un jeu de test sur vos questions réelles, mesure et corrections en direct des points prioritaires.

Les ateliers et cas métier de ce programme pourront être adaptés par le consultant-formateur selon les besoins, le niveau et les prérequis des participants, pour favoriser l’atteinte des objectifs pédagogiques.

Méthodes et moyens pédagogiques

Méthodes mobilisées

Pédagogie active : démonstrations, développement guidé en Python, revues de code et analyses de cas d'échec.

Moyens techniques

Un ordinateur par apprenant avec accès Internet haut débit ; environnement Python préconfiguré ; accès à une API de modèle de langage fournie pour la durée de la formation ; base vectorielle open source exécutée en local ; supports numériques via l'espace d'apprentissage AMBIA.

Moyens humains

Formation animée par un consultant-formateur expert senior en ingénierie de l'IA générative et en architecture de données.

Modalités d’évaluation

Évaluation diagnostique

Questionnaire d'auto-évaluation et de positionnement sur Python, les API et les notions de modèles de langage, adressé avant la formation.

Évaluation formative

Développement guidé de l'application et corrections immédiates du formateur tout au long de la formation.

Évaluation sommative

Réalisation d'une application RAG évaluée sur une grille de critères (récupération, sourçage, évaluation, sécurité) et QCM de validation des acquis.

Suivi

Feuilles de présence signées par demi-journée, en présentiel comme à distance.
Attestation de fin de formation remise à chaque stagiaire, mentionnant les objectifs, la nature, la durée et les résultats de l’évaluation.
Certificat de réalisation adressé au client ou au financeur.
Questionnaire de satisfaction remis à l’issue de la formation.

Délai d’accès

Inter-entreprises : L’inscription est possible jusqu’à 5 jours ouvrés avant le début de la session, sous réserve des places disponibles.

Intra-entreprise : La formation débute en moyenne 15 jours ouvrés après l’acceptation du devis.

Ce délai peut être adapté selon la disponibilité des sessions, le positionnement du stagiaire et, le cas échéant, l’instruction du dossier de prise en charge par le financeur.

Accessibilité handicap

Adaptable aux personnes en situation de handicap. Contactez notre référent dédié pour l'étude des aménagements.

Référent handicap : accessibilite@ambia-skills.fr. Aucune reconnaissance de la qualité de travailleur handicapé ni aucun justificatif médical n’est exigé.

Indicateurs de résultats

Indicateurs publiés à partir de 3 avis.

Mode de calcul : www.ambia-skills.fr/notre-approche#notes