Objectifs
- Concevoir et mettre en œuvre la boucle agent et les flux de travail de prise de décision.
- Intégrer des outils externes et des API pour étendre les capacités des agents.
- Mettre en œuvre des architectures de mémoire à court et long terme pour les agents.
- Coordonner des orchestrations multietapes et la composition d'agents.
- Appliquer les meilleures pratiques de sécurité, de contrôle d'accès et d'observabilité pour les agents déployés.
Description
Fondamentaux de l'IA agente
- Qu'est-ce qu'un agent autonome : définitions et taxonomie
- Boucle agent : cycle percevoir, décider, agir, observer
- Modèles de conception pour les responsabilités et la portée des agents
Outils Python et SDKs d'agents
- Utilisation de LangChain et de SDK similaires pour lancer des agents
- Programmation asynchrone, files d'attente de tâches et gestion des sous-processus
- Emballage, environnements virtuels et flux de développement reproductibles
Intégration d'outils externes et d'APIs
- Conception d'interfaces d'outils et modèles de invocation sécurisée
- Connexion à des APIs web, bases de données et services internes
- Gestion des identifiants, secrets et accès avec le minimum de privilèges
Gestion de la mémoire, de l'état et du contexte
- Fenêtres de contexte à court terme et techniques d'ingénierie des prompts
- Architectures de mémoire à long terme : Redis, magasins vectoriels, augmentation de la récupération
- Cohérence, stratégies de mise en cache et hygiène de la mémoire
Orchestration, planification et workflows multietapes
- Enchaînement d'actions, sous-agents et décomposition des tâches
- Algorithmes de planification vs orchestration heuristique
- Gestion des échecs, tentatives et actions compensatoires
Sécurité, tests et observabilité
- Modèles de menace, équipes rouges et nettoyage des entrées/sorties
- Tests unitaires, d'intégration et bout-en-bout pour les agents
- Journalisation, métriques, traçabilité et alertes pour le comportement des agents
Déploiement, mise à l'échelle et MLOps pour les agents
- Conteneurisation, pipelines CI/CD et stratégies de déploiement
- Contrôle des coûts, limitation du taux et optimisation des ressources
- Suivi, gouvernance et guides opérationnels
Résumé et étapes suivantes
Conditions d'accès
Comprehension de la programmation Python
Experience avec les API REST et l IO asynchrone
Familiarite avec les concepts d apprentissage automatique et les LLM pre-entraines
Liste des sessions
2 avril 2026 > 23 septembre 2028
NobleProg France
- 0669910006
- loic.stas@nobleprog.com
Centre de formation
15 Rue Taitbout, 75009 Paris 9e
Lieu de formation
15 Rue Taitbout, 75009 Paris 9e





