Jour 1 : Architecture LLM, RAG et création d'un Chatbot d'entreprise - Au-delà du prompting : pourquoi et quand coupler un LLM à une base de connaissances métier - Fondamentaux du RAG (Retrieval-Augmented Generation) : embeddings, découpage (chunking) et bases vectorielles (ChromaDB, Pinecone, Qdrant) - Connexion aux documents internes : ingestion de données non structurées (fiches procédures, rapports annuels, contrats) - Atelier pratique : Création pas-à-pas d'un Chatbot personnalisé interne capable de citer ses sources exactes Jour 2 : Agents IA autonomes, outils et prise de décision - Du simple chatbot à l'Agent autonome : concepts clés (Reasoning + Acting : boucle ReAct) - Équiper un agent avec des outils métiers (Tools & Function Calling) : recherche web, requêtes SQL, envoi d'emails, APIs - Gestion de la mémoire (court et long terme) et structuration des contextes - Atelier pratique : Conception d'un agent capable d'extraire des données, exécuter des calculs et produire un livrable sans intervention continue Jour 3 : our 3 : Multi-Agents, Industrialisation & Projet d'application final - Coordination d'agents via CrewAI/AutoGen et garde-fous de sécurité` - Atelier pratique final (4h) : Conception et livraison d'une solution complète : * Ingestion et indexation d'une documentation interne AXIAN (RAG) ` * Déploiement d'un agent analyste et d'un agent auditeur validant les réponses * Présentation des résultats, tests de fiabilité et analyse des coûts d'inférence