Parcours · Débutant à avancé
Python IA
De l'inférence locale au RAG et aux agents, pour bâtir une stack IA souveraine et observable
- 3 niveaux
- 7 modules
- 75 leçons
- 73 quiz
- 57h
Commencer Leçon : Découvrir la formation
Recommandé avant de commencer : Python
À propos de ce parcours · premier niveau : 25 leçons, 5 semaines environ
Bienvenue sur votre parcours Formation Python pour l'IA. Cette page liste l'intégralité de la formation, regroupée en modules progressifs. Du premier LLM à une stack souveraine d'agents IA en production.
Oui, le parcours est long. Personne ne le suit d'une traite : il se découpe en niveaux. Le premier, « Intégrer un LLM », compte 25 leçons d'environ 45 minutes : à une par jour ouvré, 5 semaines environ, et il a son propre résultat. Chaque module apporte une compétence utilisable dès le lendemain, et votre progression vous attend dans ce navigateur et sur les appareils reliés à votre compte facultatif.
Atteindre un objectif
Ce parcours rassemble l’ensemble de nos contenus sur ce domaine. Votre parcours personnalisé peut n’en utiliser qu’une partie.
- Compétences 16 16 par quiz · 0 en lab · 0 avec preuve
Progression 0 / 75 (0%)
- Connaissance Non mesurée Votre premier quiz apparaîtra à la fin d’une leçon.
- Pratique Non mesurée Les labs mesurent votre capacité à faire. Vous n’avez pas besoin de DSOXLab pour commencer une formation.
- Preuve Non mesurée Les challenges et examens pratiques vérifient que vous savez agir sans procédure détaillée.
Cochez les leçons ici, ou avec « Marquer comme lu » en fin de leçon. La progression reste dans ce navigateur ; rien n’est envoyé au serveur, sauf si vous reliez ce navigateur à un compte facultatif.
I1
Vous comprenez ce que fait un modèle de langage, l'appelez depuis Python, le servez vous-même et passez par une passerelle.
-
03
-
Expliquer le fonctionnement, l'inférence et la quantification d'un LLM
-
Expliquer le fonctionnement, l'inférence et la quantification d'un LLM
-
Contexte et repères
-
Appeler un LLM depuis Python : complétion, streaming, conversation, sorties structurées et images
-
Exploiter une passerelle LLM : routage, repli, cache, clés et budgets
-
Appeler un LLM depuis Python : complétion, streaming, conversation, sorties structurées et images
-
Construire un agent IA outillé : boucle ReAct, function calling et sortie typée
-
Appeler un LLM depuis Python : complétion, streaming, conversation, sorties structurées et images
-
Contexte et repères
-
Validation du niveau : aucune épreuve de validation définie pour ce niveau.
I2
Vous préparez un corpus, l'indexez en vecteurs et construisez une recherche augmentée qui répond à partir de vos documents.
Validation du niveau : aucune épreuve de validation définie pour ce niveau.
I3
Vous construisez et orchestrez des agents, écrivez des serveurs MCP, assemblez une stack souveraine, l'observez et la sécurisez.
-
05
-
Sécuriser, tester, authentifier et déployer des serveurs MCP
-
Contexte et repères
-
Construire un agent IA outillé : boucle ReAct, function calling et sortie typée
-
Orchestrer des agents avec un graphe d'états : LangGraph, multi-agents, mémoire, patterns et MCP
-
Faire exécuter du code par un agent dans un bac à sable durci
-
Orchestrer des agents avec un graphe d'états : LangGraph, multi-agents, mémoire, patterns et MCP
-
Contexte et repères
-
Orchestrer des agents avec un graphe d'états : LangGraph, multi-agents, mémoire, patterns et MCP
-
Assembler une stack IA souveraine et l'exposer derrière une interface web sécurisée
-
06
Validation du niveau : aucune épreuve de validation définie pour ce niveau.