developpement
Quiz Python et IA
Contrôle de connaissances sur Python pour l IA : agents, MCP, RAG, ollama, litellm et stack souveraine.
- 1 079 questions en banque tirées au hasard à chaque tentative
- 73 thèmes pour un résultat détaillé par thème
- 73 guides liés à relire après une erreur
Contrôle de connaissances sur Python pour l IA : agents, MCP, RAG, ollama, litellm et stack souveraine.
1 079 questions en banque 73 thèmes 73 guides liés
Comment se passe cet examen Questions tirées au sort dans toute la banque, réponses mélangées, sans limite de temps, explications à la correction.
Un examen puise dans la banque entière (1 079 questions, 73 thèmes) et rend un bilan par thème, là où le quiz d'une leçon ne contrôle que cette leçon. Le niveau fixe le nombre de questions ; la durée affichée est une estimation, aucun chronomètre ne coupe l'épreuve. Chaque tirage est différent : repasser le même niveau ne ramène pas les mêmes questions.
Aléatoire : questions tirées au sort
Mélange : réponses réordonnées
Sans limite : prenez votre temps
Explications : liens vers la doc
Choisissez votre niveau
Le tirage est aléatoire à chaque tentative : vous pouvez repasser le même niveau sans retomber sur les mêmes questions.
Documentation associée
Consultez ces pages pour approfondir avant ou après le quiz :
- Construire des agents IA en Python : le parcours
- Comparatif des frameworks d'agents IA en 2026
- Function calling : connecter un LLM à de vrais outils
- LangGraph : des agents IA pilotés par un graphe
- Connecter un agent IA au protocole MCP
Voir les 68 autres pages
- La mémoire des agents IA : court et long terme
- LangGraph multi-agents : le pattern superviseur
- Patterns agentiques : ReAct, Plan-and-Execute, Reflexion
- PydanticAI : des agents IA typés en Python
- Sandbox d'exécution de code pour agents IA
- smolagents : quand l'agent IA écrit du code
- Comprendre les agents IA : du chatbot à l'agent autonome
- Chainlit : une interface web pour vos agents IA
- Chroma : base vectorielle pour développer un RAG
- Chunking sémantique : découper là où le sens change
- Comparatif des backends d'inférence LLM en 2026
- Embeddings : transformer du texte en vecteurs
- FAISS : recherche vectorielle en mémoire
- Fine-tuning d'un LLM : quand le faire (et quand l'éviter)
- Hugging Face Transformers
- Panorama IA : LLM, RAG, agents et MCP
- Comprendre l'inférence d'un LLM
- LiteLLM Async : analyser des fichiers DevOps en parallèle
- LiteLLM Embeddings : base de connaissances DevOps
- LiteLLM Proxy Server : gateway LLM pour l'entreprise
- LiteLLM Router : DevOps Buddy en production
- LiteLLM : construire un assistant DevOps intelligent
- llama.cpp : serveur d'inférence LLM sur CPU et GPU
- LLM : comprendre les modèles de langage (Transformer, GPT, Llama)
- Construire un client MCP en Python
- Déployer des serveurs MCP en production avec Traefik
- Authentification MCP avec OAuth 2.1 et authentik
- Anatomie du protocole MCP : JSON-RPC et cycle de vie
- Sécurité MCP : tool poisoning, confused deputy, rug pull
- Serveur MCP avancé : async, logging et packaging
- Créer son premier serveur MCP avec FastMCP
- Tester et déboguer un serveur MCP : pytest et Inspector
- Transports MCP : stdio, SSE et Streamable HTTP
- Comprendre le Model Context Protocol (MCP)
- Observabilité des LLM : pourquoi c'est différent
- Ollama avancé : SDK Python, Structured Output et embeddings
- Ollama : dépannage et configuration
- Quel modèle Ollama choisir en 2026 ? Cheat sheet Llama 4, Qwen 3, Gemma 4
- Sorties structurées avec Ollama : JSON garanti et Pydantic en local
- Tool Calling avec Ollama : créer un agent IA local en Python
- Vision et multimodal avec Ollama : Gemma 4 et Llama 3.2 Vision en local
- Ollama : exécuter des LLM localement sur votre PC
- OpenTelemetry GenAI : tracer ses LLM jusqu'à Grafana Tempo
- pgvector : un RAG sans base vectorielle dédiée
- Prompt Engineering : les fondamentaux pour des résultats fiables
- Prompting avancé : CoT, Self-Consistency et ReAct
- Qdrant : la base vectorielle serveur pour le RAG
- Comprendre la quantification des LLM
- Quantifier un LLM en pratique : GGUF, AWQ, GPTQ, FP8
- RAG agentique : un retrieval qui se corrige
- RAG avancé : améliorer la qualité du retrieval
- Chunking : découper vos documents pour le RAG
- RAG : augmenter un LLM avec vos données
- RAG pratique : construire un assistant documentation
- RAG en production : sécurité, évaluation, observabilité
- Re-ranking : la passe qui fiabilise le retrieval
- reShapr : transformer une API cloud en serveur MCP FinOps
- Sécuriser une application LLM : injection, OWASP, guardrails
- Servir un LLM : batching et débit
- SGLang : serveur d'inférence LLM et RadixAttention
- L'assistant documentaire : le cœur de la stack souveraine
- Exposition sécurisée de la stack souveraine et bilan
- Observabilité FinOps de la stack par un serveur MCP
- Le socle de la stack souveraine : Ollama, Qdrant, LiteLLM
- Stack IA souveraine : l'architecture du fil rouge
- Extraire du contenu web pour un pipeline RAG
- Nettoyer du texte pour un pipeline RAG
- vLLM : servir un LLM en production sur GPU
Thèmes couverts
agents comparatif 15
agents function calling 15
agents langgraph 15
agents mcp 15
agents memoire 15
agents multi 15
agents patterns 15
agents pydanticai 15
Voir les 65 autres thèmes
agents sandbox 15
agents smolagents 15
agents 15
chainlit 15
chroma 15
chunking semantique 15
comparatif backends inference 15
embeddings 15
faiss 15
hugging face 15
ia panorama 15
inference llm 15
litellm async 15
litellm embeddings 15
litellm proxy server 15
litellm router 15
litellm 15
llama cpp 15
llm 15
mcp client 15
mcp deploiement 15
mcp oauth 15
mcp protocole 15
mcp securite 15
mcp serveur avance 15
mcp serveur 15
mcp tests 15
mcp transports 15
mcp 15
observabilite llm 15
ollama avance 15
ollama models 2026 15
ollama structured outputs 15
ollama tool calling 15
ollama vision 15
ollama 15
otel genai 15
pgvector 15
prompt engineering 15
prompting avance 15
qdrant 15
quantification llm 15
quantification pratique 15
rag agentique 15
rag avance 15
rag chunking 15
rag introduction 15
rag pratique 15
rag production 15
rag reranking 15
reshapr 15
servir llm 15
sglang 15
stack exposition 15
stack finops 15
stack socle 15
trafilatura 15
traitement texte 15
vllm 15
stack assistant 14
stack souveraine 14
agentique 13
fine tuning 11
securite llm 11
ollama depannage 11