Descriptif
Agentic engineering : workflows, agents et parallélisation est une formation de 3 jours (21 heures), de niveau expert, rattachée au domaine « Intelligence artificielle pour l'IT ». Concevoir, orchestrer et évaluer des systèmes multi agents fiables. Conçue et animée par des praticiens en activité, elle alterne apports ciblés (30 %) et mises en pratique (70 %) sur des laboratoires cloud individuels, avec des cas inspirés des secteurs banque, assurance et services publics. Disponible en inter-entreprises, en intra sur catalogue et en version sur mesure adaptée au contexte de l'entreprise.
Objectifs pédagogiques
À l'issue de la formation, le participant sera capable de :
- Patterns agentiques : routage, orchestration, évaluateur
- Outils et appels de fonctions
- Parallélisation et gestion d'état
- Évaluation et garde-fous
- Projet : agent métier multi étapes
Programme détaillé
| N° | Contenus et activités | Durée |
|---|---|---|
| Jour 1 | ||
| 1 | Cadrage : tour de table, périmètre agentique visé par chaque participant et prise en main du laboratoire | 0,5 h |
| 2 | Du workflow déterministe à l'agent : chaînage, routage, orchestrateur-exécutants, évaluateur-optimiseur | 1,5 h |
| 3 | Travaux pratiques : implémenter un routeur de demandes avec LangGraph sur un jeu de tickets fictifs | 2 h |
| 4 | Travaux pratiques : exposer trois outils métier et gérer les appels de fonctions avec l'OpenAI Agents SDK puis Mistral Agents | 3 h |
| Jour 2 | ||
| 5 | Gestion d'état, mémoire courte et longue, points de reprise et rattrapage d'erreur dans un graphe LangGraph | 1,5 h |
| 6 | Travaux pratiques : paralléliser les branches d'un graphe et agréger les résultats (map-reduce agentique) | 2,5 h |
| 7 | Atelier : composer une équipe d'agents CrewAI (rôles, délégation, arbitrage) sur un dossier fictif de recouvrement | 2 h |
| 8 | Démonstration commentée : outiller un agent par Model Context Protocol et déléguer une branche à un scénario n8n | 1 h |
| Jour 3 | ||
| 9 | Évaluer un système agentique : jeux de tests, jugement par modèle, métriques de trajectoire, de coût et de latence | 1,5 h |
| 10 | Travaux pratiques : garde-fous, budget de jetons, plafond d'itérations et validation humaine sur les actions sensibles | 2 h |
| 11 | Projet : agent métier multi étapes de bout en bout, exécuté sur modèle ouvert auto-hébergé puis sur service managé | 2,5 h |
| 12 | Soutenance des projets, revue d'architecture croisée et plan d'action individuel | 1 h |
Méthodes pédagogiques
- Pédagogie active : 55 % du temps en pratique encadrée — laboratoires cloud provisionnés par participant, travaux pratiques guidés, fil rouge applicatif —, le reste en apports structurés, démonstrations commentées, cadrage et évaluation
- répartition calculée sur le déroulé détaillé de cette formation, et non annoncée de façon uniforme
- classe inversée avec prérequis sur le LMS
- apprentissage adaptatif selon le positionnement initial
- travaux en binômes
- classe virtuelle en séquences de 3 h 30 maximum sur Microsoft Teams
- support clair, complet et paginé remis à chaque participant
Technologies et outils mobilisés
LangGraph, CrewAI, OpenAI Agents SDK, Mistral Agents, Model Context Protocol, n8n
Modalités d'évaluation et de validation
- Positionnement initial en ligne
- quiz de validation à chaque séquence
- évaluation finale des acquis (QCM et mise en situation)
- satisfaction à chaud
- questionnaire de transfert à 30 jours
- attestation de fin de formation
Plateforme, laboratoires et ressources
- LMS DATAROCKSTARS : parcours, supports numériques, quiz, évaluations, émargement par demi-journée
- laboratoires cloud individuels accessibles depuis un navigateur, sans installation, données fictives, détruits en fin de session
- bibliothèque O'Reilly (plus de 60 000 ressources)
- accès aux supports pendant 6 mois