Descriptif
Développer un assistant conversationnel avec Rasa et LlamaIndex est une formation de 3 jours (21 heures), de niveau expert, rattachée au domaine « Intelligence artificielle pour l'IT ». Développer un assistant conversationnel connecté aux connaissances de l'entreprise. 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 :
- Concevoir un chatbot intelligent adapté aux besoins métier spécifiques
- Gérer le traitement du langage naturel avec Rasa et LlamaIndex pour une compréhension fine
- Intégrer et déployer le chatbot dans un environnement de production sécurisé et scalable
- Optimiser la compréhension et les réponses du chatbot via des techniques avancées de NLP
- Maîtriser la construction et la gestion des pipelines de dialogue complexes avec Rasa
- Exploiter LlamaIndex pour enrichir les capacités de recherche et d’indexation contextuelle
Programme détaillé
| N° | Contenus et activités | Durée |
|---|---|---|
| Jour 1 | ||
| 1 | Cadrage : besoins métier des participants, installation de Rasa Open Source et du projet de démonstration | 0,5 h |
| 2 | Architecture Rasa : NLU, Core, politiques de dialogue, actions personnalisées et serveur d'actions — positionnement de Rasa Open Source face à Rasa Pro et à l'approche CALM par flux | 1,5 h |
| 3 | Travaux pratiques : définir intentions, entités et exemples, puis entraîner le modèle NLU sur un jeu fictif de demandes RH | 3 h |
| 4 | Travaux pratiques : écrire histoires et règles, puis éprouver le dialogue en mode interactif | 2 h |
| Jour 2 | ||
| 5 | Travaux pratiques : formulaires, validation des saisies, gestion des digressions et des interruptions | 2,5 h |
| 6 | Travaux pratiques : actions personnalisées appelant une API métier simulée et une base PostgreSQL | 2 h |
| 7 | LlamaIndex : index vectoriels, index de résumé, moteurs de requête et de discussion, routage des questions | 1,5 h |
| 8 | Travaux pratiques : indexer une base documentaire fictive et interroger l'index depuis une action Rasa | 1 h |
| Jour 3 | ||
| 9 | Travaux pratiques : affiner la compréhension — pipeline NLU, seuils de confiance, repli et désambiguïsation | 2 h |
| 10 | Travaux pratiques : évaluer NLU et dialogue (matrice de confusion, tests de bout en bout) et corriger les intentions confondues | 1,5 h |
| 11 | Démonstration commentée : réécrire un parcours en flux CALM et faire coexister flux et intentions existantes | 0,5 h |
| 12 | Travaux pratiques : conteneuriser avec Docker, versionner sur GitLab, tester les API avec Postman et déployer sur une plateforme cloud | 2 h |
| 13 | Bilan : supervision des conversations, boucle d'amélioration continue et plan d'action | 1 h |
Méthodes pédagogiques
- Pédagogie active : 76 % 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
LMS DATAROCKSTARS, Python 3.9+, Rasa Open Source (NLU et Core), LlamaIndex (anciennement GPT Index), Visual Studio Code avec extensions Python et Rasa, Docker pour containerisation, PostgreSQL ou MongoDB pour gestion des données conversationnelles, Git et GitHub/GitLab pour gestion de version, Postman pour tests API, Plateformes cloud (AWS, Azure, GCP) pour déploiement
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