Plan du cours
Bloc 1 — Fondations communes (Jours 1 à 2)
Jour 1 — Matin : Le facteur humain dans l'adoption de l'IA
• Calibration de la confiance et de la dépendance : quand utiliser l'IA, quand s'arrêter.
• Structure d'accord d'équipe (déclencheur / action / preuve / responsable).
• Rôle de Curateur des prompts : validation, décision, signature. Plan de réponse aux incidents d'IA.
Jour 1 — Après-midi : Contraintes, risques et conformité
• Réelles capacités des LLM — vecteurs de risque des prompts : injection, fuite de données, hallucinations.
• Cadre légal : RGPD, Loi européenne sur l'IA — normes sectorielles (DICOM, HL7, HIPAA).
• Exercice pratique : traduire une norme du domaine en garde-fou pour les prompts.
Jour 2 — Matin : Architecture technique des prompts
• Architecture des agents : mémoire, contexte, objectifs — du point de vue de la conception des prompts.
• Intégration API et sources de données métier, multi-agents et enchaînement de prompts.
Jour 2 — Après-midi : Anatomie du prompt d'entreprise
• Les 6 couches : Rôle / Contexte / Contraintes / Normes du domaine / Format / Exemples.
• Hiérarchie des prompts : Système (à l'échelle de l'organisation) — Domaine (équipe) — Tâche (individu).
• Démo : déconstruire un prompt naïf, le reconstruire. Brève d'équipe pour les jours 3 à 5.
Bloc 2 — Ateliers de co-construction (Jours 3, 4 et 5)
Jour 3 — Découverte et audit des normes
- Ateliers d'équipe en parallèle : Architectes, Développeurs spécialisés par domaine, Back-End, QA.
- Cartographie des normes et contraintes d'entreprise — identification des conflits inter-équipes.
- Livrable du jour 3 : Carte des normes + matrice de priorité impact / effort.
Jour 4 — Conception des conventions et construction des modèles
- Conventions de nommage, gestion des versions, système d'étiquettes (équipe, domaine, outil cible).
- Construction des premiers modèles validés : TypeScript DICOM, revue de code, tests QA, documentation API.
- Livrable du jour 4 : 4+ modèles opérationnels + guide des conventions.
Jour 5 — Assemblage de la bibliothèque, gouvernance et remise officielle
- Organisation de la bibliothèque, intégration de GitHub Copilot / Cursor / API LLM interne.
- Rôle de Curateur des prompts, métriques de qualité, rituels d'équipe, plan de déploiement sur 30 jours.
- Livrable final du jour 5 : Bibliothèque documentée v1.0 + Charte de gouvernance + Plan sur 30 jours.
Pré requis
- Avoir suivi au moins une formation en IA (initiale ou avancée).
- Profils techniques : expérience de développement dans la stack de l'entreprise.
- Profils managériaux : familiarité de base avec les outils d'IA (ChatGPT, Copilot, etc.).
- Engagement de l'entreprise : participation active des chefs d'équipe aux jours 3 à 5.
- Prérequis préalable : documentation des normes existante (README, guides de codage).
Cible
- Architectes logiciels
- Développeurs (spécialisés par domaine, back-end, front-end)
- Ingénieurs QA / Techniciens du code
- Chefs d'équipe et managers intermédiaires
- Responsables informatiques, décideurs et chefs de projet IA
Nos clients témoignent (1)
J'ai acquis des connaissances sur la bibliothèque Streamlit en Python et je vais certainement essayer de l'utiliser pour améliorer les applications de mon équipe qui sont actuellement développées avec R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Formation - GitHub Copilot for Developers
Traduction automatique