Plan du cours
Module 1 — Fondements communs (Jours 1–2)
Jour 1 — Matin : Le facteur humain dans l'adoption de l'IA
• Calibration de la confiance / dépendance : quand utiliser l'IA, quand s'arrêter.
• Structure d'accord d'équipe (déclencheur / action / preuve / propriétaire).
• Rôle du Conservateur de prompts : validation, décision, approbation. Plan de réponse aux incidents liés à l'IA.
Jour 1 — Après-midi : Contraintes, risques et conformité
• Réelles capacités des LLM — vecteurs de risque des prompts : injection, fuite de données, hallucinations.
• Cadre juridique : RGPD, Loi sur l'IA de l'UE — normes sectorielles (DICOM, HL7, HIPAA).
• Exercice pratique : traduire une norme de domaine en garde-fou de prompt.
Jour 2 — Matin : Architecture technique des prompts
• Architecture d'agent : mémoire, contexte, objectifs — d'une perspective de conception de prompts.
• Intégration API et sources de données de domaine, enchaînements multi-agents et 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 (organisationnelle) — Domaine (équipe) — Tâche (individuelle).
• Démo : déconstruire un prompt naïf, le reconstruire. Brief de l'équipe pour les Jours 3–5.
Module 2 — Ateliers de co-construction (Jours 3–4–5)
Jour 3 — Découverte et audit des normes
- Ateliers d'équipe parallèles : Architectes, Développeurs spécialisés, Back-End, QA.
- Cartographie des normes et contraintes de l'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 de balises (équipe, domaine, outil cible).
- Construction des premiers modèles validés : DICOM TypeScript, revue de code, tests QA, doc
API. - Livrable du Jour 4 : + de 4 modèles opérationnels + guide de conventions.
Jour 5 — Assemblage de la bibliothèque, gouvernance et transmission officielle
- Organisation de la bibliothèque, intégration GitHub Copilot / Cursor / API LLM interne.
- Rôle du Conservateur de prompts, métriques de qualité, rituels d'équipe, plan de déploiement sur 30 jours.
- Livrable final du Jour 5 : Bibliothèque v1.0 documentée + Charte de gouvernance + Plan sur 30 jours.
Pré requis
- Avoir suivi au moins une formation en IA (introductive ou avancée).
- Profils techniques : expérience de développement dans la pile technologique 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.
- Fourniture préalable : documentation des normes existantes (README, guides de codage).
Public cible
- Architectes logiciels
- Développeurs (domaine spécifique, back-end, front-end)
- Ingénieurs QA / techniciens de code
- Chefs d'équipe et cadres moyens
- Responsables TI, 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