Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 35 heures
Plan du cours
Fondamentaux de LangGraph pour la finance
- Rappel sur l'architecture de LangGraph et l'exécution avec état.
- Cas d'usage en finance : copilotes de recherche, support de négociation, agents de service client.
- Contraintes réglementaires et considérations d'auditabilité.
Normes et ontologies de données financières
- Bases sur ISO 20022, FpML et FIX.
- Mappage des schémas et ontologies dans l'état du graphe.
- Qualité des données, lignée et traitement des PII (Données Personnelles Identifiantes).
Orchestration des flux de travail pour les processus financiers
- Flux de travail d'enregistrement KYC (Know Your Customer) et LBC-FT (Lutte contre le blanchiment de capitaux).
- Cycle de vie des transactions, gestion des exceptions et des dossiers.
- Adjudication de crédits et chemins de décision.
Conformité, risque et contrôles
- Application des politiques et gestion des risques du modèle.
- Mesures de garde-fous, approbations et étapes de supervision humaine.
- Journaux d'audit, rétention et explicabilité.
Intégration et déploiement
- Connexion aux systèmes cœur, aux lacs de données et aux API.
- Conteneurisation, gestion des secrets et des environnements.
- Chaînes CI/CD, déploiements progressifs et déploiements canari.
Observabilité et performance
- Journaux structurés, métriques, traçage et surveillance des coûts.
- Tests de charge, SLO (Objectifs de niveau de service) et budgets d'erreur.
- Réponse aux incidents, retours en arrière et modèles de résilience.
Qualité, évaluation et sécurité
- Tests unitaires, de scénario et harnais d'évaluation automatisés.
- Red teaming, prompts adverses et contrôles de sécurité.
- Curaturation des jeux de données, surveillance de la dérive et amélioration continue.
Synthèse et prochaines étapes
Pré requis
- Compréhension de Python et du développement d'applications LLM
- Expérience avec les API, les conteneurs ou les services cloud
- Familiarité de base avec les domaines financiers ou les modèles de données
Public cible
- Technologues spécialisés dans les domaines métier
- Architectes de solutions
- Consultants construisant des agents LLM dans des industries régulées