Prenez contact avec nous
 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

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires