Prenez contact avec nous

Plan du cours

Introduction aux LLM et aux cadres d’agents

  • Aperçu des grands modèles de langage dans l’automatisation des infrastructures.
  • Concepts clés des workflows multi-agents.
  • AutoGen, CrewAI et LangChain : cas d’usage dans le DevOps.

Configuration des agents LLM pour les tâches DevOps

  • Installation d’AutoGen et configuration des profils d’agents.
  • Utilisation de l’API OpenAI et d’autres fournisseurs de LLM.
  • Mise en place d’espaces de travail et d’environnements compatibles avec CI/CD.

Automatisation des workflows de tests et de qualité du code

  • Conception de prompts pour générer des tests unitaires et d’intégration à l’aide de LLM.
  • Utilisation d’agents pour faire respecter les règles de linting, les conventions de validation (commit) et les directives de revue de code.
  • Rédaction automatique de résumés et ajout de balises aux demandes de tirage (pull requests).

Agents LLM pour la gestion des alertes et la détection des modifications

  • Conception d’agents répondants pour les alertes d’échec de pipeline.
  • Analyse des journaux (logs) et des traces à l’aide de modèles de langage.
  • Détection proactive des modifications à haut risque ou des configurations erronées.

Coordination multi-agents dans le DevOps

  • Orchestration d’agents basée sur les rôles (planificateur, exécutant, réviseur).
  • Boucles de messagerie entre agents et gestion de la mémoire.
  • Conception avec intervention humaine pour les systèmes critiques.

Sécurité, gouvernance et observabilité

  • Gestion de l’exposition des données et de la sécurité des LLM dans les infrastructures.
  • Audit des actions des agents et restriction de leur périmètre.
  • Suivi du comportement des pipelines et de l’impact des modèles.

Cas d’usage réels et scénarios personnalisés

  • Conception de workflows d’agents pour la réponse aux incidents.
  • Intégration des agents avec GitHub Actions, Slack ou Jira.
  • Pratiques recommandées pour l’échelle de l’intégration des LLM dans le DevOps.

Résumé et prochaines étapes

Pré requis

  • Expérience avec les outils DevOps et l’automatisation des pipelines.
  • Connaissance pratique de Python et des workflows basés sur Git.
  • Compréhension des LLM ou expérience en ingénierie des prompts (prompt engineering).

Audience cible

  • Ingénieurs innovateurs et responsables de plateformes intégrant l’IA.
  • Développeurs LLM travaillant dans le domaine du DevOps ou de l’automatisation.
  • Professionnels du DevOps explorant les cadres d’agents intelligents.
 14 Heures

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires