Formation LLMOps : agents IA en production

Name: Formation LLMOps : agents IA en production
Brand: Human Coders
SKU: 7047
Price: 2500 EUR
Availability: InStock
Rating: 4.7 (15 reviews)

Trois jours pour passer vos agents IA du notebook à la production : projet logiciel maintenable, connexion au SI via MCP, exposition en API et tests.

Description
Programme
Formateur(s)

Description
Programme
Formateur(s)
Demander un devis

Cette formation LLMOps vous permettra de transformer un prototype d'agent en service fiable, sécurisé et exploitable par vos équipes.

Pendant 3 jours, vous apprendrez à :

connecter un agent à votre système d'information et l'exposer comme un service testé,
garder la main sur son comportement grâce à la validation humaine, aux garde-fous de sécurité et aux stratégies de repli,
le déployer, l'observer et en maîtriser le coût dans la durée.

Public

Cette formation s'adresse aux développeur·euse·s, data engineers, AI engineers, architectes et profils DevOps/SRE qui disposent déjà d'un prototype d'agent ou de RAG fonctionnel et veulent le mettre en service.

Elle porte sur l'exploitation et non sur la conception : si votre besoin est de concevoir et d'orchestrer des agents avec l'API Claude, la formation Agents IA est plus adaptée.

Les objectifs

Structurer une application agentique en projet logiciel maintenable
Connecter un agent au système d'information via le protocole MCP et l'exposer par API
Tester un composant non déterministe et intégrer des points de contrôle humains
Identifier et traiter les risques de sécurité propres aux agents
Déployer un système agentique avec une chaîne CI/CD et l'instrumenter en production
Diagnostiquer un incident et maîtriser le coût total de possession du système

Pré-requis

Pratiquer Python et Git au quotidien
Être à l'aise avec la ligne de commande et les notions d'API REST
Avoir suivi la formation LLM : RAG et agents IA ou avoir déjà construit un prototype LLM (RAG ou agent)
Ordinateur portable à apporter

Le programme de la formation LLMOps : agents IA en production

Jour 1 — De l'agent au service exploitable

Cadrage : pourquoi les prototypes IA ne passent pas en production
- Les six causes récurrentes d'échec du passage en production
- Rappel express des briques (LLM, embedding, RAG, agent, outil) vues comme composants à câbler
- Anatomie du dépôt de départ et prise en main de l'environnement de travail
Sortir du notebook
- Structure d'un projet applicatif IA : couches, dépendances, configuration
- Séparation prompt / code : le prompt comme ressource versionnée
- Gestion des secrets : environnement local, coffre-fort cloud, rotation de clés
- Packaging et reproductibilité
Connecter l'agent au système d'information avec MCP
- MCP comme standard d'interconnexion : positionnement face aux intégrations sur mesure
- Exposer le SI côté serveur : écriture d'un serveur MCP maison sur une source métier
- Architecture d'un système agentique connecté : sources de données, outils, orchestrateur
- Tool calling : structuration des instructions (rôle, objectifs, contraintes métier)
Exposer et tester
- Exposition par API (REST synchrone, streaming, event-driven) : critères de choix
- Contrat d'interface et gestion des erreurs côté client
- Tester un système non déterministe : ce qui est testable et ce qui ne l'est pas
- Tests de contrat, jeux de référence, mocks de LLM, tests de coût

Mises en pratique :

Refactoring du prototype fourni en projet structuré
Connexion de l'assistant à une base de tickets via un serveur MCP
Exposition de l'assistant par API et écriture d'une suite de tests automatisés

Jour 2 — Fiabilité, contrôle humain et sécurité

Human-in-the-loop
- Placer l'humain selon le coût de l'erreur : grille de décision
- Patterns : validation avant action, seuil d'approbation, escalade sur incertitude, revue a posteriori
- Copilote ou autopilote : conséquences sur l'architecture et sur l'adoption
- Reprise d'exécution après validation et gestion de l'état en attente
Sécuriser un agent
- Surface d'attaque spécifique : injection de prompt directe et indirecte, exfiltration de données, actions non contrôlées, empoisonnement de la base documentaire
- Garde-fous : validation des entrées, contrôle des sorties, sandboxing, restriction d'outils
- Principe de moindre privilège appliqué aux agents : droits sur les API, bases et services
- Cloisonnement des données selon l'utilisateur qui interroge
Gestion des erreurs et stratégies de repli
- Modes de défaillance : outil ou modèle indisponible, réponse hors format, hallucination, boucle infinie
- Retry, timeout, circuit breaker, dégradation fonctionnelle, arrêt contrôlé
- Détection des comportements inattendus en cours d'exécution
- Que renvoyer à l'utilisateur quand le système échoue
Traçabilité et gouvernance
- Journal d'audit : quelles décisions et quelles actions conserver
- Gouvernance des données : usage, auditabilité, obligations de transparence
- Journalisation utile : quoi conserver, quoi ne jamais conserver

Mises en pratique :

Création de ticket soumise à validation humaine, avec reprise d'exécution et journal d'audit
Mise en défaut de l'assistant par injection de prompt, puis mise en place des protections
Implémentation d'une chaîne de fallback et test en conditions dégradées

Jour 3 — Déploiement, observabilité et maintien en condition opérationnelle

Déploiement
- Cibles (conteneurs managés, serverless, plateformes applicatives) : critères et compromis
- Conteneurisation d'une application agentique : démarrage à froid, dépendances lourdes
- Configuration par environnement et promotion entre environnements
- CI/CD : que faire passer en intégration continue quand les tests sont non déterministes
Observabilité
- Ce qu'on mesure et pourquoi : latence, coût, taux d'erreur, qualité de réponse
- Traçage de bout en bout d'une exécution agentique : outils et mise en place
- Corrélation trace / incident / retour utilisateur, seuils d'alerte pertinents
Coûts et maintien en condition opérationnelle
- Décomposition du coût par requête : appels, contexte, outils, réessais
- Leviers : caching, choix du modèle par tâche, réduction du contexte, batching
- Coût total de possession : infrastructure, API, maintenance, évolution
- Évaluation continue, versioning de prompt et déploiement progressif
- Dérive : changement de modèle chez le fournisseur, obsolescence du corpus, réindexation
Incident et clôture
- Dette technique propre aux systèmes IA : prompts, pipelines, dépendances modèles
- Runbook d'incident : détection, diagnostic, correction, communication
- Retours d'expérience : ce qui casse réellement en production

Mises en pratique :

Déploiement de l'assistant sur une infrastructure cloud avec chaîne CI/CD
Instrumentation complète et tableau de bord coût / latence / qualité
Optimisation du coût du fil rouge sous contrainte de qualité mesurée
Simulation d'incident et diagnostic par les traces d'exécution

Télécharger le programme

Thématiques de cette formation

IA LLM

Formateur

Daouda DIOP

Daouda est docteur-ingénieur en optique et vision par ordinateur. Il a forgé son expertise dans la fibre optique, l'astronomie aérospatiale et le développement d'algorithmes de computer vision pour véhicules autonomes.

Sa maîtrise de C++, Matlab, Python et des technologies comme Hadoop, Spark, SQL et Power BI, acquise notamment lors de sa thèse dont une partie concerne le synchrotron, fait de lui un formateur d’exception.

Que ce soit à l'université ou en milieu professionnel, Daouda forme des data engineers et des data analysts, adaptant ses cours à son public avec des projets concrets. Il sait capter l’attention en mêlant théorie et pratique, permettant aux stagiaires d’appliquer Spark sur des cas réels, comme l’analyse de données événementielles sur un datalake Azure.

Suivez une formation avec Daouda pour transformer vos compétences en data !

FAQ

Le LLMOps regroupe les pratiques qui permettent de mettre en production et d'exploiter une application construite sur un LLM : déploiement, tests, observabilité, sécurité et maîtrise des coûts. Le MLOps porte sur des modèles que l'on entraîne soi-même (données, entraînement, réentraînement). Le LLMOps part le plus souvent d'un modèle fourni par un tiers et s'occupe de ce qui l'entoure : prompts versionnés, connexions au système d'information, comportement non déterministe, coût par requête, changement de modèle chez le fournisseur. C'est ce que cette formation vous fera pratiquer, appliqué aux agents IA.

Pas obligatoirement : il faut avoir suivi LLM : RAG et agents IA ou avoir déjà construit un prototype LLM, RAG ou agent. Vous devez aussi pratiquer Python et Git au quotidien et être à l'aise avec la ligne de commande et les API REST.

Cette formation porte sur l'exploitation et non sur la conception : elle part d'un prototype d'agent ou de RAG fonctionnel pour le mettre en service. Pour concevoir et orchestrer des agents avec l'API Claude, la formation Agents IA est plus adaptée.

Le deuxième jour traite de la fiabilité, du contrôle humain et de la sécurité : tester un composant non déterministe, intégrer des points de contrôle humains et traiter les risques propres aux agents. Pour une formation entièrement dédiée aux attaques et aux défenses, voyez Hacking et sécurité des applications LLM.

Le premier jour montre comment connecter un agent au système d'information via le protocole MCP et l'exposer par API. Le troisième jour couvre le déploiement avec une chaîne CI/CD, l'instrumentation en production et la maîtrise du coût total de possession.

Nos formations sont éligibles à plusieurs dispositifs de financement, selon votre situation. Human Coders est certifié Qualiopi, ce qui permet la prise en charge par des organismes comme Pôle emploi, votre OPCO ou encore le CPF (Compte Personnel de Formation) pour certaines formations.

Pour en savoir plus, veuillez consulter notre page : Comment financer votre formation ?

Oui, la formation peut être proposée en présentiel ou en distanciel. Pour les inter-entreprises, les modalités (présentiel ou à distance) sont fonction de la session.

Nous pouvons organiser des sessions à d'autres dates ou dans d'autres villes (Bordeaux, Lille, Lyon, Marseille, Montpellier, Nantes, Nice, Paris, Strasbourg, Toulouse...)

Les formations se déroulent toujours en petit groupe de 3 à 6 stagiaires. Nous souhaitons que les formateurs et formatrices puissent passer un maximum de temps avec chacun·e.

Voici une journée type :

9h : vous êtes accueillis par votre formateur·rice autour d'un petit déjeuner (croissants, pains au chocolat, jus de fruit, thé ou café...)
9h : la formation commence
12h30 : pause de midi. Le·a formateur·rice mangera avec vous. C'est l'occasion d'avoir des discussions plus informelles.
14h : reprise de la formation
17h30 : fin de la journée

8 raisons de participer à une formation Human Coders

Satisfaction client élevée : Un taux de satisfaction de 4,6/5 depuis 2012 (sur 1994 sessions réalisées). 99% des participants se disent satisfaits de nos formations
Approche pédagogique unique : Des formations en petit groupe, des formateurs passionnés et expérimentés, de véritables workshops... (Plus d'infos sur notre manifeste)
Catalogue de formations complet : 291 formations au catalogue, de quoi vous accompagner sur tout vos projets
Écosystème dynamique : Nous accompagnons les dev depuis 14 ans avec des initiatives comme Human Coders News, les Human Talks, le podcast ou encore notre serveur Discord
Financement facilité : Organisme certifié Qualiopi, indispensable pour que vous puissiez obtenir des aides au financement via votre OPCO
Références clients prestigieuses : De nombreux clients qui nous font confiance depuis des années
Accompagnement sur mesure : Nous vous proposons un accompagnement personnalisé par nos consultants pour vous aider dans vos projets au-delà de la formation
Valorisation professionnelle : Remise d'un diplôme, d'une attestation et d'une certification, suivant les formations effectuées, que vous pourrez afficher sur vos CV et réseaux sociaux