Formation Spring AI

Description

Cette formation Spring AI vous permettra d'intégrer l'IA générative directement dans vos applications Java et Kotlin, sans quitter l'écosystème Spring que vous maîtrisez déjà.

Pendant 2 jours, vous apprendrez à :

• intégrer l'IA générative dans vos applications Spring Boot,
• obtenir des réponses fiables et directement exploitables, grâce à la mémoire de conversation, aux objets Java/Kotlin structurés et à des prompts maîtrisés,
• donner à l'IA accès à vos données et à vos actions métier avec le Tool Calling, la recherche Internet, la génération d'images et le RAG.

Public

Cette formation s'adresse aux développeur·euse·s Java/Kotlin, développeur·euse·s back-end, architectes et tech leads souhaitant intégrer des modèles d'IA (LLM) dans leurs applications, sans prérequis en intelligence artificielle.

Formation IA-friendly

Cette formation étant IA friendly, les sessions sont adaptées aux développeur·se·s qui souhaitent utiliser de l'IA pour coder. Les exercices sont conçus pour tirer parti des IDEs agentiques. Le·a formateur·rice vous accompagnera sur les bonnes pratiques du développement assisté par IA.

Les objectifs

• Comprendre le fonctionnement d'un LLM et le vocabulaire de l'IA générative (tokens, fenêtre de contexte, température)
• Intégrer Spring AI dans une application Spring Boot et dialoguer avec un modèle d'IA
• Changer de fournisseur d'IA (OpenAI, Gemini, Mistral, Ollama, Anthropic) sans réécrire le code applicatif
• Gérer la mémoire conversationnelle et obtenir des réponses structurées en objets Java/Kotlin
• Rédiger des prompts efficaces et étendre les capacités du modèle (Tool Calling, accès à Internet, génération d'images)
• Concevoir une solution de RAG pour interroger l'IA sur vos propres documents

Pré-requis

• Maîtriser le langage Java ou Kotlin
• Avoir une bonne connaissance de Spring / Spring Boot : injection de dépendances, starters, @RestController/@Controller, fichier application.properties
• Disposer d'un poste équipé d'IntelliJ IDEA et d'un accès Internet
• Aucune connaissance préalable en intelligence artificielle ou en machine learning n'est requise
• Ordinateur portable à apporter

Le programme de la formation Spring AI

Jour 1 — Fondamentaux des LLM et premiers pas avec Spring AI

• Comprendre l'IA générative et les LLM
  • Le paysage de l'IA : LLM, RAG, agents
  • Anatomie d'un LLM : tokens et facturation, fenêtre de contexte, température
  • Pourquoi un LLM est sans mémoire et ce qu'est le « knowledge cutoff »
• Découvrir Spring AI
  • Le framework officiel de l'écosystème Spring pour consommer des modèles d'IA
  • Le principe de portabilité : une seule API pour de nombreux fournisseurs
  • Les briques du framework : ChatClient, Prompts & Templates, Structured Output, ChatMemory, Embeddings & Vector Stores, RAG, Tool Calling, multimodalité
  • Le standard « 1 code, N providers »
• Choisir son fournisseur d'IA
  • Panorama des providers : OpenAI, Gemini, Groq, Ollama (local), Anthropic, Mistral
  • Critères de sélection : coût, offre gratuite, vitesse, confidentialité, multimodalité
  • Protocole compatible OpenAI vs starter natif du fournisseur
• Dialoguer avec le modèle
  • ChatModel (API bas niveau) ou ChatClient (surcouche confortable) : quand utiliser quoi
  • Construire un appel : .prompt(), .call(), .content()
• Gérer la mémoire de conversation (ChatMemory)
  • Le caractère « stateless » d'un LLM et ses conséquences
  • Les trois couches de la mémoire : où stocker, quoi renvoyer, quand l'appliquer
  • Stockage en mémoire ou persistant (JDBC)
  • Maîtriser les coûts grâce à une fenêtre de messages
• Métadonnées et accès à Internet
  • Exploiter le ChatResponse : consommation de tokens, finishReason, rate limit
  • Donner au modèle un accès à Internet : le principe du « grounding »

Mises en pratique :

• Créer un premier projet Spring Boot, obtenir une clé Gemini gratuite et lancer son premier prompt en jouant sur la température
• Brancher la mémoire de conversation et gérer un historique distinct par utilisateur via la session HTTP
• Activer la recherche Internet dans un prompt et analyser les métadonnées de la réponse

Jour 2 — Prompt engineering et capacités avancées : Tool Calling, images et RAG

• Structurer le dialogue
  • Les rôles : messages system, user et assistant
  • Récupérer directement un objet Java/Kotlin avec .entity() (Structured Output)
  • Gérer les listes et composer avec les limites (un LLM ne renvoie pas toujours un JSON valide)
• L'art du prompt (Prompt Engineering)
  • Les 5 piliers d'un bon prompt : rôle, tâche, contexte, contraintes, format
  • La démarche d'affinage itératif
  • Les grandes techniques : zero/one/few-shot, résumé, expansion, template, méta-prompt, traduction, narratif…
• Tool Calling (Function Calling)
  • Le principe : exposer au LLM des fonctions métier qu'il peut demander à appeler (météo, base de données, envoi de mail, calcul…)
  • Le LLM n'exécute jamais le code : il déclenche l'appel (finishReason = TOOL_CALLS), Spring AI l'exécute et lui renvoie le résultat
  • Les annotations @Tool et @ToolParam : le rôle clé du nom et de la description
  • L'option returnDirect et l'incompatibilité Tool Calling / accès Internet selon les fournisseurs
• Génération d'images
  • Générer des images depuis une application Spring AI
  • Le modèle image de Gemini (« Nano Banana ») : génération et transformation
• RAG : Retrieval Augmented Generation
  • Le principe : faire répondre l'IA sur vos propres documents
  • La phase d'ingestion : découpe en chunks, calcul des embeddings, stockage dans un VectorStore
  • La phase d'interrogation : recherche par similarité sémantique (top-k, distance cosinus)
  • Le choix du VectorStore : SimpleVectorStore (en mémoire), PGVector, Redis, Chroma, Milvus
  • La mise en œuvre avec Spring AI : RagConfig, IngestionService, QuestionAnswerAdvisor

Mises en pratique :

• « Prompt Golf » : obtenir un résultat précis avec le prompt le plus court possible
• Rédiger une page de vente en appliquant les techniques de prompt engineering
• Exposer une fonction métier et laisser l'IA décider de l'appeler (Tool Calling)
• Générer puis transformer une image à partir d'un prompt et d'un fichier
• Alimenter une IA avec ses propres documents (ingestion) et l'interroger (RAG)

Télécharger le programme

Formations associées

• 

  Spring

  5 jours
• 

  LLM avancé

  3 jours
• 

  Agents IA

  3 jours
• 

  LLM : RAG et agents IA

  3 jours
• 

  Initiation à l'IA

  2 jours
• 

  RAG avancé : retrieval et Qdrant

  4 jours

Formateur

Anthony MONTEIRO

Anthony Monteiro est formateur en développement Java et mobile (Android & iOS), reconnu pour sa capacité à faire progresser durablement les développeurs qu’il accompagne. Ingénieur de formation, il a très tôt occupé un rôle de référent et de mentor au sein de ses équipes : celui vers qui l’on se tourne quand une explication claire, structurée et rassurante fait la différence.

Après plusieurs expériences en entreprise et dans l’enseignement supérieur, Anthony a choisi de se consacrer entièrement à la formation, avec une conviction forte : un bon formateur n’impose pas un savoir, il crée les conditions de l’autonomie. Ses formations sont pensées pour permettre aux stagiaires de comprendre, pratiquer et surtout continuer seuls après la session. Attentif aux rythmes et aux profils, il adapte en permanence son accompagnement pour répondre aux besoins concrets des participants.

FAQ

8 raisons de participer à une formation Human Coders

• Satisfaction client élevée : Un taux de satisfaction de 4,6/5 depuis 2012 (sur 1968 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 : 277 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