Formation · Claude Code · AI engineering & applications LLM

Claude Code pour les AI engineers

Le coding agentique avec Claude Code dans le terminal et l’IDE : CLAUDE.md, sous-agents, hooks, MCP, CI et gestion fine des permissions.

Durée
2 jours (14 h)
Format
En ligne ou en présentiel
Langue
Allemand ou anglais
Participants
sessions ouvertes ou intra-entreprise
Attestation
Attestation de participation

Présentation

Cette formation associe Claude Code aux processus quotidiens du domaine AI engineering & applications LLM. Les participants travaillent sur des scénarios réalistes et repartent avec des prompts, des workflows et des checklists immédiatement utilisables.

Claude Code est l’assistant de développement agentique d’Anthropic, qui travaille directement dans votre terminal et dans les principaux IDE. Au lieu de compléter des lignes isolées, il explore votre dépôt, planifie des modifications sur plusieurs fichiers, lance des commandes et des tests, puis prépare les commits. En deux jours, vous apprenez à l’utiliser de façon maîtrisée : des consignes de projet claires dans CLAUDE.md, une gestion réfléchie du contexte et une méthode où vous gardez la main sur la direction et sur chaque modification.

La formation s’appuie sur des tâches de développement concrètes : analyser un bug, livrer une fonctionnalité, refactorer du code hérité, compléter la couverture de tests. Vous configurez des sous-agents spécialisés, imposez des contrôles qualité grâce aux hooks, connectez des systèmes externes via le Model Context Protocol (MCP) et capitalisez le savoir de l’équipe sous forme de skills. Pour finir, vous exécutez Claude Code en mode headless dans vos pipelines CI et définissez permissions, sandbox et règles d’approbation adaptées aux environnements sensibles.

L’AI engineering est la discipline qui transforme les modèles de langage en produits fiables : assistants conversationnels, analyse de documents, génération augmentée par la recherche, agents dotés d’outils et fonctions d’IA intégrées aux applications existantes. Le code qui entoure le modèle est souvent plus exigeant que l’appel au modèle lui-même, car versionnage des prompts, sorties structurées, évaluation, maîtrise des coûts, latence, observabilité et protection contre l’injection de prompt font la différence en production. Les assistants de codage IA et les agents accélèrent précisément ce travail, de la construction de pipelines d’évaluation aux définitions d’outils et serveurs MCP, jusqu’à l’analyse des erreurs dans les traces. Vous apprendrez à développer méthodiquement des applications LLM avec l’IA, à rendre leur qualité mesurable et à les exploiter de façon sûre, économique et conforme.

La formation se déroule en direct – en ligne dans une classe virtuelle ou en présentiel dans nos salles à Munich, Salzbourg, Berlin, Augsbourg, Hanovre, Brême, Stuttgart et Kaiserslautern. Nous pouvons également l’organiser en intra pour votre équipe.

À qui s’adresse cette formation ?

  • Développeurs intégrant des fonctions LLM dans leurs produits
  • AI engineers et machine learning engineers
  • Data scientists spécialisés en IA générative
  • Équipes backend et plateforme fournissant l’infrastructure IA
  • Product owners techniques responsables de fonctionnalités IA

Les défis concrets que nous traitons

  • Des prototypes brillants en démonstration mais d’une qualité irrégulière en production
  • L’absence d’évaluation systématique qui rend risquée toute modification de prompt ou de modèle
  • Des coûts, une latence et des limites de débit qui dérapent avec la montée en charge
  • De nouveaux risques liés à l’injection de prompt, aux fuites de données et aux agents trop privilégiés

Objectifs pédagogiques

  • Vous confiez à Claude Code des tâches de développement en plusieurs étapes tout en gardant le contrôle de chaque modification.
  • Vous tenez à jour un fichier CLAUDE.md qui transmet efficacement conventions, commandes et repères d’architecture à l’agent.
  • Vous étendez Claude Code avec des sous-agents, des hooks, des serveurs MCP et des skills adaptés à votre équipe.
  • Vous intégrez Claude Code à vos workflows Git et à vos pipelines CI avec des résultats traçables et couverts par des tests.
  • Vous développez méthodiquement avec des outils de codage IA des applications RAG, des agents et des fonctions LLM prêts pour la production.
  • Vous rendez la qualité de vos applications LLM mesurable et pilotable grâce à des évaluations automatisées.
  • Vous exploitez vos applications LLM de façon sûre et économique, avec observabilité, protection contre l’injection de prompt et droits maîtrisés.

Programme

Jour 1

Module 1 Principes et fonctionnement de Claude Code
  • Installation, connexion et utilisation dans le terminal, VS Code et les IDE JetBrains
  • Comprendre la boucle agentique : lire, planifier, agir, vérifier
  • Utiliser le mode plan pour valider l’approche avant toute modification
  • Rédiger des demandes efficaces avec objectif, contexte et critères d’acceptation
Module 2 Contexte projet avec CLAUDE.md et gestion du contexte
  • Structurer CLAUDE.md au niveau du projet, des répertoires et de l’utilisateur
  • Documenter commandes de build, de test et conventions de style pour que l’agent les respecte
  • Maîtriser la fenêtre de contexte : références ciblées, compactage, nouvelles sessions
  • Reprendre une session et découper les tâches longues en étapes maîtrisables
Module 3 Étendre Claude Code : sous-agents, hooks, MCP et skills
  • Définir des sous-agents pour la revue de code, la recherche ou la génération de tests
  • Utiliser les hooks pour imposer formatage, linting ou contrôles avant et après chaque outil
  • Connecter des serveurs MCP pour les outils de tickets, les bases de données ou la documentation interne
  • Créer des commandes slash et des skills pour les workflows récurrents de l’équipe
Module 4 Workflows Git, tests et assurance qualité
  • Créer branches, commits explicites et pull requests avec Claude Code
  • Travailler en test d’abord : faire écrire les tests avant l’implémentation
  • Relire les diffs méthodiquement, rejeter ou affiner les modifications
  • Organiser le travail en parallèle avec les worktrees Git et plusieurs sessions

Jour 2

Module 5 Mode headless, CI et sécurité
  • Exécuter Claude Code de façon non interactive dans des scripts et pipelines CI
  • Automatiser revues et traitement des tickets dans GitHub ou GitLab
  • Configurer modes de permission, règles d’autorisation et d’interdiction, sandbox
  • Gérer les secrets, les risques d’injection de prompt et les politiques d’entreprise
Module 6 Atelier pratique : AI engineering & applications LLM
  • Construire des pipelines RAG
  • Automatiser l’évaluation
  • Développer agents et outils
  • Fiabiliser les sorties structurées
  • Observabilité et coûts
  • Contrer l’injection de prompt
Module 7 Protection des données, qualité & mise en pratique
  • Les applications LLM traitent souvent des données personnelles et confidentielles : vous apprenez à situer les exigences de l’AI Act européen en matière de transparence et de niveaux de risque, à concevoir des flux conformes au RGPD avec contrats de sous-traitance et politiques d’effacement, à gérer les clés d’API en sécurité et à respecter les licences des modèles et jeux de données.
  • Règles du jeu pour un usage sûr de l’IA en équipe
  • Vérifier les résultats : faits, sources, tests et principe des quatre yeux
  • Plan d’action personnel pour les 30 prochains jours
  • Questions ouvertes, perspectives et ressources pour aller plus loin

Cas pratiques de votre domaine

Construire des pipelines RAG

Implémenter ingestion, découpage, embeddings, recherche vectorielle, recherche hybride et reranking, et générer des réponses sourcées en respectant les droits d’accès des documents d’origine lors de la récupération.

Automatiser l’évaluation

Créer des jeux de test avec réponses attendues, définir des métriques de pertinence, de fidélité et de format, calibrer une évaluation LLM-as-a-judge et l’exécuter en CI à chaque changement de prompt ou de modèle.

Développer agents et outils

Concevoir définitions d’outils et serveurs MCP, implémenter des boucles d’agent avec planification, appels d’outils et conditions d’arrêt, et prévoir droits et validation humaine pour les actions lourdes de conséquences.

Fiabiliser les sorties structurées

Définir des schémas JSON pour les réponses du modèle, valider les sorties, mettre en place des stratégies de relance en cas d’erreur et rendre robustes les tâches d’extraction comme les données de factures ou de contrats.

Observabilité et coûts

Collecter traces, consommation de tokens, latences et taux d’erreur, analyser les conversations problématiques et réduire les coûts grâce au cache, au routage entre modèles et à la réduction du contexte.

Contrer l’injection de prompt

Tester des scénarios d’attaque via documents, pages web ou résultats d’outils manipulés, filtrer entrées et sorties, restreindre les droits des agents et intégrer durablement des tests de red teaming au pipeline.

Projets pratiques possibles

Assistant documentaire sourcé

Un chat RAG sur des documents internes, avec citations, boutons de retour et page d’évaluation qui suit la qualité des réponses sur un jeu de questions.

Banc d’évaluation

Un outil en ligne de commande qui exécute des variantes de prompts sur un jeu de test, note les résultats et met clairement en évidence les écarts entre versions.

Extracteur de documents

Un service qui reçoit des PDF, en extrait des données structurées selon un schéma JSON, les valide et signale les cas incertains pour vérification manuelle.

Prérequis

Vous avez une pratique réelle de la programmation dans au moins un langage et maîtrisez Git ainsi que la ligne de commande. Vous avez de solides compétences en programmation, idéalement en Python ou TypeScript, et l’habitude des API ; une première expérience des API de LLM est utile sans être indispensable.

Prérequis techniques

Ordinateur portable personnel avec droits administrateur, Git, environnement Node.js et un éditeur récent ; un abonnement Claude ou un accès à l’API Anthropic est nécessaire pour les exercices.

Protection des données & conformité

Les applications LLM traitent souvent des données personnelles et confidentielles : vous apprenez à situer les exigences de l’AI Act européen en matière de transparence et de niveaux de risque, à concevoir des flux conformes au RGPD avec contrats de sous-traitance et politiques d’effacement, à gérer les clés d’API en sécurité et à respecter les licences des modèles et jeux de données.

Dates proposées

Toutes les dates sont indicatives – votre date souhaitée est toujours possible.

  • lun. 23 novembre 2026 – mar. 24 novembre 2026 En ligne Demander
  • lun. 30 novembre 2026 – mar. 1 décembre 2026 Augsbourg Demander
  • mar. 15 décembre 2026 – mer. 16 décembre 2026 En ligne Demander
  • jeu. 14 janvier 2027 – ven. 15 janvier 2027 En ligne Demander
  • lun. 18 janvier 2027 – mar. 19 janvier 2027 Kaiserslautern Demander
  • lun. 1 février 2027 – mar. 2 février 2027 En ligne Demander

Questions fréquentes

Qu’est-ce qui distingue Claude Code de l’autocomplétion classique ?

L’autocomplétion propose les lignes suivantes, alors que Claude Code agit comme un agent capable de traiter une tâche entière : il explore le dépôt, planifie des modifications sur plusieurs fichiers, exécute tests et commandes, puis se corrige à partir des résultats. Vous fixez l’objectif et validez le résultat au lieu de piloter chaque ligne.

Claude Code est-il suffisamment sûr pour un usage en entreprise ?

Par défaut, Claude Code demande une validation avant de modifier un fichier ou de lancer une commande. Règles de permission, sandbox, paramètres gérés et hooks permettent de définir précisément ce que l’agent a le droit de faire. Pendant la formation, vous apprenez à les configurer selon vos exigences de sécurité et de protection des données, et à évaluer des risques comme l’injection de prompt.

Claude Code fonctionne-t-il avec mon langage et ma stack technique ?

Oui. Claude Code est indépendant du langage, car il travaille avec des fichiers, des commandes de terminal et vos outils de build et de test existants. Python, Java, TypeScript, Go, développements SAP ou infrastructure as code : l’essentiel est un CLAUDE.md bien rédigé qui décrit vos commandes et conventions. Chaque déclinaison de la formation apporte l’ancrage métier.

Qu’est-ce qui distingue l’AI engineering du machine learning classique ?

En machine learning classique, vous entraînez vos propres modèles sur vos propres données. En AI engineering, vous exploitez le plus souvent des modèles de langage préentraînés via API ou hébergés en interne, et vous vous concentrez sur le contexte, la recherche documentaire, les outils, l’évaluation et l’exploitation. Les compétences en génie logiciel priment alors sur la statistique. C’est précisément l’angle de cette formation.

Comment savoir si notre application LLM est suffisamment bonne ?

Grâce à un jeu d’évaluation composé de questions réalistes et de résultats attendus, à une combinaison de contrôles à base de règles, d’évaluation LLM-as-a-judge et de vérifications humaines par échantillon, ainsi qu’à un suivi en production. L’essentiel est d’exécuter ces évaluations automatiquement à chaque modification. Vous mettez en place un tel dispositif pendant la formation.

Combien coûte la formation « Claude Code pour les AI engineers » ?

La formation coûte 949 € HT forfaitaires par participant – en ligne comme en présentiel. Sont inclus 2 jour(s) de formation avec un formateur en direct, les supports de cours, un environnement d’exercice et une attestation de participation.

Puis-je proposer ma propre date ?

Oui. Nos dates sont indicatives. Dans le formulaire, vous pouvez à tout moment indiquer librement la date ou la période souhaitée – nous vérifions les disponibilités et confirmons sous un jour ouvré.

La formation a-t-elle lieu en ligne ou en présentiel ?

Les deux sont possibles : en direct dans une classe virtuelle ou en présentiel à Munich, Salzbourg, Berlin, Augsbourg, Hanovre, Brême, Stuttgart ou Kaiserslautern. Nous pouvons aussi l’organiser en intra pour votre équipe.

Autres formations pour les AI engineers

Autres formations Claude Code

Les 77 formations Claude Code

Claude Code · MunichClaude Code · SalzbourgClaude Code · BerlinClaude Code · AugsbourgClaude Code · HanovreClaude Code · BrêmeClaude Code · StuttgartClaude Code · KaiserslauternClaude Code · En ligne