Formation – Développement d’agents IA – Modernisation de l’existant

Développement d’agents IA pour la modernisation des systèmes hérités

Développer des agents IA de qualité professionnelle : architectures, tool use, SDK d’agents, LangGraph, mémoire, évaluations et déploiement.

Durée
6 heures, une session
Format
En ligne ou en présentiel
Langue
Allemand ou anglais
Participants
sessions ouvertes ou intra-entreprise
Attestation
Attestation de participation

Présentation

« Développement d’agents IA pour la modernisation des systèmes hérités » s’adresse notamment aux profils suivants : Développeurs en charge de systèmes COBOL, PL/I ou RPG, Équipes Java et .NET confrontées à des monolithes et frameworks vieillissants et Architectes logiciel et d’entreprise impliqués dans des programmes de modernisation. Elle montre pas à pas comment utiliser Développement d’agents IA de manière productive, sûre et traçable dans le domaine Modernisation de l’existant – des bases aux workflows avancés.

Les agents IA vont bien au-delà des chatbots classiques : ils décomposent les tâches, appellent des outils et des API, analysent les résultats et itèrent jusqu’à atteindre leur objectif. Cette formation compacte vous apprend à concevoir de tels systèmes pour qu’ils fonctionnent de manière fiable, traçable et sûre en entreprise. Vous comparez les modèles d’architecture, du workflow simple à la boucle agentique jusqu’aux systèmes multi-agents, et les mettez en pratique avec le Claude Agent SDK, l’OpenAI Agents SDK et LangGraph.

L’objectif n’est pas la démo rapide, mais le passage en production. Vous concevez avec soin les interfaces d’outils et le contexte, connectez des outils via le Model Context Protocol, structurez mémoire à court et à long terme et mettez en place des évaluations qui révèlent tôt les régressions. S’y ajoutent les garde-fous contre l’injection de prompt et les actions indésirables, la validation humaine, le traçage, la maîtrise des coûts et le déploiement. Vous saurez ensuite quand un agent se justifie, quand un workflow déterministe suffit et quel framework convient à votre projet.

De nombreux systèmes critiques reposent encore sur du COBOL mainframe, d’anciennes applications Java EE ou des solutions .NET Framework dont les auteurs sont partis depuis longtemps. Les assistants de codage IA et les agents rendent ces bases de code bien plus accessibles : ils expliquent la logique des programmes, reconstituent les règles métier, génèrent des tests de caractérisation et accompagnent une migration progressive vers des langages, frameworks et plateformes cloud modernes. Moderniser reste toutefois un travail d’ingénierie, car une traduction automatique sans compréhension ne fait que créer un nouvel existant. Vous apprendrez à mobiliser l’IA selon des approches éprouvées : le strangler fig, le branch by abstraction ou la couche anticorruption, à figer le comportement par des tests et à fonder vos décisions sur une analyse solide de l’existant.

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 en charge de systèmes COBOL, PL/I ou RPG
  • Équipes Java et .NET confrontées à des monolithes et frameworks vieillissants
  • Architectes logiciel et d’entreprise impliqués dans des programmes de modernisation
  • DSI et chefs de projet responsables de migrations
  • Consultants en modernisation applicative et migration cloud

Les défis concrets que nous traitons

  • Des règles métier enfouies sans documentation dans le code et un savoir disparu avec ses auteurs
  • L’absence de tests automatisés qui rend chaque modification risquée
  • Des frameworks obsolètes, des bibliothèques sans correctifs et des environnements d’exécution propriétaires
  • Des migrations big bang qui échouent sur le périmètre, la reprise de données et la double exploitation

Objectifs pédagogiques

  • Vous choisissez le bon patron pour chaque tâche, du workflow fixe à l’agent autonome.
  • Vous concevez outils et contexte pour que vos agents travaillent de façon fiable et économique.
  • Vous implémentez des agents avec le Claude Agent SDK, l’OpenAI Agents SDK ou LangGraph.
  • Vous mettez en place évaluations et traçage pour mesurer la qualité et détecter les régressions.
  • Vous utilisez des agents IA pour comprendre les systèmes hérités, documenter les règles métier et rendre les dépendances visibles.
  • Vous sécurisez le comportement existant par des tests de caractérisation générés avant de migrer ou de refactorer.
  • Vous planifiez et pilotez une modernisation incrémentale selon des modèles éprouvés plutôt qu’une bascule big bang risquée.

Programme

Module 1 Architectures d’agents et patrons de conception
  • Workflows ou agents : chaînage de prompts, routage, parallélisation, orchestrateur-exécutants
  • La boucle agentique : planifier, agir, observer, ajuster
  • Systèmes multi-agents, sous-agents et passages de relais entre agents
  • Critères de choix du modèle, du framework et du niveau d’autonomie
Module 2 Tool use et ingénierie du contexte
  • Function calling et sorties structurées avec JSON Schema
  • Bien concevoir ses outils : granularité, nommage, messages d’erreur, idempotence
  • Connecter et réutiliser des outils via des serveurs MCP
  • Gérer la fenêtre de contexte : résumé, compaction, retrieval et prompt caching
Module 3 Les frameworks en pratique
  • Claude Agent SDK : boucle agentique, outils, sous-agents, permissions et hooks
  • OpenAI Agents SDK : agents, handoffs, garde-fous et traçage
  • LangGraph : graphes à état, checkpointing et validation humaine
  • Comparaison sur une même tâche et critères de choix d’un framework
Module 4 Mémoire, évaluations et observabilité
  • Mémoire à court et long terme, stratégies de stockage et d’oubli
  • Jeux d’évaluation, LLM-as-a-judge et mesure du succès par tâche
  • Traçage des appels d’outils, de la consommation de tokens et des latences
  • Tests de non-régression lors de changements de prompts, de modèles ou d’outils
Module 5 Garde-fous, sécurité et déploiement
  • Se protéger contre l’injection de prompt, la fuite de données et les outils trop privilégiés
  • Contrôles des entrées et sorties, étapes de validation et sandboxing
  • Déploiement en service, exécution asynchrone, reprises et plafonds de coûts
  • Gouvernance, journalisation et exigences du RGPD et de l’AI Act européen
Module 6 Atelier pratique : Modernisation de l’existant
  • Extraire les règles métier
  • Cartographier les dépendances
  • Générer des tests de caractérisation
  • Mettre à niveau les frameworks
  • Traduire et refactorer le code
  • Concevoir une architecture strangler fig
Module 7 Protection des données, qualité & mise en pratique
  • Les systèmes hérités traitent souvent des données clients, financières ou d’assurance : vous apprenez à nettoyer code et données de test avant tout usage de l’IA, à clarifier les questions de licence et de droit d’auteur sur le code traduit et à prendre en compte le RGPD, DORA et les exigences des autorités sectorielles.
  • 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

Extraire les règles métier

Analyser paragraphes COBOL, copybooks ou classes de service Java, documenter la logique de calcul et de décision sous forme de règles lisibles et les valider avec les experts métier.

Cartographier les dépendances

Reconstituer graphes d’appels, chaînes de jobs JCL, accès aux bases et interfaces à partir du code, puis les représenter en diagrammes pour identifier les points de découpe d’un remplacement progressif.

Générer des tests de caractérisation

Figer le comportement actuel par des tests golden master ou d’approbation, dériver des jeux de données anonymisés à partir de cas réels et disposer d’un filet de sécurité avant toute migration.

Mettre à niveau les frameworks

Planifier le passage de Java EE à Jakarta EE ou Spring Boot, ou du .NET Framework vers .NET moderne, repérer les ruptures d’API et appliquer des modifications cohérentes sur de nombreux fichiers.

Traduire et refactorer le code

Convertir des modules COBOL en Java ou C# idiomatique plutôt que ligne à ligne, représenter correctement les décimaux packés et vérifier le résultat face à l’original par des tests comparatifs.

Concevoir une architecture strangler fig

Définir façades, couches de routage et couches anticorruption par lesquelles de nouveaux services reprennent pas à pas les fonctions de l’existant, synchronisation des données et retour arrière compris.

Projets pratiques possibles

Convertisseur de copybooks

Un outil qui lit des copybooks COBOL et génère schémas JSON, records Java ou tables SQL, en traitant correctement les champs décimaux et REDEFINES.

Portail de connaissance de l’existant

Une petite application web qui rend programmes analysés, règles métier et dépendances consultables et répond aux questions sur l’existant en citant ses sources.

Banc de tests comparatifs

Un harnais de test qui envoie les mêmes entrées à l’ancien et au nouveau système, compare les sorties champ par champ et consigne clairement les écarts.

Prérequis

De solides compétences en Python ou en TypeScript, une expérience des API REST et une première pratique des API de LLM ou des assistants IA. Vous avez une expérience de programmation dans au moins un langage de la plateforme source ou cible, par exemple COBOL, Java ou C#, ainsi que des notions d’architecture logicielle.

Prérequis techniques

Un ordinateur portable avec Python ou Node.js, Git et un éditeur de code, ainsi qu’un accès API à au moins un fournisseur de LLM, par exemple Anthropic ou OpenAI. Des identifiants pour les exercices peuvent être fournis si nécessaire.

Protection des données & conformité

Les systèmes hérités traitent souvent des données clients, financières ou d’assurance : vous apprenez à nettoyer code et données de test avant tout usage de l’IA, à clarifier les questions de licence et de droit d’auteur sur le code traduit et à prendre en compte le RGPD, DORA et les exigences des autorités sectorielles.

Dates & sites

Pour chaque site, nous proposons une date dans environ quatre semaines. Votre date souhaitée reste toujours possible.

  • Munich mer. 16 décembre 2026 6 h Demander
  • Salzbourg ven. 11 décembre 2026 6 h Demander
  • Berlin lun. 14 décembre 2026 6 h Demander
  • Augsbourg mar. 15 décembre 2026 6 h Demander
  • Hanovre jeu. 10 décembre 2026 6 h Demander
  • Brême mar. 15 décembre 2026 6 h Demander
  • Stuttgart jeu. 10 décembre 2026 6 h Demander
  • Kaiserslautern lun. 14 décembre 2026 6 h Demander
  • En ligne jeu. 10 décembre 2026 6 h Demander

Questions fréquentes

Quel framework d’agents choisir ?

Tout dépend de votre stratégie de modèles, du niveau de contrôle souhaité et des compétences de l’équipe. Les SDK des éditeurs offrent un démarrage léger avec des fonctions bien intégrées, tandis que LangGraph donne un contrôle plus fin sur l’état et les enchaînements. Pendant la formation, vous résolvez la même tâche avec plusieurs frameworks et en tirez des critères de choix concrets.

Comment empêcher un agent d’exécuter des actions erronées ou dangereuses ?

En combinant plusieurs niveaux de protection : outils au périmètre restreint et aux droits minimaux, validation des entrées et sorties, étapes d’approbation pour les actions critiques, sandboxing et évaluation continue. L’injection de prompt via des contenus externes est traitée comme un risque bien réel. Vous appliquez ces mesures directement à votre propre agent.

Toute automatisation nécessite-t-elle un agent ?

Non. De nombreuses tâches se traitent de façon plus fiable, moins coûteuse et plus transparente avec un workflow fixe de quelques appels au LLM. Un agent se justifie lorsque le chemin de résolution ne peut pas être planifié à l’avance et que le système doit s’adapter aux résultats intermédiaires. Nous travaillons précisément cet arbitrage sur des exemples concrets.

L’IA peut-elle traduire automatiquement un système COBOL en Java ?

L’IA traduit des modules isolés bien plus vite qu’un travail manuel, mais une traduction strictement ligne à ligne produit souvent un code difficile à maintenir. Mieux vaut d’abord comprendre et tester les règles métier, puis concevoir délibérément l’architecture cible. Pendant la formation, vous associez traduction assistée par IA, tests comparatifs et refactoring.

Comment traiter des bases de code très volumineuses ?

Un grand système hérité ne tient pas entièrement dans le contexte d’un modèle. On procède par inventaire méthodique, résumés par module, graphes de dépendances et récupération ciblée du code pertinent. Les agents travaillent alors module par module avec une mission précise. Vous apprenez à bâtir cette structure et à en tirer des éléments concrets pour vos décisions d’architecture.

Combien coûte la formation « Développement d’agents IA pour la modernisation des systèmes hérités » ?

La formation coûte 949 € HT forfaitaires par participant – en ligne comme en présentiel. Sont inclus 6 heures de formation en direct avec un formateur, les supports de cours, un environnement d’exercice et une attestation de participation.

Puis-je proposer ma propre date ?

Oui. Pour chaque site, nous proposons une date dans environ quatre semaines. Dans le formulaire, vous pouvez à tout moment indiquer librement la date ou la période souhaitée – nous vérifions les disponibilités et revenons vers vous 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 et Kaiserslautern. Nous pouvons aussi l’organiser en intra pour votre équipe.

La formation peut-elle être adaptée à notre équipe ?

Oui. Les formations sur mesure coûtent environ 4 500 € de plus, selon le sujet et après accord. Nous définissons ensemble au préalable les contenus, exemples et exercices.

Autres formations pour la modernisation des systèmes hérités

Autres formations Développement d’agents IA

Les 30 formations Développement d’agents IA

Développement d’agents IA – MunichDéveloppement d’agents IA – SalzbourgDéveloppement d’agents IA – BerlinDéveloppement d’agents IA – AugsbourgDéveloppement d’agents IA – HanovreDéveloppement d’agents IA – BrêmeDéveloppement d’agents IA – StuttgartDéveloppement d’agents IA – KaiserslauternDéveloppement d’agents IA – En ligne