Formation – RAG & applications LLM – Architecture logicielle

RAG & applications LLM pour les architectes logiciel

Développer des applications RAG et LLM : embeddings, bases vectorielles, chunking, retrieval, évaluation, coûts et protection des données.

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

« RAG & applications LLM pour les architectes logiciel » est une formation pratique destinée notamment aux profils suivants : Architectes logiciel et architectes solution, Architectes d’entreprise en lien avec le développement applicatif et Développeurs seniors et tech leads ayant des responsabilités d’architecture. Vous découvrez RAG & applications LLM non pas de façon abstraite, mais à travers des tâches de votre quotidien – avec des exemples, des exercices et des modèles issus du domaine Architecture logicielle.

La génération augmentée par récupération, ou RAG, relie les modèles de langage à vos propres connaissances : manuels, contrats, tickets, wikis ou données produits deviennent interrogeables et sont fournis au modèle comme contexte au moment de la requête. Vous obtenez des assistants qui répondent sur des bases solides, sources à l’appui, au lieu d’halluciner. Au cours de cette journée intensive, vous construisez un pipeline RAG complet, de la préparation des documents à la génération des réponses en passant par les embeddings et la base vectorielle, et identifiez les leviers qui font réellement la qualité.

Le second jour mène du prototype à une application robuste. Vous comparez les stratégies de chunking, combinez recherche sémantique et lexicale, appliquez reranking, filtres de métadonnées et reformulation des requêtes, puis mesurez leur effet grâce à des évaluations systématiques. Sont également abordés le prompt caching, la maîtrise des coûts, l’optimisation de la latence, les droits d’accès au niveau des documents et une exploitation conforme au RGPD et à l’AI Act européen. Vous saurez quand un RAG classique suffit, quand une grande fenêtre de contexte ou un retrieval agentique convient mieux, et comment justifier vos choix d’architecture.

Lorsque des agents IA écrivent une grande partie du code, l’architecture gagne en importance : des frontières de modules nettes, des décisions documentées et des objectifs de qualité vérifiables forment le cadre qui garde le code généré cohérent. Les assistants IA épaulent aussi directement les architectes, par exemple pour analyser une base de code existante, produire des diagrammes C4, rédiger des Architecture Decision Records ou comparer des alternatives au regard des attributs de qualité. Fitness functions et tests d’architecture peuvent être générés et intégrés aux pipelines. Cette formation vous apprend à faire de l’IA un interlocuteur pour vos choix d’architecture, à formaliser votre savoir architectural pour que les agents de codage le respectent et à détecter tôt l’érosion dans des bases de code en forte croissance.

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 ?

  • Architectes logiciel et architectes solution
  • Architectes d’entreprise en lien avec le développement applicatif
  • Développeurs seniors et tech leads ayant des responsabilités d’architecture
  • Architectes plateforme et cloud
  • Responsables de la gouvernance et des comités d’architecture

Les défis concrets que nous traitons

  • Une documentation d’architecture vite obsolète et décalée par rapport au code réel
  • Des décisions prises à l’oral dont le contexte se perd
  • Une érosion progressive par dépendances cycliques et violations des couches
  • Sans consignes claires, le code généré par l’IA ignore les modèles et conventions établis

Objectifs pédagogiques

  • Vous construisez un pipeline RAG complet, de la préparation des documents aux réponses sourcées.
  • Vous choisissez de façon argumentée modèle d’embeddings, stratégie de chunking et base vectorielle.
  • Vous améliorez la pertinence des résultats grâce à la recherche hybride, au reranking et aux filtres de métadonnées.
  • Vous mesurez la qualité de votre application par des évaluations systématiques et détectez les régressions.
  • Vous utilisez l’IA pour analyser l’existant, évaluer des options d’architecture et consigner les décisions sous forme d’ADR.
  • Vous ancrez les règles d’architecture comme fitness functions dans le pipeline et détectez l’érosion au plus tôt.
  • Vous structurez contexte et règles pour que les agents de codage IA respectent durablement vos choix d’architecture.

Programme

Module 1 Fondamentaux du RAG et des applications LLM
  • Anatomie d’un pipeline RAG : ingestion, indexation, recherche, génération
  • Comprendre les embeddings : similarité sémantique, dimensions, choix du modèle
  • Arbitrer entre RAG, fine-tuning et grandes fenêtres de contexte
  • Sorties structurées, citation des sources et gestion des hallucinations
Module 2 Préparation des documents et chunking
  • Extraire de façon fiable PDF, documents bureautiques, HTML et tableaux
  • Stratégies de chunking : taille fixe, selon la structure, sémantique, avec chevauchement
  • Enrichir les métadonnées et générer des résumés contextuels par chunk
  • Mise à jour incrémentale et suppression de documents dans l’index
Module 3 Bases vectorielles et stratégies de recherche
  • Comparer bases et extensions vectorielles comme pgvector, Qdrant, Weaviate ou OpenSearch
  • Recherche hybride combinant vecteurs et plein texte avec BM25
  • Reranking, filtres de métadonnées et reformulation des requêtes
  • Retrieval agentique : le modèle décide lui-même des étapes de recherche et des outils
Module 4 Évaluation et assurance qualité
  • Constituer et entretenir des jeux de test à partir de vraies questions
  • Métriques de recherche comme le rappel et la précision, métriques de réponse comme la fidélité
  • Utiliser et calibrer à bon escient un LLM-as-a-judge
  • Tests de non-régression lors de changements de chunking, de modèle ou de prompt
Module 5 Exploitation, coûts et protection des données
  • Prompt caching, traitement par lots et choix du modèle pour réduire les coûts
  • Optimiser la latence et diffuser les réponses en streaming
  • Droits au niveau des documents, cloisonnement des clients et protection contre l’injection de prompt
  • Protection des données : localisation, sous-traitance, politique de suppression, RGPD et AI Act européen
Module 6 Atelier pratique : Architecture logicielle
  • Documenter les décisions d’architecture
  • Reconstituer l’architecture existante
  • Évaluer les alternatives
  • Générer des fitness functions
  • Garde-fous pour agents de codage
  • Découper les domaines
Module 7 Protection des données, qualité & mise en pratique
  • Les documents d’architecture décrivent souvent des éléments sensibles comme les zones réseau et les flux de données : vous apprenez quelles informations confier à un service d’IA, comment évaluer les risques de licence des composants et comment refléter de façon traçable les exigences du RGPD, de NIS2 et du Cyber Resilience Act.
  • 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

Documenter les décisions d’architecture

Transformer discussions, comptes rendus et pull requests en Architecture Decision Records structurés, avec contexte, options étudiées, décision et conséquences, rangés de façon cohérente dans le dépôt.

Reconstituer l’architecture existante

Analyser une base de code, en extraire modules, dépendances et interfaces et générer des diagrammes C4 à jour en diagrams-as-code avec PlantUML, Mermaid ou Structurizr.

Évaluer les alternatives

Comparer monolithe modulaire, microservices ou intégration événementielle au regard de scénarios de qualité, des coûts et de l’organisation des équipes, et rendre les compromis visibles selon les principes de l’ATAM.

Générer des fitness functions

Traduire des règles d’architecture comme les accès entre couches, les dépendances interdites ou les conventions de nommage en tests automatisés avec ArchUnit, dependency-cruiser ou équivalent, intégrés à la CI.

Garde-fous pour agents de codage

Décrire principes, frontières de modules et modèles dans des fichiers de règles et documents de contexte afin que les agents IA les respectent lors de la génération, et repérer les écarts en revue.

Découper les domaines

Dériver des résultats d’event storming et des descriptions métier les bounded contexts, agrégats et context maps du Domain-Driven Design, puis s’en servir pour structurer équipes et services.

Projets pratiques possibles

Assistant ADR

Un outil en ligne de commande qui transforme quelques notes en ADR complet selon un modèle, relie les décisions connexes et met à jour un index dans le dépôt.

Visualiseur de dépendances

Un script qui analyse les imports d’une base de code, signale cycles et violations de couches et affiche un diagramme interactif dans le navigateur.

Questions-réponses d’architecture

Une petite application qui indexe ADR, diagrammes et code et répond aux questions sur l’architecture en citant les sources concernées.

Prérequis

De solides compétences en Python (ou à défaut en TypeScript), des bases en bases de données et API REST ainsi qu’une première expérience des API de LLM. Vous avez plusieurs années d’expérience en développement et avez déjà pris ou accompagné des décisions d’architecture sur des systèmes d’envergure.

Prérequis techniques

Un ordinateur portable avec Python, Git, Docker et un éditeur de code, ainsi qu’un accès API à au moins un fournisseur de LLM et d’embeddings. Des identifiants pour les exercices peuvent être fournis si nécessaire.

Protection des données & conformité

Les documents d’architecture décrivent souvent des éléments sensibles comme les zones réseau et les flux de données : vous apprenez quelles informations confier à un service d’IA, comment évaluer les risques de licence des composants et comment refléter de façon traçable les exigences du RGPD, de NIS2 et du Cyber Resilience Act.

Dates & sites

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

  • Munich jeu. 10 décembre 2026 6 h Demander
  • Salzbourg lun. 14 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 jeu. 10 décembre 2026 6 h Demander
  • Stuttgart jeu. 10 décembre 2026 6 h Demander
  • Kaiserslautern lun. 14 décembre 2026 6 h Demander
  • En ligne ven. 11 décembre 2026 6 h Demander

Questions fréquentes

Quand privilégier le RAG plutôt que le fine-tuning ?

Le RAG s’impose lorsqu’un modèle doit s’appuyer sur des connaissances récentes, volumineuses ou changeantes, et citer ses sources. Le fine-tuning agit plutôt sur le style, le format ou un comportement spécialisé. Dans beaucoup de projets, le RAG est la voie la plus rapide, la moins coûteuse et la plus maîtrisable, parfois complétée par un fine-tuning ciblé.

Quelle base de données vectorielle choisir ?

Cela dépend du volume de données, de l’infrastructure existante, des besoins de filtrage et du mode d’exploitation. Si vous utilisez déjà PostgreSQL, pgvector vous mènera souvent loin ; les solutions spécialisées se distinguent sur les gros volumes et la recherche hybride. Vous comparez plusieurs options en pratique pour définir vos critères de choix.

Comment exploiter un RAG en conformité avec le RGPD ?

Il faut choisir des fournisseurs offrant une localisation des données adaptée et un contrat de sous-traitance, contrôler les droits au niveau des documents, prévoir une politique de suppression pour l’index et les journaux et minimiser les données personnelles. Pour les données très sensibles, des modèles auto-hébergés sont envisageables. Nous examinons ces options sur des architectures réalistes.

L’IA peut-elle prendre des décisions d’architecture ?

L’IA est un excellent interlocuteur : elle propose des options, explicite les compromis, relève les failles d’un raisonnement et documente les décisions de façon structurée. La responsabilité reste humaine, car l’architecture dépend du contexte de l’entreprise, des compétences des équipes, du budget et de l’appétence au risque. Vous apprenez à l’utiliser pour décider mieux et plus vite.

Comment éviter que les agents IA n’érodent l’architecture ?

En combinant contexte explicite et contrôle automatisé : fichiers de règles et ADR décrivent frontières et modèles, fitness functions et tests d’architecture en CI bloquent les écarts, et les revues se concentrent sur les changements structurels. L’architecture cesse alors d’être une simple documentation pour devenir un garde-fou vérifiable, pour les humains comme pour les agents.

Combien coûte la formation « RAG & applications LLM pour les architectes logiciel » ?

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 les architectes logiciel

Autres formations RAG & applications LLM

Les 29 formations RAG & applications LLM

RAG & applications LLM – MunichRAG & applications LLM – SalzbourgRAG & applications LLM – BerlinRAG & applications LLM – AugsbourgRAG & applications LLM – HanovreRAG & applications LLM – BrêmeRAG & applications LLM – StuttgartRAG & applications LLM – KaiserslauternRAG & applications LLM – En ligne