Formation · RAG & applications LLM · Back-end Node.js

RAG & applications LLM pour les développeurs back-end Node.js

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

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

« RAG & applications LLM pour les développeurs back-end Node.js » est une formation pratique destinée notamment aux profils suivants : Développeurs back-end sous Express, Fastify ou NestJS, Développeurs full-stack en charge des couches d’API et Développeurs de fonctions serverless et de services d’intégration. 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 Back-end Node.js.

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. Pendant ces deux jours, 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.

Pour de nombreuses équipes, Node.js constitue l’ossature des API REST et GraphQL, des services temps réel, des fonctions serverless et des couches d’intégration. Le travail back-end obéit à des schémas récurrents : routes et validation, accès aux données avec Prisma, Drizzle ou TypeORM, authentification, gestion des erreurs, journalisation et tests sur de vraies dépendances. Les assistants et agents de codage IA prennent ces schémas en charge de façon fiable dès lors qu’ils connaissent l’architecture du projet. Ils génèrent des endpoints à partir de spécifications OpenAPI, restructurent des applications Express en modules, écrivent des tests d’intégration avec Testcontainers et analysent fuites mémoire et blocages de la boucle d’événements. Vous apprendrez à les utiliser sans sacrifier sécurité, observabilité et maintenabilité.

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 back-end sous Express, Fastify ou NestJS
  • Développeurs full-stack en charge des couches d’API
  • Développeurs de fonctions serverless et de services d’intégration
  • Architectes logiciels de microservices Node.js

Les défis concrets que nous traitons

  • Des applications Express sans séparation claire des couches et à la gestion d’erreurs dispersée
  • Une validation des entrées insuffisante et des failles d’authentification ou d’autorisation
  • Des problèmes de performance liés à du code bloquant ou à des fuites mémoire difficiles à diagnostiquer
  • L’absence de tests d’intégration couvrant bases de données, files de messages et API externes

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.
  • Faire développer par des agents IA des endpoints, des couches d’accès aux données et des tests d’intégration adaptés à votre architecture Node.js.
  • Utiliser l’IA pour analyser les problèmes de performance, les fuites mémoire et les failles de sécurité côté serveur.
  • Définir des garde-fous pour que le code back-end généré respecte vos standards de validation, de journalisation et de gestion des erreurs.

Programme

Jour 1

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

Jour 2

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 : Back-end Node.js
  • Endpoints à partir de spécifications
  • Accès aux données et migrations
  • Tests d’intégration avec Testcontainers
  • Restructurer une application Express
  • Analyser performances et fuites mémoire
  • Durcissement de la sécurité
Module 7 Protection des données, qualité & mise en pratique
  • Les back-ends traitent souvent des données personnelles : données de production, logs et dumps de base ne doivent jamais figurer tels quels dans les prompts, et les identifiants issus des variables d’environnement doivent rester exclus. Contrôlez les nouvelles dépendances npm (chaîne d’approvisionnement, licences) et, pour les services critiques, tenez compte des exigences de sécurité de NIS2.
  • 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

Endpoints à partir de spécifications

À partir d’un schéma OpenAPI ou GraphQL, l’agent génère routes ou resolvers, validation avec Zod ou class-validator, couches de services et réponses d’erreur homogènes, en respectant la structure existante de votre projet.

Accès aux données et migrations

L’IA modélise les schémas Prisma, Drizzle ou TypeORM, rédige les migrations, optimise les requêtes à l’aide d’index et de transactions et explique leur impact sur les données existantes avant le déploiement.

Tests d’intégration avec Testcontainers

L’assistant écrit des tests qui démarrent de vraies bases de données, Redis ou brokers de messages dans des conteneurs, injectent des données de test et vérifient les endpoints de bout en bout avec Supertest.

Restructurer une application Express

Les projets Express monolithiques sont découpés en modules avec contrôleurs, services et repositories, les middlewares harmonisés et le code à callbacks converti en async/await, le tout sécurisé par des tests.

Analyser performances et fuites mémoire

L’IA interprète heap snapshots, profils d’exécution et logs, repère les opérations qui bloquent la boucle d’événements et propose des solutions comme les streams, les worker threads ou la mise en cache.

Durcissement de la sécurité

L’agent passe en revue les flux d’authentification par JWT ou session, ajoute limitation de débit, en-têtes HTTP sécurisés et validation des entrées, et confronte le code aux risques de sécurité API de l’OWASP.

Projets pratiques possibles

Service relais de webhooks

Un service Fastify qui reçoit les webhooks de différents éditeurs SaaS, vérifie leurs signatures, place les événements en file d’attente et les transmet aux systèmes internes avec relances automatiques.

File de tâches avec tableau de bord

Un service de traitement en arrière-plan reposant sur BullMQ et Redis, avec stratégies de relance, interface de supervision et tests d’intégration.

Prototype de passerelle d’API

Une passerelle légère assurant authentification, limitation de débit, journalisation des requêtes et routage vers plusieurs services back-end, entièrement développée par un agent IA.

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. Une expérience du développement back-end avec Node.js et JavaScript ou TypeScript, ainsi que des bases en bases de données, HTTP et Git.

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 back-ends traitent souvent des données personnelles : données de production, logs et dumps de base ne doivent jamais figurer tels quels dans les prompts, et les identifiants issus des variables d’environnement doivent rester exclus. Contrôlez les nouvelles dépendances npm (chaîne d’approvisionnement, licences) et, pour les services critiques, tenez compte des exigences de sécurité de NIS2.

Dates proposées

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

  • mer. 25 novembre 2026 – jeu. 26 novembre 2026 En ligne Demander
  • mer. 9 décembre 2026 – jeu. 10 décembre 2026 Brême Demander
  • jeu. 14 janvier 2027 – ven. 15 janvier 2027 En ligne Demander
  • mar. 19 janvier 2027 – mer. 20 janvier 2027 Salzbourg Demander
  • lun. 1 février 2027 – mar. 2 février 2027 En ligne Demander
  • mar. 16 février 2027 – mer. 17 février 2027 Kaiserslautern 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.

La formation convient-elle aussi bien à NestJS qu’à Express ?

Oui. Nous nous appuyons sur des principes indépendants du framework – séparation des couches, validation, testabilité – et montrons par l’exemple comment consigner les conventions d’Express, Fastify ou NestJS dans des fichiers d’instructions. L’assistant produit alors un code adapté à votre framework et à la structure de votre projet.

Comment éviter que l’IA ne produise du code back-end vulnérable ?

Grâce à des règles claires, des contrôles automatisés et une relecture critique. Pendant la formation, vous définissez des règles de sécurité pour la validation, l’authentification et l’accès aux données, intégrez analyse statique et scan des dépendances, et apprenez à repérer les failles typiques du code généré, comme un contrôle d’autorisation manquant.

Combien coûte la formation « RAG & applications LLM pour les développeurs back-end Node.js » ?

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 développeurs back-end Node.js

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