Formation · RAG & applications LLM · C# & .NET

RAG & applications LLM pour les développeurs C# et .NET

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 C# et .NET » est une formation pratique destinée notamment aux profils suivants : Développeurs C# sous ASP.NET Core, Blazor ou WPF, Équipes migrant des applications du .NET Framework vers le .NET moderne et Architectes logiciels de solutions .NET et Azure. 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 C# & .NET.

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.

C# et .NET sont solidement implantés dans de nombreuses entreprises : API ASP.NET Core, interfaces Blazor et WPF, services Azure et applications métier héritées de l’ère .NET Framework. La migration du .NET Framework classique vers le .NET moderne et multiplateforme mobilise notamment des ressources considérables. Les assistants et agents de codage IA prennent en charge une grande part du travail mécanique : conversion des fichiers projet au format SDK, repérage des dépendances WCF ou Web Forms, écriture de tests xUnit ou NUnit, optimisation des requêtes Entity Framework Core et activation des nullable reference types. Pour y parvenir, ils ont besoin de contexte sur la structure de la solution, les règles d’analyse et les choix d’architecture. Vous apprendrez à les utiliser dans votre IDE ou en ligne de commande.

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 C# sous ASP.NET Core, Blazor ou WPF
  • Équipes migrant des applications du .NET Framework vers le .NET moderne
  • Architectes logiciels de solutions .NET et Azure
  • Développeurs d’applications métier dans l’industrie et les PME

Les défis concrets que nous traitons

  • Une migration coûteuse d’applications .NET Framework reposant sur WCF, Web Forms ou d’anciens paquets NuGet
  • De grandes solutions comptant de nombreux projets, des dépendances circulaires et peu de tests
  • Des problèmes de performance dus à des requêtes Entity Framework inefficaces
  • Une gestion hétérogène de la nullabilité, d’async/await et de l’injection de dépendances

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.
  • Mobiliser des agents IA pour les migrations .NET, les refactorings et la génération de tests dans de grandes solutions.
  • Optimiser l’accès aux données Entity Framework Core et les API ASP.NET Core avec l’aide de l’IA.
  • Définir des règles d’analyse, des conventions et des critères de revue que le code C# généré respecte de façon fiable.

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 : C# & .NET
  • Migrer vers le .NET moderne
  • Écrire des tests xUnit et NUnit
  • Optimiser Entity Framework Core
  • Activer les nullable reference types
  • Développer des API ASP.NET Core
  • Analyse de code et refactoring
Module 7 Protection des données, qualité & mise en pratique
  • Déterminez si le code source peut être transmis à des modèles cloud et quels paramètres de tenant ou de région s’appliquent, et excluez des prompts les chaînes de connexion et secrets issus de User Secrets ou de Key Vault. Les nouveaux paquets NuGet doivent être vérifiés (licence, provenance, vulnérabilités), notamment au regard des obligations 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

Migrer vers le .NET moderne

L’agent analyse les projets via l’outillage de mise à niveau et le compilateur, convertit les csproj au format SDK, remplace les API incompatibles et propose des alternatives à WCF ou System.Web jusqu’à ce que la solution compile et que les tests passent.

Écrire des tests xUnit et NUnit

Services, contrôleurs et logique métier reçoivent des tests unitaires avec Moq ou NSubstitute ainsi que des tests d’intégration via WebApplicationFactory. L’IA couvre les cas limites en respectant vos conventions de test.

Optimiser Entity Framework Core

L’IA analyse le SQL généré, détecte les problèmes N+1, l’absence d’AsNoTracking ou des Include mal placés, puis crée migrations et projections pour des requêtes plus rapides.

Activer les nullable reference types

Nullable est activé projet par projet ; l’IA traite les avertissements du compilateur, ajoute clauses de garde et annotations et rend explicites les hypothèses implicites du code.

Développer des API ASP.NET Core

Les spécifications deviennent des minimal APIs ou des contrôleurs avec validation, gestion d’erreurs ProblemDetails, authentification et documentation OpenAPI, dans le respect de l’architecture en couches existante.

Analyse de code et refactoring

Les alertes des analyseurs Roslyn sont corrigées méthodiquement, les classes trop lourdes découpées, les anti-patterns asynchrones comme .Result supprimés et l’enregistrement des dépendances harmonisé. Le build et les tests garantissent un comportement inchangé.

Projets pratiques possibles

Service en minimal APIs

Un service ASP.NET Core avec minimal APIs, EF Core, health checks, journalisation structurée et tests d’intégration, entièrement développé par un agent IA à partir d’une spécification.

Inventaire de migration

Un outil console qui analyse une solution, recense frameworks cibles, paquets NuGet et API incompatibles, puis génère un plan de migration priorisé.

Interface d’administration Blazor

Une petite application Blazor de gestion de données de référence, avec validation de formulaires, tableaux filtrables et connexion à une API REST existante.

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 bonne maîtrise de C#, une expérience d’ASP.NET Core ou du développement desktop .NET, ainsi qu’une pratique de Visual Studio, Rider ou VS Code et de 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

Déterminez si le code source peut être transmis à des modèles cloud et quels paramètres de tenant ou de région s’appliquent, et excluez des prompts les chaînes de connexion et secrets issus de User Secrets ou de Key Vault. Les nouveaux paquets NuGet doivent être vérifiés (licence, provenance, vulnérabilités), notamment au regard des obligations du Cyber Resilience Act.

Dates proposées

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

  • lun. 23 novembre 2026 – mar. 24 novembre 2026 En ligne Demander
  • mer. 2 décembre 2026 – jeu. 3 décembre 2026 Augsbourg Demander
  • mar. 15 décembre 2026 – mer. 16 décembre 2026 En ligne Demander
  • lun. 11 janvier 2027 – mar. 12 janvier 2027 Kaiserslautern Demander
  • jeu. 28 janvier 2027 – ven. 29 janvier 2027 En ligne Demander
  • mer. 10 février 2027 – jeu. 11 février 2027 Brême 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 aide-t-elle vraiment à migrer depuis le .NET Framework ?

Oui, surtout pour le travail mécanique : conversion des fichiers projet, détection des API incompatibles, suggestion de bibliothèques de remplacement et correction itérative des erreurs de build. Les choix d’architecture structurants, comme le remplacement de WCF par gRPC ou REST, restent l’affaire de l’équipe. Vous apprendrez à découper ces migrations en étapes vérifiables.

Les agents IA fonctionnent-ils avec Visual Studio ?

De nombreux assistants IA s’intègrent directement à Visual Studio, VS Code ou Rider, d’autres travaillent dans le terminal avec la CLI dotnet. Les méthodes enseignées sont indépendantes de l’outil : vous apprenez à fournir le contexte, à découper les tâches et à sécuriser les résultats par le build, les analyseurs et les tests.

Combien coûte la formation « RAG & applications LLM pour les développeurs C# et .NET » ?

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 C# et .NET

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