Formation – RAG & applications LLM – Go

RAG & applications LLM pour les développeurs Go

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 développeurs Go » est une formation pratique destinée notamment aux profils suivants : Développeurs Go en équipes back-end et plateforme, Développeurs d’outils cloud native, d’opérateurs et de CLI et Ingénieurs SRE qui maintiennent leur propre code Go. 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 Go.

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.

Go est le langage de nombreux outils cloud native, microservices, CLI et composants d’infrastructure. Sa force tient à sa simplicité, à sa compilation rapide et à sa concurrence native, mais goroutines, channels, gestion du contexte et traitement des erreurs exigent de la rigueur. Les assistants et agents de codage IA s’accordent particulièrement bien avec Go : le compilateur, go vet et le race detector fournissent un retour rapide et sans ambiguïté sur lequel un agent peut itérer. Tâches typiques : tests pilotés par tables, handlers gRPC et HTTP générés à partir de spécifications, détection de race conditions ou de fuites de goroutines, refactorings vers des interfaces nettes. Vous apprendrez à obtenir de l’IA du Go idiomatique et à le vérifier avec l’outillage natif.

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 Go en équipes back-end et plateforme
  • Développeurs d’outils cloud native, d’opérateurs et de CLI
  • Ingénieurs SRE qui maintiennent leur propre code Go
  • Architectes logiciels de microservices hautes performances

Les défis concrets que nous traitons

  • Des bugs de concurrence subtils : race conditions, interblocages, fuites de goroutines
  • Du code répétitif dans la gestion des erreurs, les handlers et les tests
  • Des structures de projet et des découpages d’interfaces hétérogènes dans des bases de code en croissance
  • Une analyse délicate des allocations mémoire et des latences

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 produire par des agents IA du code Go, des tests et des services idiomatiques, conformes aux conventions du langage.
  • Utiliser l’IA de façon ciblée pour analyser les problèmes de concurrence et de performance.
  • Sécuriser le code généré grâce au compilateur, à go vet, au race detector, au linting et aux benchmarks.

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 : Go
  • Écrire des tests pilotés par tables
  • Implémenter des services gRPC et HTTP
  • Traquer les bugs de concurrence
  • Refactorings idiomatiques
  • Profiler les performances
  • Construire des CLI et outils
Module 7 Protection des données, qualité & mise en pratique
  • L’outillage Go s’exécute souvent au cœur de l’infrastructure : excluez strictement kubeconfigs, jetons et certificats du contexte des assistants IA. Vérifiez la provenance, la licence et les vulnérabilités connues des nouveaux modules, par exemple avec govulncheck, et consignez les dépendances dans une SBOM, comme l’exige le Cyber Resilience Act pour les produits comportant des éléments numériques.
  • 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

Écrire des tests pilotés par tables

L’agent génère des tests table-driven idiomatiques avec sous-tests, helpers et fakes d’interfaces, lance go test avec le race detector et ajoute les cas limites manquants jusqu’à atteindre la couverture souhaitée.

Implémenter des services gRPC et HTTP

Les définitions Protobuf ou spécifications OpenAPI donnent des handlers, des middlewares de journalisation et d’authentification, une propagation du contexte avec délais d’expiration et des retours d’erreur propres.

Traquer les bugs de concurrence

L’IA analyse les rapports du race detector, les dumps de goroutines et le code à base de channels ou de mutex, explique l’origine des interblocages ou des fuites et propose des corrections avec errgroup ou l’annulation de contexte.

Refactorings idiomatiques

Les paquets trop gros sont démêlés, de petites interfaces côté consommateur introduites, les erreurs enveloppées et testées avec errors.Is, et le code aligné sur les règles de golangci-lint.

Profiler les performances

Les profils pprof et résultats de benchmarks sont interprétés, les points chauds et allocations superflues identifiés, et chaque optimisation justifiée par des benchmarks avant et après.

Construire des CLI et outils

L’assistant crée des outils en ligne de commande avec Cobra ou la bibliothèque standard, incluant configuration, journalisation structurée, compilation croisée et automatisation des releases. Tests et aide en ligne sont inclus.

Projets pratiques possibles

Agrégateur de health checks

Un service Go qui interroge en parallèle les endpoints de santé de nombreux services, consolide les résultats et les expose en JSON et sous forme de métriques Prometheus.

CLI d’expédition de logs

Un outil léger qui suit des fichiers de logs, filtre les entrées et les envoie par lots vers un endpoint HTTP, avec backoff et arrêt propre.

Rapport de ressources Kubernetes

Une CLI basée sur client-go qui lit les requests et limits de tous les déploiements et présente les anomalies dans un tableau clair.

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 pratique de Go, y compris goroutines, interfaces et modules, ainsi que des bases en Git et en conteneurs.

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

L’outillage Go s’exécute souvent au cœur de l’infrastructure : excluez strictement kubeconfigs, jetons et certificats du contexte des assistants IA. Vérifiez la provenance, la licence et les vulnérabilités connues des nouveaux modules, par exemple avec govulncheck, et consignez les dépendances dans une SBOM, comme l’exige le Cyber Resilience Act pour les produits comportant des éléments numériques.

Dates & sites

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

  • Munich ven. 11 décembre 2026 6 h Demander
  • Salzbourg lun. 14 décembre 2026 6 h Demander
  • Berlin mar. 15 décembre 2026 6 h Demander
  • Augsbourg ven. 11 décembre 2026 6 h Demander
  • Hanovre lun. 14 décembre 2026 6 h Demander
  • Brême ven. 11 décembre 2026 6 h Demander
  • Stuttgart mer. 16 décembre 2026 6 h Demander
  • Kaiserslautern jeu. 10 décembre 2026 6 h Demander
  • En ligne jeu. 10 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 écrit-elle vraiment du Go idiomatique ?

Oui, avec un bon contexte. Sans consignes, les modèles reprennent parfois des habitudes d’autres langages, comme des interfaces trop larges ou une abstraction excessive. Pendant la formation, vous formalisez vos conventions Go, votre configuration de linter et des exemples de code pour que l’assistant privilégie des solutions simples, puis vous vérifiez le résultat avec golangci-lint.

L’IA détecte-t-elle les race conditions de manière fiable ?

L’IA est un excellent outil d’analyse, mais elle ne remplace pas le race detector. C’est la combinaison des deux qui fonctionne : l’agent exécute les tests avec le race detector, interprète les rapports et propose des correctifs. Vous apprendrez à mettre en place cette boucle et à évaluer d’un œil critique les modifications de synchronisation suggérées.

Combien coûte la formation « RAG & applications LLM pour les développeurs Go » ?

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 développeurs Go

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