Formation · RAG & applications LLM · Java & Spring

RAG & applications LLM pour les développeurs Java et Spring

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

Cette formation associe RAG & applications LLM aux processus quotidiens du domaine Java & Spring. Les participants travaillent sur des scénarios réalistes et repartent avec des prompts, des workflows et des checklists immédiatement utilisables.

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.

Java et Spring portent des systèmes critiques dans bien des organisations : back-ends bancaires, intégrations ERP, applications du secteur public et vastes architectures de microservices. Ces systèmes ont grandi pendant des années et leur modernisation est permanente. Les assistants et agents de codage IA transforment surtout les tâches les plus lourdes : montées de version majeures de Spring Boot avec passage de javax à jakarta, tests JUnit et Mockito pour du code peu couvert, refactorings vers les records et les fonctionnalités modernes du langage, analyse de stack traces et de problèmes Hibernate. Un cadre clair s’impose : outil de build, structure des modules, règles d’architecture et stratégie de test doivent figurer dans le contexte. Vous apprendrez à les utiliser efficacement et sous contrôle dans vos projets Maven ou Gradle.

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 Java sous Spring Boot ou Jakarta EE
  • Équipes chargées de moderniser des applications Java historiques
  • Architectes logiciels de systèmes d’entreprise et de microservices
  • Développeurs de la banque, de l’assurance et du secteur public
  • Tech leads responsables des montées de version et de la dette technique

Les défis concrets que nous traitons

  • Des montées de version de framework et de JDK laborieuses, avec de nombreuses ruptures de compatibilité
  • De grandes bases de code historiques, peu testées et fortement couplées
  • Des problèmes de performance JPA, Hibernate et transactionnels difficiles à analyser
  • Beaucoup de code répétitif dans la configuration, le mapping et les interfaces

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 montées de version Spring Boot, les refactorings et la génération de tests dans des projets Maven et Gradle.
  • Diagnostiquer plus rapidement les problèmes Hibernate, de performance et de production avec l’aide de l’IA.
  • Ancrer règles d’architecture et standards de qualité pour que le code Java généré les 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 : Java & Spring
  • Accompagner une montée de version Spring Boot
  • Générer des tests JUnit et Mockito
  • Refactoriser du code historique
  • Analyser les problèmes JPA et Hibernate
  • API REST et interfaces
  • Comprendre stack traces et incidents de production
Module 7 Protection des données, qualité & mise en pratique
  • Les systèmes Java tournent souvent dans des secteurs réglementés : convenez avec la sécurité des systèmes d’information et le DPO du code pouvant être transmis à des modèles externes, et tenez compte d’exigences comme DORA ou NIS2. Le code généré et les nouvelles dépendances Maven doivent être contrôlés (licences, vulnérabilités connues) et consignés dans une SBOM.
  • 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

Accompagner une montée de version Spring Boot

L’agent analyse les dépendances, applique des recettes OpenRewrite, bascule les paquets javax vers jakarta, adapte configuration et sécurité obsolètes, puis itère sur le build et les tests jusqu’au retour au vert.

Générer des tests JUnit et Mockito

Services et contrôleurs reçoivent des tests unitaires JUnit et Mockito ainsi que des tests ciblés avec WebMvcTest ou DataJpaTest. L’IA renforce la couverture des chemins critiques et documente les hypothèses de test.

Refactoriser du code historique

Les classes trop volumineuses sont découpées, les DTO convertis en records, les tests de nullité remplacés par Optional et les streams utilisés à bon escient. Les tests existants garantissent le comportement à chaque étape.

Analyser les problèmes JPA et Hibernate

L’IA exploite logs SQL et stack traces, détecte requêtes N+1, LazyInitializationException et stratégies de chargement inadaptées, puis propose entity graphs, projections ou nouveaux index. Chaque optimisation est étayée par les logs SQL.

API REST et interfaces

Les spécifications OpenAPI donnent naissance à des contrôleurs, DTO, mappers MapStruct et validations Bean Validation, avec une gestion d’erreurs unifiée via ControllerAdvice et des tests d’intégration.

Comprendre stack traces et incidents de production

De longues stack traces, thread dumps et extraits de logs sont résumés, la cause probable circonscrite, et l’IA propose un test reproduisant l’erreur ainsi qu’un correctif.

Projets pratiques possibles

Microservice Spring Boot

Un service REST avec Spring Data JPA, migrations Flyway, Bean Validation, endpoints Actuator et tests Testcontainers, entièrement développé par un agent IA à partir d’une spécification.

Rapport de dépendances Maven et Gradle

Un outil en ligne de commande qui analyse les fichiers de build, liste les bibliothèques obsolètes ou vulnérables et décrit les chemins de mise à jour avec les ruptures attendues.

Contrôle des règles d’architecture

Une suite de tests ArchUnit qui vérifie automatiquement les règles de couches, les dépendances entre paquets et les conventions de nommage, intégrée au pipeline de CI.

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 solide maîtrise de Java et une expérience pratique de Spring Boot ou Jakarta EE, de Maven ou Gradle 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

Les systèmes Java tournent souvent dans des secteurs réglementés : convenez avec la sécurité des systèmes d’information et le DPO du code pouvant être transmis à des modèles externes, et tenez compte d’exigences comme DORA ou NIS2. Le code généré et les nouvelles dépendances Maven doivent être contrôlés (licences, vulnérabilités connues) et consignés dans une SBOM.

Dates proposées

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

  • lun. 23 novembre 2026 – mar. 24 novembre 2026 En ligne Demander
  • mar. 1 décembre 2026 – mer. 2 décembre 2026 Kaiserslautern Demander
  • mer. 9 décembre 2026 – jeu. 10 décembre 2026 En ligne Demander
  • mar. 15 décembre 2026 – mer. 16 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

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.

Un agent IA peut-il mener seul une montée de version majeure de Spring Boot ?

Un agent peut assurer une grande partie du travail mécanique – changements de paquets, adaptations de configuration, correction itérative des erreurs de compilation et de test –, surtout en combinaison avec OpenRewrite. Les décisions d’architecture, la recette fonctionnelle et les tests en environnement réaliste restent du ressort de l’équipe. Vous pratiquerez ce déroulé sur un projet d’exemple.

Le codage assisté par IA est-il autorisé dans un environnement réglementé ?

En principe oui, mais avec des règles claires. Tout dépend du choix du fournisseur et du mode d’hébergement, des engagements contractuels sur l’usage des données, des processus de validation et de la traçabilité des revues. Nous voyons comment banques, assureurs et administrations procèdent généralement et quelles questions trancher avec votre RSSI.

Combien coûte la formation « RAG & applications LLM pour les développeurs Java et Spring » ?

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 Java et Spring

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