Formation – RAG & applications LLM – Applications mobiles

RAG & applications LLM pour les développeurs mobiles

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

Cette formation associe RAG & applications LLM aux processus quotidiens du domaine Applications mobiles. 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. 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.

Le développement mobile recouvre plusieurs univers : Swift et SwiftUI pour iOS, Kotlin et Jetpack Compose pour Android, et des approches multiplateformes avec Flutter ou React Native. S’y ajoutent règles des stores, diversité des appareils, mode hors ligne, notifications push et publications exigeantes. Les assistants et agents de codage IA soulagent les équipes précisément sur ces tâches : ils construisent des écrans à partir de maquettes, migrent des interfaces UIKit ou des layouts XML vers des frameworks déclaratifs, écrivent tests d’interface et tests unitaires, analysent les rapports de crash et automatisent les pipelines de build avec Fastlane. Les projets mobiles dépendant des conventions de chaque plateforme, l’IA a besoin d’un contexte précis. Vous apprendrez à le construire et à valider les résultats sur de vrais appareils.

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 iOS en Swift et SwiftUI
  • Développeurs Android en Kotlin et Jetpack Compose
  • Développeurs multiplateformes sous Flutter ou React Native
  • Équipes mobiles en agence ou chez un éditeur
  • Tech leads responsables de l’architecture applicative et des publications

Les défis concrets que nous traitons

  • La maintenance simultanée de plusieurs plateformes aux langages et paradigmes d’interface différents
  • La migration d’UIKit ou des layouts XML vers des frameworks d’interface déclaratifs
  • Des crashs et problèmes de performance difficiles à reproduire sur un parc d’appareils varié
  • Des processus de build, de signature et de publication sur les stores laborieux

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 écrans, les migrations d’interface et les tests d’applications natives et multiplateformes.
  • Diagnostiquer plus vite crashs et problèmes de performance et automatiser builds et publications avec l’aide de l’IA.
  • Imposer à l’IA les conventions de plateforme et les règles d’architecture, puis vérifier les résultats sur de vrais appareils.

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 : Applications mobiles
  • Transformer des maquettes en écrans
  • Migration vers une interface déclarative
  • Tester les applications mobiles
  • Analyser les rapports de crash
  • Mode hors ligne et stockage local
  • Automatiser builds et publications
Module 7 Protection des données, qualité & mise en pratique
  • Les applications manipulent souvent des données sensibles – localisation, contacts, santé – : le code généré doit demander les autorisations avec parcimonie et gérer le consentement conformément au RGPD. Clés de signature, clés d’API et identifiants des stores n’ont rien à faire dans les prompts, et les nouveaux SDK doivent être vérifiés (licence, pistage, risques de chaîne d’approvisionnement).
  • 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

Transformer des maquettes en écrans

À partir de captures ou de spécifications, l’assistant génère des écrans SwiftUI, Compose, Flutter ou React Native qui réutilisent vos composants, thèmes et navigation, en tenant compte du mode sombre et des tailles de police dynamiques.

Migration vers une interface déclarative

L’agent convertit progressivement des view controllers UIKit ou des layouts XML Android en SwiftUI ou Jetpack Compose, encapsule l’existant via des couches d’interopérabilité et sécurise le comportement par des tests snapshot et d’interface.

Tester les applications mobiles

L’IA écrit des tests unitaires pour view models et repositories, des tests d’interface avec XCTest, Espresso ou les widget tests Flutter, et met en place des mocks pour le réseau et la persistance.

Analyser les rapports de crash

Les stack traces symbolisées issues des services de suivi des crashs sont interprétées, les causes probables – erreurs de threading, problèmes de cycle de vie – circonscrites et des correctifs proposés avec un test reproduisant l’anomalie.

Mode hors ligne et stockage local

L’assistant conçoit la persistance locale avec Room, Core Data, SwiftData ou SQLite, une logique de synchronisation gérant les conflits et une couche réseau robuste avec relances et mise en cache.

Automatiser builds et publications

Lanes Fastlane, configuration Gradle et workflows de CI pour le build, la signature, la distribution de bêtas et l’envoi sur les stores sont créés ou réparés, versionnage et notes de version compris.

Projets pratiques possibles

Application d’inventaire avec scanner

Une application Flutter ou React Native qui scanne des codes-barres, enregistre les articles hors ligne et les synchronise avec une API REST dès que la connexion revient.

Suivi d’habitudes en SwiftUI

Une application iOS en SwiftUI avec persistance locale, widgets et notifications locales, entièrement développée avec un agent IA. Les progrès s’affichent dans des graphiques clairs.

Formulaire de retour terrain en Compose

Une application Android en Jetpack Compose qui saisit des formulaires avec photos, les met en cache hors ligne et les transmet à un back-end, tests d’interface compris.

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 du développement d’applications en Swift, Kotlin, Dart ou React Native, ainsi que de Xcode ou Android Studio 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 applications manipulent souvent des données sensibles – localisation, contacts, santé – : le code généré doit demander les autorisations avec parcimonie et gérer le consentement conformément au RGPD. Clés de signature, clés d’API et identifiants des stores n’ont rien à faire dans les prompts, et les nouveaux SDK doivent être vérifiés (licence, pistage, risques de chaîne d’approvisionnement).

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 mer. 16 décembre 2026 6 h Demander
  • Berlin mer. 16 décembre 2026 6 h Demander
  • Augsbourg jeu. 10 décembre 2026 6 h Demander
  • Hanovre jeu. 10 décembre 2026 6 h Demander
  • Brême mar. 15 décembre 2026 6 h Demander
  • Stuttgart ven. 11 décembre 2026 6 h Demander
  • Kaiserslautern lun. 14 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.

La formation couvre-t-elle autant iOS, Android que le multiplateforme ?

Oui. Travailler avec des assistants IA repose sur les mêmes principes quelle que soit la plateforme : fournir le contexte, découper les tâches, tester les résultats. Pendant les exercices, vous choisissez votre axe – Swift, Kotlin, Flutter ou React Native – et traitez des cas typiques de votre plateforme, ce qui profite autant aux équipes mixtes qu’aux spécialistes.

L’IA fonctionne-t-elle avec Xcode et Android Studio ?

De nombreux assistants IA s’utilisent dans Android Studio ou en parallèle de Xcode, et les agents travaillent aussi en ligne de commande avec xcodebuild, Gradle ou la CLI Flutter. Nous montrons comment piloter builds, tests et simulateurs pour que l’agent vérifie lui-même ses résultats et corrige les erreurs de manière itérative.

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

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 mobiles

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