Formation · RAG & applications LLM · SQL & bases de données

RAG & applications LLM pour les professionnels SQL et bases de données

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 SQL & bases de données. 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.

La base de données est la mémoire de toute application, et ses performances, sa cohérence et sa sécurité conditionnent le succès de systèmes entiers. Les assistants de codage IA et les agents aident développeurs SQL et DBA à écrire des requêtes complexes, à lire des plans d’exécution, à concevoir schémas et stratégies d’indexation et à migrer d’un SGBD à l’autre. Ils traduisent des questions métier en SQL, refactorent des procédures stockées tentaculaires et génèrent des données de test. Un principe demeure : une requête syntaxiquement valide n’est pas forcément juste, et un agent disposant de droits d’écriture en production représente un risque sérieux. Vous apprendrez à exploiter l’IA avec le contexte du schéma, les plans d’exécution et des tests, et à concevoir des accès qui protègent vos données.

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 SQL et bases de données
  • Administrateurs PostgreSQL, SQL Server, Oracle ou MySQL
  • Développeurs backend responsables des modèles de données et des couches ORM
  • Data engineers et analytics engineers
  • Développeurs BI travaillant sur des requêtes de reporting complexes

Les défis concrets que nous traitons

  • Des requêtes lentes et des pics de charge dont la cause se cache dans les plans d’exécution
  • Des procédures stockées et triggers accumulés sans documentation ni tests
  • Des évolutions de schéma et migrations risquées sur des systèmes en production
  • Des dialectes SQL différents lors d’un changement de plateforme ou dans un parc hétérogène

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.
  • Vous optimisez requêtes et index avec l’IA en vous appuyant sur les plans d’exécution plutôt que sur des suppositions.
  • Vous planifiez et testez évolutions de schéma et migrations grâce à des scripts générés et des stratégies de retour arrière.
  • Vous sécurisez l’accès des agents IA aux bases de données : moindre privilège, réplicas en lecture et requêtes traçables.

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 : SQL & bases de données
  • Optimiser les requêtes SQL
  • Concevoir et revoir les schémas
  • Refactorer les procédures stockées
  • Planifier les migrations en sécurité
  • Traduire entre dialectes
  • Générer des données de test
Module 7 Protection des données, qualité & mise en pratique
  • Les bases de données contiennent souvent des données personnelles et stratégiques : vous apprenez à ne fournir aux outils d’IA que des schémas et des exemples anonymisés, à gérer les identifiants de manière sûre et à appliquer les principes du RGPD comme la minimisation et les politiques d’effacement.
  • 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

Optimiser les requêtes SQL

Faire interpréter les plans d’EXPLAIN ANALYZE ou du Query Store, repérer goulets comme les full scans ou un ordre de jointure défavorable, et obtenir des requêtes réécrites et des index adaptés, justifications à l’appui.

Concevoir et revoir les schémas

Dériver des besoins métier un modèle normalisé avec clés, contraintes et types adaptés, examiner les schémas existants pour repérer redondances et règles d’intégrité manquantes, et produire des diagrammes entité-association.

Refactorer les procédures stockées

Expliquer de longues procédures PL/SQL ou T-SQL, remplacer les curseurs par une logique ensembliste, harmoniser la gestion des erreurs et ajouter des tests avec des frameworks comme tSQLt ou pgTAP.

Planifier les migrations en sécurité

Générer des scripts versionnés pour Flyway ou Liquibase, concevoir des stratégies sans interruption de type expand and contract et évaluer retours arrière, verrous et impact sur la réplication.

Traduire entre dialectes

Migrer requêtes, fonctions et types entre Oracle, SQL Server, PostgreSQL et MySQL, en tenant compte des différences de fonctions de date, de séquences et de transactions, puis vérifier l’identité des résultats.

Générer des données de test

Créer des jeux de données synthétiques réalistes respectant contraintes, distributions et cas limites, sans recourir aux données personnelles de production, pour les tests de charge et les environnements de développement.

Projets pratiques possibles

Analyseur de requêtes lentes

Un script qui exploite le journal des requêtes lentes ou les vues statistiques, regroupe les requêtes les plus coûteuses et propose index et réécritures dans un rapport.

Générateur de documentation de schéma

Un outil qui lit un schéma de base de données et en tire une documentation consultable avec descriptions des tables, relations et diagramme entité-association.

Assistant text-to-SQL

Une petite application web, en lecture seule sur une base de reporting, qui traduit des questions métier en SQL vérifié et affiche requête et résultat en toute transparence.

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. Vous écrivez régulièrement du SQL, maîtrisez jointures, agrégations et index et travaillez avec au moins un SGBD relationnel.

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 bases de données contiennent souvent des données personnelles et stratégiques : vous apprenez à ne fournir aux outils d’IA que des schémas et des exemples anonymisés, à gérer les identifiants de manière sûre et à appliquer les principes du RGPD comme la minimisation et les politiques d’effacement.

Dates proposées

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

  • lun. 23 novembre 2026 – mar. 24 novembre 2026 En ligne Demander
  • jeu. 3 décembre 2026 – ven. 4 décembre 2026 Kaiserslautern Demander
  • mer. 9 décembre 2026 – jeu. 10 décembre 2026 En ligne Demander
  • mer. 16 décembre 2026 – jeu. 17 décembre 2026 Brême Demander
  • mer. 13 janvier 2027 – jeu. 14 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 accéder directement à notre base de données ?

C’est possible, à condition de bien l’encadrer. Nous recommandons un utilisateur dédié en lecture seule, un accès à des réplicas ou à des bases de développement plutôt qu’à la production, des délais d’expiration et la journalisation de chaque requête. Les écritures passent par des scripts de migration versionnés et relus. Vous mettez en place ce dispositif pendant la formation, par exemple via un serveur MCP restreint.

Le SQL généré par l’IA est-il fiable ?

Il est généralement correct sur le plan syntaxique, mais sa justesse dépend fortement du contexte : sans schéma, relations ni définitions métier, des jointures erronées ou des doubles comptages apparaissent facilement. Avec le schéma, des requêtes d’exemple et des tests sur des résultats connus, la fiabilité progresse nettement. Vous apprenez à valider méthodiquement les requêtes générées.

Combien coûte la formation « RAG & applications LLM pour les professionnels SQL et bases de données » ?

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 professionnels SQL et bases de données

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