Formation · RAG & applications LLM · Tech leads & engineering managers

RAG & applications LLM pour les tech leads et engineering managers

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 Tech leads & engineering managers. 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.

Les assistants de codage IA et les agents autonomes transforment le fonctionnement des équipes de développement : les tâches se découpent autrement, l’effort se déplace de l’écriture vers la relecture, et décider quel travail confier à des agents devient une responsabilité managériale. Tech leads et engineering managers doivent choisir les outils, fixer des règles, faire monter les équipes en compétence et mesurer les effets, sans perdre de vue la qualité du code, la sécurité ni la progression des profils juniors. Vous apprendrez à planifier le déploiement des outils de codage IA, à instaurer des pratiques et fichiers de règles communs, à choisir des indicateurs pertinents au-delà de la seule vitesse et à utiliser l’IA pour vos propres missions de pilotage : planification, onboarding et communication technique.

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 ?

  • Tech leads et lead developers
  • Engineering managers et responsables d’équipes de développement
  • Directeurs techniques et CTO d’entreprises de taille intermédiaire
  • Responsables delivery et chefs de projet en DSI
  • Responsables developer experience et enablement

Les défis concrets que nous traitons

  • Des règles floues qui favorisent un patchwork d’outils et une IA fantôme dans l’équipe
  • Davantage de code généré, donc plus de relecture et un risque accru de dette technique
  • La difficulté de mesurer de façon crédible le bénéfice réel des outils d’IA
  • Des inquiétudes sur la montée en compétence des juniors et l’adhésion de l’équipe

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 planifiez le déploiement des outils de codage IA avec des règles, des rôles et des garde-fous clairs.
  • Vous mesurez l’effet sur la capacité de livraison, la qualité et la satisfaction à l’aide d’indicateurs fiables.
  • Vous utilisez vous-même des agents IA pour la planification, l’onboarding et la communication technique.

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 : Tech leads & engineering managers
  • Rédiger une charte IA d’équipe
  • Fichiers de règles et conventions
  • Mesurer les effets
  • Découper le travail pour les agents
  • Accélérer l’onboarding
  • Communication technique
Module 7 Protection des données, qualité & mise en pratique
  • En tant que manager, vous êtes garant du cadre juridique : vous apprenez à intégrer dans vos règles d’équipe les questions de licence et de droit d’auteur du code généré, la protection du code source et des secrets, la consultation des représentants du personnel sur la mesure de la performance et les obligations du RGPD et de l’AI Act européen.
  • 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

Rédiger une charte IA d’équipe

Élaborer une charte opérationnelle qui précise outils autorisés, catégories de données admises, obligations de relecture du code généré, gestion des secrets et responsabilités, illustrée par des exemples concrets.

Fichiers de règles et conventions

Construire des fichiers de contexte partagés pour les agents de codage avec principes d’architecture, stratégie de test, règles de style et pratiques proscrites, les versionner et garantir des résultats homogènes.

Mesurer les effets

Collecter avant et après le déploiement des indicateurs comme les métriques DORA, le temps de cycle des pull requests, le taux d’échec des changements et la satisfaction des développeurs, puis en préparer l’analyse avec l’IA.

Découper le travail pour les agents

Formuler et décomposer les éléments du backlog pour qu’ils puissent être confiés à des agents avec des critères d’acceptation clairs, et décider des tâches qui restent volontairement humaines.

Accélérer l’onboarding

Préparer bases de code, décisions d’architecture et savoir d’exploitation pour les nouveaux arrivants, créer des exercices d’exploration guidés et obtenir des réponses sourcées sur la base de code.

Communication technique

Rédiger post-mortems d’incident, points d’étape sur la feuille de route, notes de décision pour la direction et notes de version à partir des tickets et commits, adaptés à chaque public.

Projets pratiques possibles

Tableau de bord d’équipe

Une petite application web qui interroge votre plateforme Git et affiche dans le temps temps de cycle, durée des revues et fréquence de déploiement.

Synthèse des pull requests

Un bot qui rassemble chaque semaine les pull requests fusionnées et en tire un point d’avancement clair pour les parties prenantes.

Générateur de parcours d’intégration

Un script qui analyse structure du dépôt, fichiers README et ADR et produit un plan d’intégration structuré avec exercices. Il s’adapte au rôle et à l’expérience.

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 encadrez une équipe de développement, sur le plan technique ou hiérarchique, et connaissez le processus de développement logiciel ; une pratique actuelle du code est utile mais pas indispensable.

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

En tant que manager, vous êtes garant du cadre juridique : vous apprenez à intégrer dans vos règles d’équipe les questions de licence et de droit d’auteur du code généré, la protection du code source et des secrets, la consultation des représentants du personnel sur la mesure de la performance et les obligations du RGPD et de l’AI Act européen.

Dates proposées

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

  • jeu. 26 novembre 2026 – ven. 27 novembre 2026 En ligne Demander
  • jeu. 10 décembre 2026 – ven. 11 décembre 2026 Stuttgart Demander
  • mar. 12 janvier 2027 – mer. 13 janvier 2027 En ligne Demander
  • jeu. 21 janvier 2027 – ven. 22 janvier 2027 Berlin Demander
  • mar. 2 février 2027 – mer. 3 février 2027 En ligne Demander
  • mar. 16 février 2027 – mer. 17 février 2027 Munich 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.

Comment savoir si les outils de codage IA sont rentables ?

Ne comptez pas les lignes générées, observez les résultats : délai entre idée et mise en production, taux d’échec des changements, effort de relecture, taux d’anomalies et satisfaction de l’équipe. Une mesure de référence avant le déploiement et des retours qualitatifs réguliers sont essentiels. Pendant la formation, vous concevez un dispositif de mesure léger, adapté à votre organisation et associant les représentants du personnel.

Les juniors apprennent-ils encore si l’IA écrit le code ?

L’inquiétude est légitime et se gère. Parmi les pratiques éprouvées : expliquer en revue chaque portion de code générée, prévoir des phases d’entraînement sans assistant et organiser du pairing avec des seniors où l’IA devient un partenaire d’apprentissage. Vous apprenez à adapter parcours et culture de revue pour concilier montée en compétence et productivité.

Combien coûte la formation « RAG & applications LLM pour les tech leads et engineering managers » ?

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 tech leads et engineering managers

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