Formation · Windsurf · AI engineering & applications LLM

Windsurf pour les AI engineers

Développer avec l’IDE IA Windsurf et son agent Cascade : flows, memories, rules, workflows et usage sécurisé en équipe.

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 Windsurf aux processus quotidiens du domaine AI engineering & applications LLM. Les participants travaillent sur des scénarios réalistes et repartent avec des prompts, des workflows et des checklists immédiatement utilisables.

Windsurf est un environnement de développement dopé à l’IA, articulé autour de son agent Cascade. Cascade comprend la structure de votre projet, suit vos actions dans l’éditeur et le terminal, et collabore avec vous selon le principe des flows : vous et l’agent avancez à tour de rôle sur la même tâche, sans devoir réexpliquer sans cesse le contexte. En deux jours, vous apprenez à exploiter Cascade pour développer des fonctionnalités, corriger des bugs et refactorer, et à tirer parti de la complétion intelligente au quotidien.

Pour garantir des résultats cohérents en équipe, vous pilotez Cascade avec des rules globales et propres à l’espace de travail, capitalisez la connaissance du projet grâce aux memories et automatisez les tâches récurrentes avec des workflows lancés par commande slash. Vous connectez des outils externes via MCP, encadrez l’exécution des commandes du terminal et décidez des données accessibles à Cascade. Enfin, vous définissez des règles de revue, de sécurité et de protection des données pour un usage responsable de Windsurf en entreprise.

L’AI engineering est la discipline qui transforme les modèles de langage en produits fiables : assistants conversationnels, analyse de documents, génération augmentée par la recherche, agents dotés d’outils et fonctions d’IA intégrées aux applications existantes. Le code qui entoure le modèle est souvent plus exigeant que l’appel au modèle lui-même, car versionnage des prompts, sorties structurées, évaluation, maîtrise des coûts, latence, observabilité et protection contre l’injection de prompt font la différence en production. Les assistants de codage IA et les agents accélèrent précisément ce travail, de la construction de pipelines d’évaluation aux définitions d’outils et serveurs MCP, jusqu’à l’analyse des erreurs dans les traces. Vous apprendrez à développer méthodiquement des applications LLM avec l’IA, à rendre leur qualité mesurable et à les exploiter de façon sûre, économique et conforme.

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 intégrant des fonctions LLM dans leurs produits
  • AI engineers et machine learning engineers
  • Data scientists spécialisés en IA générative
  • Équipes backend et plateforme fournissant l’infrastructure IA
  • Product owners techniques responsables de fonctionnalités IA

Les défis concrets que nous traitons

  • Des prototypes brillants en démonstration mais d’une qualité irrégulière en production
  • L’absence d’évaluation systématique qui rend risquée toute modification de prompt ou de modèle
  • Des coûts, une latence et des limites de débit qui dérapent avec la montée en charge
  • De nouveaux risques liés à l’injection de prompt, aux fuites de données et aux agents trop privilégiés

Objectifs pédagogiques

  • Vous travaillez efficacement avec Cascade en mode flow pour développer, déboguer et refactorer.
  • Vous pilotez précisément le contexte de Windsurf tout en protégeant les contenus sensibles.
  • Vous entretenez des memories et des rules qui font respecter vos conventions de projet.
  • Vous automatisez les procédures récurrentes avec des workflows et connectez des outils externes via MCP.
  • Vous développez méthodiquement avec des outils de codage IA des applications RAG, des agents et des fonctions LLM prêts pour la production.
  • Vous rendez la qualité de vos applications LLM mesurable et pilotable grâce à des évaluations automatisées.
  • Vous exploitez vos applications LLM de façon sûre et économique, avec observabilité, protection contre l’injection de prompt et droits maîtrisés.

Programme

Jour 1

Module 1 Découvrir Windsurf et Cascade
  • Installation, import des réglages d’éditeur existants et configuration de base
  • Cascade en mode code et en mode chat : quand l’agent modifie, quand il conseille
  • Le principe des flows : comment Cascade intègre vos actions dans l’éditeur et le terminal
  • Complétion intelligente et commandes en ligne au quotidien
Module 2 Piloter le contexte
  • Comprendre l’indexation du code et référencer fichiers ou répertoires pertinents
  • Intégrer documentation, sources web et sorties du terminal au contexte
  • Exclure les contenus sensibles grâce aux fichiers d’exclusion
  • Structurer les sessions et repartir de zéro lors d’un changement de sujet
Module 3 Memories et rules pour des résultats cohérents
  • Vérifier et entretenir les memories générées automatiquement ou créées manuellement
  • Créer et versionner des rules globales et d’espace de travail
  • Traduire consignes d’architecture, de style et de tests en rules efficaces
  • Activer les rules de façon ciblée selon les fichiers ou le contexte
Module 4 Workflows et automatisation
  • Définir les procédures récurrentes en workflows lancés par commande slash
  • Construire des workflows pour la préparation des releases, les tests ou la maintenance
  • Connecter des serveurs MCP pour les tickets, les bases de données ou les services internes
  • Encadrer l’exécution des commandes du terminal avec des listes d’autorisation et d’interdiction

Jour 2

Module 5 Qualité, revue et gouvernance
  • Suivre les modifications de Cascade, les accepter en partie ou les annuler
  • S’appuyer sur une approche pilotée par les tests et sur les aperçus pour vérifier
  • Paramètres d’équipe, options de confidentialité et gestion des secrets
  • Définir processus de revue et responsabilités pour le code généré par IA
Module 6 Atelier pratique : AI engineering & applications LLM
  • Construire des pipelines RAG
  • Automatiser l’évaluation
  • Développer agents et outils
  • Fiabiliser les sorties structurées
  • Observabilité et coûts
  • Contrer l’injection de prompt
Module 7 Protection des données, qualité & mise en pratique
  • Les applications LLM traitent souvent des données personnelles et confidentielles : vous apprenez à situer les exigences de l’AI Act européen en matière de transparence et de niveaux de risque, à concevoir des flux conformes au RGPD avec contrats de sous-traitance et politiques d’effacement, à gérer les clés d’API en sécurité et à respecter les licences des modèles et jeux de données.
  • 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

Construire des pipelines RAG

Implémenter ingestion, découpage, embeddings, recherche vectorielle, recherche hybride et reranking, et générer des réponses sourcées en respectant les droits d’accès des documents d’origine lors de la récupération.

Automatiser l’évaluation

Créer des jeux de test avec réponses attendues, définir des métriques de pertinence, de fidélité et de format, calibrer une évaluation LLM-as-a-judge et l’exécuter en CI à chaque changement de prompt ou de modèle.

Développer agents et outils

Concevoir définitions d’outils et serveurs MCP, implémenter des boucles d’agent avec planification, appels d’outils et conditions d’arrêt, et prévoir droits et validation humaine pour les actions lourdes de conséquences.

Fiabiliser les sorties structurées

Définir des schémas JSON pour les réponses du modèle, valider les sorties, mettre en place des stratégies de relance en cas d’erreur et rendre robustes les tâches d’extraction comme les données de factures ou de contrats.

Observabilité et coûts

Collecter traces, consommation de tokens, latences et taux d’erreur, analyser les conversations problématiques et réduire les coûts grâce au cache, au routage entre modèles et à la réduction du contexte.

Contrer l’injection de prompt

Tester des scénarios d’attaque via documents, pages web ou résultats d’outils manipulés, filtrer entrées et sorties, restreindre les droits des agents et intégrer durablement des tests de red teaming au pipeline.

Projets pratiques possibles

Assistant documentaire sourcé

Un chat RAG sur des documents internes, avec citations, boutons de retour et page d’évaluation qui suit la qualité des réponses sur un jeu de questions.

Banc d’évaluation

Un outil en ligne de commande qui exécute des variantes de prompts sur un jeu de test, note les résultats et met clairement en évidence les écarts entre versions.

Extracteur de documents

Un service qui reçoit des PDF, en extrait des données structurées selon un schéma JSON, les valide et signale les cas incertains pour vérification manuelle.

Prérequis

Vous programmez régulièrement dans au moins un langage et connaissez Git ainsi qu’un IDE moderne. Vous avez de solides compétences en programmation, idéalement en Python ou TypeScript, et l’habitude des API ; une première expérience des API de LLM est utile sans être indispensable.

Prérequis techniques

Ordinateur portable personnel avec l’éditeur Windsurf, Git et votre chaîne d’outils habituelle ; un compte Windsurf donnant accès à Cascade est nécessaire.

Protection des données & conformité

Les applications LLM traitent souvent des données personnelles et confidentielles : vous apprenez à situer les exigences de l’AI Act européen en matière de transparence et de niveaux de risque, à concevoir des flux conformes au RGPD avec contrats de sous-traitance et politiques d’effacement, à gérer les clés d’API en sécurité et à respecter les licences des modèles et jeux de données.

Dates proposées

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

  • mer. 25 novembre 2026 – jeu. 26 novembre 2026 En ligne Demander
  • mar. 8 décembre 2026 – mer. 9 décembre 2026 Brême Demander
  • jeu. 14 janvier 2027 – ven. 15 janvier 2027 Salzbourg Demander
  • jeu. 21 janvier 2027 – ven. 22 janvier 2027 En ligne Demander
  • jeu. 28 janvier 2027 – ven. 29 janvier 2027 Kaiserslautern Demander
  • mer. 10 février 2027 – jeu. 11 février 2027 En ligne Demander

Questions fréquentes

Que désigne la notion de flows dans Windsurf ?

Les flows désignent la collaboration étroite entre vous et Cascade. L’agent observe ce que vous faites dans l’éditeur et le terminal et en tient compte pour ses étapes suivantes. Vous n’avez donc pas à rappeler sans cesse où vous en êtes, et vous passez naturellement du travail en propre à la délégation à l’agent.

Quelle différence entre memories, rules et workflows ?

Les memories conservent les connaissances que Cascade a accumulées en travaillant ou que vous avez enregistrées explicitement. Les rules sont des consignes que vous rédigez et qui orientent durablement le comportement de l’agent. Les workflows sont des enchaînements d’étapes réutilisables pour les tâches récurrentes, lancés par commande slash. Ensemble, ils assurent la cohérence des résultats en équipe.

Windsurf fonctionne-t-il avec mes projets et langages actuels ?

Oui. Windsurf est indépendant du langage et s’appuie sur votre chaîne d’outils existante : outils de build, gestionnaires de paquets, frameworks de test. Back-end, front-end, traitement de données ou infrastructure as code : l’essentiel est de fournir à Cascade de bonnes rules et un contexte clair. Chaque déclinaison de la formation apporte l’ancrage propre à votre domaine.

Qu’est-ce qui distingue l’AI engineering du machine learning classique ?

En machine learning classique, vous entraînez vos propres modèles sur vos propres données. En AI engineering, vous exploitez le plus souvent des modèles de langage préentraînés via API ou hébergés en interne, et vous vous concentrez sur le contexte, la recherche documentaire, les outils, l’évaluation et l’exploitation. Les compétences en génie logiciel priment alors sur la statistique. C’est précisément l’angle de cette formation.

Comment savoir si notre application LLM est suffisamment bonne ?

Grâce à un jeu d’évaluation composé de questions réalistes et de résultats attendus, à une combinaison de contrôles à base de règles, d’évaluation LLM-as-a-judge et de vérifications humaines par échantillon, ainsi qu’à un suivi en production. L’essentiel est d’exécuter ces évaluations automatiquement à chaque modification. Vous mettez en place un tel dispositif pendant la formation.

Combien coûte la formation « Windsurf pour les AI engineers » ?

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 AI engineers

Autres formations Windsurf

Les 32 formations Windsurf

Windsurf · MunichWindsurf · SalzbourgWindsurf · BerlinWindsurf · AugsbourgWindsurf · HanovreWindsurf · BrêmeWindsurf · StuttgartWindsurf · KaiserslauternWindsurf · En ligne