RAG & applications LLM · Munich

Formation RAG & applications LLM à Munich

Développer des applications RAG et LLM : embeddings, bases vectorielles, chunking, retrieval, évaluation, coûts et protection des données.

Les 29 formations RAG & applications LLM ont aussi lieu à Munich – dans une salle centrale ou, sur demande, dans vos locaux.

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.

Munich compte parmi les principaux pôles technologiques et assurantiels d’Europe. Notre salle de formation est centrale et accessible en quelques minutes depuis la gare principale en S-Bahn ou U-Bahn – idéale pour les équipes de l’industrie, de la finance, des médias et de l’écosystème start-up.

Dates proposées – Munich

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

  • mer. 25 novembre 2026 – jeu. 26 novembre 2026 Munich Demander
  • lun. 7 décembre 2026 – mar. 8 décembre 2026 Munich Demander
  • mer. 16 décembre 2026 – jeu. 17 décembre 2026 Munich Demander
  • mer. 13 janvier 2027 – jeu. 14 janvier 2027 Munich Demander
  • lun. 18 janvier 2027 – mar. 19 janvier 2027 Munich Demander
  • jeu. 28 janvier 2027 – ven. 29 janvier 2027 Munich Demander

Contenus clés de toutes les formations RAG & applications LLM

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

Formations RAG & applications LLM à Munich

Demande sans engagement

Nous vous répondons sous un jour ouvré avec une confirmation ou une proposition alternative.

Format *
Total 949 € HT