Formation Ingénierie IA agentic avec Python — Créer des agents autonomes

Fondamentaux de l'IA agentic

• Qu'est-ce qu'un agent autonome : définitions et taxonomie
• Boucle agent : cycle percevoir, décider, agir, observer
• Modèles de conception pour les responsabilités et le périmètre des agents

Outils Python et SDK d'agents

• Utilisation de LangChain et de SDK similaires pour initialiser des agents
• Programmation asynchrone, files de tâches et gestion des sous-processus
• Emballage (packaging), environnements virtuels et flux de développement reproductibles

Intégration d'outils et d'API externes

• Conception d'interfaces d'outils et de modèles d'invocation sécurisée
• Connexion aux API web, bases de données et services internes
• Gestion des identifiants, des secrets et de l'accès avec le moindre privilège

Mémoire, état et gestion du contexte

• Fenêtres de contexte à court terme et techniques de prompt engineering
• Architectures de mémoire à long terme : Redis, magasins vectoriels, augmentation par récupération
• Cohérence, stratégies de mise en cache et hygiène de la mémoire

Orchestration, planification et flux de travail multi-étapes

• Enchaînement d'actions, sous-agents et décomposition des tâches
• Algorithmes de planification vs orchestration heuristique
• Gestion des échecs, des réessais et des actions compensatoires

Sécurité, tests et observabilité

• Modèles de menaces, red-teaming et assainissement des entrées/sorties
• Tests unitaires, d'intégration et bout-en-bout pour les agents
• Journalisation, métriques, traçage et alertes pour le comportement des agents

Déploiement, mise à l'échelle et MLOps pour les agents

• Conteneurisation, pipelines CI/CD et stratégies de déploiement
• Contrôle des coûts, limitation de débit et optimisation des ressources
• Supervision, gouvernance et guides opérationnels (playbooks)

Synthèse et prochaines étapes