Formation Développement augmenté par l'IA

Présentation

Maîtrisez la chaîne de valeur du développement augmenté par l’IA

L’IA générative redéfinit le développement logiciel LLM, architectures agentiques, protocoles d’interopérabilité comme MCP changent la manière de concevoir, construire et déployer des applications.

Ce programme qualifiant prépare développeurs, architectes et ingénieurs IA à maîtriser toute la chaîne de valeur du développement augmenté par l’IA, de la compréhension des modèles jusqu’à la mise en production de systèmes agentiques complexes, pour livrer des applications fiables, sécurisées et performantes.

Objectifs pédagogiques :

À l’issue de la formation, les participants seront capables de :

Comprendre et exploiter les modèles de langage (LLM) : maîtriser les architectures Transformer, les mécanismes d’attention, le prompting avancé et le fine-tuning pour les intégrer efficacement dans des applications métier
Concevoir des architectures agentiques : implémenter les principaux design patterns agentiques (réflexion, utilisation d’outils, mémoire, planification, orchestration multi-agents) pour créer des systèmes autonomes et fiables
Développer des compétences pratiques (skills) d’intégration IA : maîtriser le prompt engineering avancé, le RAG (Retrieval-Augmented Generation), l’évaluation des systèmes LLM, la gestion des garde-fous et les bonnes pratiques de mise en production
Concevoir et déployer des serveurs MCP : implémenter le protocole Model Context Protocol pour créer des connecteurs standardisés entre les LLM et les systèmes d’information d’entreprise, en garantissant sécurité et interopérabilité

Public & conditions d’accès

Ce programme s’adresse aux professionnels du développement logiciel et de l’ingénierie qui souhaitent intégrer l’IA générative au coeur de leur pratique quotidienne et de leurs architectures applicatives.

Développeurs logiciels (back-end, full-stack) — Bac+3 à Bac+5 en informatique, 2 ans d’expérience minimum en développement
Architectes logiciels et solutions — Bac+5 en informatique ou ingénierie, 5 ans d’expérience minimum
Ingénieurs Machine Learning / Data Scientists — Bac+5 en informatique, mathématiques ou domaine connexe, 2 ans d’expérience en ML/Data Science
Tech Leads et CTO — Bac+5, 5 ans d’expérience minimum en leadership technique
DevOps / SRE souhaitant intégrer des composants IA dans leurs pipelines — Bac+3 à Bac+5, 3 ans d’expérience

Prérequis :

Maîtrise d’au moins un langage de programmation (Python fortement recommandé, TypeScript/JavaScript accepté)
Connaissances fondamentales en développement web (API REST, HTTP, JSON)
Familiarité avec les concepts de base du machine learning (notions de modèle, entraînement, inférence) — un niveau introductif suffit
Expérience professionnelle minimum de 2 ans dans un rôle technique
Aisance avec les outils de développement (IDE, Git, terminal/ligne de commande)

Modalités, évaluation & validation

Modalités pédagogiques :

L’EPITA met à disposition des participants les différents supports de formation (textes de présentation, articles, études de cas sur l’Espace Numérique de l’école. Il s’agit d’un espace en ligne mettant en relation les participants et les intervenants. Cet espace est propre à l’EPITA et les accès sont sécurisés. Pour certains modules, les documents peuvent être également remis sur format papier, directement à disposition dans la salle de formation.

Évaluation :

Le niveau de maîtrise des compétences visées est apprécié de manière continue et formative tout au long du programme :

Travaux pratiques encadrés — Chaque module comporte des labs et ateliers pratiques réalisés individuellement ou en binôme. Les participants reçoivent un feedback personnalisé de la part des formateurs sur la qualité de leurs réalisations, leurs choix d’architecture et leurs axes de progression.
Projet fil rouge — Les participants développent progressivement un système agentique complet au fil des 4 modules. Ce projet constitue le principal vecteur d’apprentissage et permet à chaque participant de repartir avec un livrable concret, directement transposable dans son contexte professionnel.
Auto-évaluation et peer review — Des quiz d’auto-positionnement (asynchrones) permettent aux participants de mesurer leur progression entre chaque module. Des sessions de peer review entre participants favorisent l’apprentissage collaboratif.

Validation :

Une Attestation d’Acquisition des Compétences (AACE) de l’EPITA, est délivrée aux participants ayant validé l’ensemble des compétences visées par le programme.

Responsable pédagogique

Julien Perez

Dr Julien PEREZ est professeur associé à l’EPITA, habilité à diriger des recherches (HDR). Il est expert en IA et machine learning. Ses recherches ont porté sur les processus décisionnels non markoviens et les réseaux neuronaux récurrents profonds.
Il a effectué un stage postdoctoral d’un an à Télécom ParisTech, travaillé comme professeur assistant à l’Université Paris-Est Créteil, ainsi qu’au sein du Xerox Research Centre Europe (XRCE) et a été responsable de l’apprentissage robotique chez Naver Labs Europe. Il est diplômé d’un doctorat au Laboratoire de Recherche en Informatique (LRI) de l’université Paris-Sud, d’un Master en apprentissage automatique et intelligence artificielle de l’université Paris Dauphine et de l’EPITA.

Programme

Module 1 – Modèles de Langage (LLM) : Fondements, Architectures et Exploitation

Ce module permet de comprendre en profondeur le fonctionnement des grands modèles de langage, depuis l’architecture Transformer jusqu’aux techniques d’alignement et de personnalisation.
Les participants apprennent à exploiter les LLM par API, à maîtriser les paramètres d’inférence et à concevoir des prompts avancés adaptés à des cas d’usage métier.
Il couvre également les architectures RAG, le fine-tuning et les méthodes d’évaluation pour construire des systèmes IA fiables, performants et mesurables.

Module 2 – Agentification et Design Patterns Agentiques

Ce module introduit les principes fondamentaux des agents IA et les différences entre systèmes agentiques, chatbots et pipelines classiques.
Les participants découvrent les principaux design patterns (réflexion, utilisation d’outils, mémoire et planification) permettant de créer des agents autonomes efficaces.
La formation se conclut par la conception et l’implémentation d’architectures multi-agents capables de collaborer, se coordonner et résoudre des tâches complexes.

Module 3 – Skills : Compétences Pratiques pour le Développement Augmenté

Ce module développe les compétences indispensables à l’industrialisation des applications IA génératives dans un contexte professionnel.
Les participants apprennent à utiliser les assistants de développement, à sécuriser les applications LLM et à optimiser les coûts ainsi que les performances des solutions déployées.
Il aborde également l’expérience utilisateur, l’intégration dans les systèmes d’information et les pratiques MLOps pour assurer qualité, maintenance et passage à l’échelle.

Module 4 – MCP Serveur : Connecter les LLM au Monde Réel

Ce module présente le Model Context Protocol (MCP) comme standard d’interopérabilité entre les LLM et les systèmes d’information de l’entreprise.
Les participants conçoivent et développent des serveurs MCP intégrant outils, ressources et prompts afin de connecter les modèles à des données et services métier.
Le parcours se termine par les enjeux de sécurité, de déploiement et de gouvernance, puis par la réalisation et la soutenance d’un projet complet intégrant une architecture agentique connectée au SI.

Accessibilité :

Cette formation est accessible aux personnes en situation de handicap. Contactez notre référent handicap pour étudier les aménagements possibles : [email protected].