Format Intensif 3h30
Ateliers Techniques Intensifs (3h30)
Montée en compétences rapide sur les technologies IA de pointe
Vous avez besoin d'acquérir rapidement une compétence technique précise ? Nos ateliers intensifs de 3h30 vous permettent de démarrer immédiatement sur les technologies émergentes de l'IA : MCP, Copilot Studio, LangGraph, RAG, sécurité...
Très forte demandeHands-on LabRepo fourni
Créer un serveur MCP + outils en 3h30
3h30
Développeurs, Tech Leads, Architectes IA
Présentiel ou Distanciel
Model Context Protocol (MCP), Anthropic Claude, API REST
990 € HT / personne
4 500 € HT / groupe (jusqu'à 8 participants)
Pourquoi cet atelier ?
Le Model Context Protocol (MCP) développé par Anthropic révolutionne la manière dont les LLMs interagissent avec des outils et des sources de données externes. Cet atelier vous apprend à construire un serveur MCP fonctionnel et à créer vos propres outils personnalisés.
Programme détaillé
0:00 – 0:20
Introduction : Concepts MCP
- Qu'est-ce que le Model Context Protocol ?
- Architecture : serveurs, clients, outils, schémas
- Authentification et autorisation
- Cas d'usage : intégrations Slack, GitHub, bases de données, CRM...
0:20 – 1:20
Lab 1 : Construire votre premier serveur MCP
- Scaffolding du serveur MCP (templates fournis)
- Définir les schémas JSON pour vos outils
- Implémenter la logique métier
- Tester localement avec le client MCP
1:30 – 2:20
Lab 2 : Connecter un client LLM (Claude/ChatGPT)
- Configuration du client MCP
- Invocation d'outils depuis une conversation LLM
- Validation JSON et gestion d'erreurs
- Debugging et logs
2:20 – 3:00
Sécurité & Logging
- Capability scoping : limiter les permissions
- Authentification avec tokens
- Audit trails : tracer les invocations d'outils
- Bonnes pratiques de sécurité
3:00 – 3:30
Packaging & Déploiement
- Déployer derrière une API Gateway (AWS, Azure, GCP)
- Gestion des secrets (environment variables, vaults)
- Monitoring et scaling
- Checklist de mise en production
Livrables
- Repository Git avec serveur MCP fonctionnel + 2 outils
- Checklist de production : sécurité, monitoring, déploiement
- Templates réutilisables pour vos futurs outils MCP
- Documentation technique complète
Prérequis
- Bases en Python ou JavaScript/TypeScript
- Familiarité avec les API REST
- Compte Anthropic (Claude) ou OpenAI (ChatGPT)
Très forte demandeHands-on LabAgent fonctionnel
Copilots Internes avec Microsoft Copilot Studio
3h30
IT Pros, Développeurs, Business Analysts, Project Managers
Présentiel ou Distanciel
Microsoft Copilot Studio, Power Platform, Azure
890 € HT / personne
4 000 € HT / groupe (jusqu'à 8 participants)
Pourquoi cet atelier ?
Microsoft Copilot Studio permet de créer rapidement des agents IA conversationnels connectés à vos données d'entreprise (SharePoint, Dataverse, SQL...). Cet atelier vous apprend à construire, sécuriser et déployer un copilot interne en quelques heures.
Programme détaillé
0:00 – 0:20
Introduction : Que construire et combien ça coûte ?
- Qu'est-ce que Microsoft Copilot Studio ?
- Cas d'usage : support RH, assistants métiers, recherche documentaire
- Modèle de coûts : crédits, licensing
- Différences avec Power Virtual Agents
0:20 – 1:10
Lab 1 : Construire votre premier agent
- Créer un copilot dans Copilot Studio
- Configurer le tone of voice et les instructions système
- Connecter une source de données (SharePoint, OneDrive, ou Dataverse)
- Ajouter des actions personnalisées (Power Automate flows)
- Tester dans le simulateur
1:20 – 2:20
Lab 2 : Guardrails et sécurité
- Role-based access control : qui peut utiliser le copilot ?
- Data boundaries : limiter l'accès aux données sensibles
- Content moderation et filtres de sécurité
- Tester les scénarios edge-cases et les jailbreaks
- Logging et monitoring
2:30 – 3:30
Adoption & Déploiement
- Mesurer le ROI de votre copilot (métriques clés)
- Change management : comment former vos utilisateurs
- Stratégie de rollout : pilote, vagues de déploiement
- Intégration dans Teams, SharePoint, ou site web
- Atelier : Construire un plan d'adoption pour votre organisation
Livrables
- Prototype d'agent fonctionnel connecté à vos données
- Checklist de gouvernance : sécurité, compliance, RGPD
- Plan d'adoption pour votre organisation
- Templates de prompts et flows Power Automate
Prérequis
- Compte Microsoft 365 (licence E3 ou supérieure recommandée)
- Accès à Copilot Studio (trial disponible)
- Aucune compétence technique avancée requise
Forte demandeHands-on LabAgentic AI
Workflows Agentiques avec LangGraph
3h30
Développeurs Python, Data Scientists, ML Engineers
Présentiel ou Distanciel
LangGraph, LangChain, OpenAI/Anthropic APIs
990 € HT / personne
4 500 € HT / groupe (jusqu'à 8 participants)
Pourquoi cet atelier ?
LangGraph est le framework de référence pour construire des workflows agentiques complexes avec des LLMs. Cet atelier vous apprend à créer des agents qui utilisent des outils, gèrent la mémoire et orchestrent des tâches multi-étapes.
Programme détaillé
0:00 – 0:25
Introduction : Agents vs Workflows
- Qu'est-ce qu'un agent IA ?
- Différence entre chaînes (chains) et agents
- Pourquoi LangGraph ? Comparaison avec AutoGPT, CrewAI, etc.
- Architecture de LangGraph : nodes, edges, state
0:25 – 1:25
Lab 1 : Agent avec outils, mémoire et persistance
- Setup : installation de LangGraph et dépendances
- Créer un agent simple avec LangChain
- Ajouter des outils (recherche web, calculatrice, API externe)
- Implémenter la mémoire conversationnelle
- Persister l'état dans une base de données (SQLite, Redis)
- Tester l'agent sur des tâches multi-tours
1:35 – 2:20
Gestion des échecs et robustesse
- Retry logic : réessayer en cas d'erreur LLM ou API
- Fallback strategies : que faire si l'agent échoue ?
- Timeouts et limits : éviter les boucles infinies
- Validation des outputs : schémas Pydantic
- Error handling best practices
2:30 – 3:30
Observabilité & Déploiement
- Logging et tracing avec LangSmith
- Métriques : latence, coûts, taux de succès
- Déployer un agent LangGraph en production
- Notes opérationnelles : gestion des tokens, rate limits
Livrables
- Repository template pour vos futurs agents LangGraph
- Diagramme d'état de votre workflow agentique
- Script de déploiement (Docker + FastAPI)
- Playbook d'observabilité : logs, traces, métriques
Prérequis
- Python (niveau intermédiaire)
- Connaissance de base des LLMs et APIs
- Compte OpenAI ou Anthropic (API key)
Forte demandeHands-on LabRAG
RAG Entreprise sur SharePoint/Confluence
3h30
Développeurs, Data Engineers, ML Engineers
Présentiel ou Distanciel
LangChain, Vector DBs (Pinecone/Weaviate/ChromaDB), OpenAI/Anthropic
990 € HT / personne
4 500 € HT / groupe (jusqu'à 8 participants)
Pourquoi cet atelier ?
Le Retrieval-Augmented Generation (RAG) permet de connecter vos LLMs à vos données internes (SharePoint, Confluence, bases documentaires). Cet atelier vous apprend à construire un système RAG performant, évalué et prêt pour la production.
Programme détaillé
0:00 – 0:20
Introduction : Stratégies de retrieval
- Qu'est-ce que le RAG et pourquoi c'est essentiel
- Retrieval strategies : semantic search, keyword search, hybrid
- Re-ranking : améliorer la pertinence avec Cohere, Anthropic
- Chunking strategies : comment découper vos documents
0:20 – 1:20
Lab 1 : Indexer et interroger vos données
- Connecter une source de données (SharePoint, Confluence, fichiers locaux)
- Découper et indexer les documents dans une vector DB
- Implémenter la recherche sémantique
- Créer une chaîne de QA avec LangChain
- Ajouter des citations (source attribution)
1:30 – 2:15
Lab 2 : Évaluation et optimisation
- Créer un dataset d'évaluation (questions-réponses de référence)
- Mesurer la précision (retrieval accuracy, answer quality)
- Mesurer la latence et les coûts
- A/B testing de différentes stratégies de chunking
- Optimiser avec re-ranking et filtres métadonnées
2:25 – 3:30
Hardening : sécurité et opérations
- ACL mirroring : respecter les permissions SharePoint/Confluence
- Cache : réduire les coûts avec du caching intelligent
- Cost optimization : choisir le bon embedding model, vector DB
- Monitoring : tracking de la qualité dans le temps
- Mise à jour incrémentale de l'index
Livrables
- RAG starter prêt à l'emploi (code + config)
- Dataset d'évaluation avec métriques
- Notes opérationnelles : coûts, scaling, maintenance
- Checklist de sécurité : ACL, confidentialité, RGPD
Prérequis
- Python (niveau intermédiaire)
- Accès à SharePoint ou Confluence (pour tester avec vos données)
- Compte OpenAI ou Anthropic (API key)
Forte demandeHands-on LabTous profils
IA Générative Appliquée : Texte, Image & Automatisation
3h30
Managers, Marketeurs, Créatifs, Professionnels (tous profils)
Présentiel ou Distanciel
ChatGPT, Claude, Midjourney, DALL-E, GitHub Copilot
890 € HT / personne
4 000 € HT / groupe (jusqu'à 8 participants)
Pourquoi cet atelier ?
Maîtrisez les outils d'IA générative les plus puissants du marché en 3h30. Prompt engineering, génération de texte, création d'images et automatisation de contenu : repartez avec des techniques immédiatement applicables dans votre quotidien professionnel.
Programme détaillé
0:00 – 0:20
Introduction : Panorama de l'IA générative en 2025
- État de l'art : ChatGPT, Claude, Midjourney, DALL-E, Copilot
- Ce que l'IA générative change pour votre métier
- Démonstrations live : texte, image, code
- Définir vos cas d'usage prioritaires
0:20 – 1:10
Lab 1 : Maîtriser la génération de texte
- Prompt engineering : structure, contexte, exemples
- Générer du contenu marketing (posts LinkedIn, emails, landing pages)
- Techniques avancées : personas, chain-of-thought, itération
- Comparer ChatGPT vs Claude : forces et faiblesses
- Exercice pratique sur vos propres cas d'usage
1:20 – 2:10
Lab 2 : Génération d'images & workflows créatifs
- Créer des visuels avec Midjourney et DALL-E
- Rédiger des prompts visuels efficaces
- Workflows créatifs : de l'idée au visuel finalisé
- Retouche et itération : affiner les résultats
- Intégrer les visuels IA dans vos supports de communication
2:20 – 3:00
Lab 3 : Automatiser la production de contenu
- Générer du code avec GitHub Copilot
- Automatiser la création de contenu à grande échelle
- Templates et workflows réutilisables
- Intégrer l'IA dans vos outils existants (Notion, Slack, Office)
3:00 – 3:30
Éthique, limites et intégration au quotidien
- Limites actuelles : hallucinations, biais, confidentialité
- Cadre éthique : plagiat, droits d'auteur, RGPD
- Construire votre routine IA quotidienne
- Plan d'action personnalisé pour les 30 prochains jours
Livrables
- Kit de prompts prêts à l'emploi (texte + image)
- Guide des meilleurs outils IA par cas d'usage
- Templates de workflows automatisés
- Plan d'action personnalisé 30 jours
Prérequis
- Aucune compétence technique requise
- Ordinateur portable avec accès internet
- Comptes gratuits ChatGPT et Claude (instructions fournies avant l'atelier)
Forte demandeSécuritéHands-on Lab
Défense contre les Injections de Prompts et Fuites de Données
3h30
Security Engineers, Développeurs, DevSecOps, Tech Leads
Présentiel ou Distanciel
LLMs, Python, Content Filters, Security Tools
990 € HT / personne
4 500 € HT / groupe (jusqu'à 8 participants)
Pourquoi cet atelier ?
Les applications IA sont vulnérables aux injections de prompts, jailbreaks et fuites de données. Cet atelier vous apprend à identifier ces menaces et à mettre en place des défenses multi-couches pour sécuriser vos systèmes LLM.
Programme détaillé
0:00 – 0:20
Modèle de menace
- Qu'est-ce qu'une injection de prompt ?
- Types d'attaques : Direct/Indirect prompt injection, Data exfiltration, Model manipulation
- Études de cas réelles : incidents de sécurité LLM
0:20 – 1:10
Lab 1 : Attaquer une application de démonstration
- Setup : déployer une application LLM vulnérable
- Exercice : Jailbreaker le système avec des prompts malveillants
- Exercice : Extraire des données sensibles (PII, secrets)
- Exercice : Indirect injection via un document malveillant
- Observer les chemins d'exfiltration
1:20 – 2:20
Lab 2 : Ajouter des défenses multi-couches
- Layer 1 : Input validation (schema enforcement, regex filters)
- Layer 2 : Tool policy (restreindre les outils accessibles)
- Layer 3 : Content filters (modération avec OpenAI Moderation API, Azure Content Safety)
- Layer 4 : Output sanitization (supprimer les PII, secrets)
- Layer 5 : Monitoring et alerting
- Tester à nouveau les attaques : mesurer l'efficacité
2:30 – 3:30
Test harness & Red Team
- Créer une suite de tests automatisés pour la sécurité LLM
- Red-team checklist : scénarios d'attaque à tester systématiquement
- CI/CD integration : tester la sécurité à chaque déploiement
- Frameworks : OWASP Top 10 for LLMs
- Playbook de réponse à incident
Livrables
- Security playbook pour applications LLM
- Suite de tests automatisés (attaques + défenses)
- Red-team checklist pour audits réguliers
- Templates de content filters et policies
Prérequis
- Python (niveau intermédiaire)
- Connaissance des LLMs et APIs
- Bases en sécurité applicative (souhaitable)
NouveauHands-on LabAccessible sans code
Maîtriser Claude Code : de l'installation au workflow d'équipe
3h30
Product Managers, Engineering Managers, Tech Leads, CTO, Scrum Masters
Présentiel ou Distanciel
Claude Code, CLAUDE.md, MCP, Hooks, Skills, Subagents
890 EUR HT / personne
4 000 EUR HT / groupe (jusqu'à 8 participants)
Pourquoi cet atelier ?
Claude Code transforme la façon dont les équipes tech produisent du logiciel. En tant que PM, tech lead ou manager, comprendre cet outil n'est plus optionnel : c'est la clé pour estimer correctement les charges, structurer les projets et tirer le meilleur de vos développeurs.
Programme détaillé
0:00 - 0:45
Module 1 : Comprendre et installér Claude Code
- Ce que Claude Code fait réellement : un agent autonome dans le terminal
- Différence avec Cursor, Copilot et les autres assistants de code
- Modèles disponibles (Opus, Sonnet, Haiku) et quand choisir lequel
- Plans tarifaires (Pro 20$/mois, Max 100$/mois)
- Installation guidee et premier lancement
- Exercice : explorer un projet et en produire un résumé
0:45 - 1:30
Module 2 : CLAUDE.md — La mémoire projet
- Le role du fichier CLAUDE.md : un brief permanent lu a chaque session
- Contenu : stack, conventions, architecture, regles métier, anti-patterns
- Hiérarchie de configuration : racine, par dossier, personnel
- Atelier : rédaction collective d'un CLAUDE.md pour un projet e-commerce
- Comparaison avant/apres : meme demande avec et sans CLAUDE.md
1:45 - 2:30
Module 3 : Serveurs MCP — Connecter Claude Code au monde
- MCP (Model Context Protocol) en 5 minutes
- Intégrations utiles : GitHub, Slack, Google Drive, Jira, bases de donnees
- Configuration d'un serveur MCP dans un projet
- Démo live : lecture d'issues GitHub, creation de PRs, notification Slack
- Exercice : connecter Claude Code a un outil et tester une interaction
2:30 - 3:15
Module 4 : Hooks, Skills et Subagents
- Hooks : scripts automatiques (lint, blocage fichiers sensibles, notification)
- Skills : expertise réutilisable en Markdown (déploiement, specs, analyse)
- Subagents : agents spécialisés travaillant en parallèle
- Démo : hook anti-password, skill changelog, subagent code review
- Atelier : concevoir un workflow pour votre équipe
3:15 - 3:30
Module 5 : Intégrer Claude Code au quotidien
- Métriques : temps de review, résolution de bugs, vélocité de sprint
- Adoption : projet pilote, mesurer, itérer
- Pièges : sur-confiance, absence de review humaine, CLAUDE.md négligé
- Budget : Pro vs Max, API vs CLI
- Sécurité et gouvernance
- Livrable : plan d'adoption en 3 etapes
Livrables
- Environnement Claude Code fonctionnel sur votre machine
- Modèle de CLAUDE.md prêt à adapter a vos projets
- Compréhension des intégrations MCP pertinentes pour votre stack
- Workflow hooks + skills + subagents conçu pour votre équipe
- Plan d'adoption en 3 etapes personnalisé
Prérequis
Besoin d'une montée en compétences rapide ?
Nos ateliers intensifs sont conçus pour vous rendre opérationnel en 3h30 sur les technologies les plus demandées du marché.