Formation Ingénierie de l'IA agentique avec Python — Concevoir des agents autonomes

Fondements de l'IA agentique

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

Outils Python et SDK d'agents

• Utilisation de LangChain et de SDK similaires pour démarrer des agents
• Programmation asynchrone, files de tâches et gestion des sous-processus
• Emballage, environnements virtuels et workflows de développement reproductibles

Intégration d'outils et d'API externes

• Conception d'interfaces d'outils et de motifs d'appel d'outils sécurisés
• Connexion aux API web, aux bases de données et aux services internes
• Gestion des identifiants, des secrets et de l'accès avec privilèges minimaux

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 des actions, sous-agents et décomposition des tâches
• Algorithmes de planification par opposition à l'orchestration heuristique
• Gestion des échecs, des nouvelles tentatives et des actions de compensation

Sécurité, tests et observabilité

• Modèles de menaces, tests d'intrusion (red-teaming) et assainissement des entrées/sorties
• Tests unitaires, d'intégration et de bout en bout pour les agents
• Journalisation, métriques, traçabilité 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 du débit et optimisation des ressources
• Surveillance, gouvernance et plans opérationnels

Résumé et prochaines étapes