Prenez contact avec nous

Plan du cours

Jour 1
Anatomie d'un agent IA moderne

Au-delà des chatbots : les agents en tant que systèmes autonomes de raisonnement et d'action

Paradigmes d'agents réactifs, proactifs, hybrides et orientés vers un objectif

Composants clés : perception, planification, mémoire, utilisation d'outils, action

Arsenal de compromis entre architectures à agent unique et multi-agents

Cadres framework pour agents et pile technologique moderne

LangChain, LlamaIndex, AutoGen, CrewAI et leurs compromis respectifs

Comparaison avec les frameworks classiques tels que JADE et SPADE

Choisir un framework en fonction des exigences de production

Appels d'outils, appels de fonctions et sorties structurées

Pratique : échafaudage d'un agent Python unique avec appels d'outils

Architectures de systèmes multi-agents

Conceptions MAS centralisées, décentralisées, hybrides et en couches

FIPA ACL, passage de messages et équivalents modernes

Patterns de coordination : planification, négociation, synchronisation

Comportements émergents et auto-organisation dans les populations d'agents

Prise de décision et apprentissage chez les agents

Théorie des jeux pour les interactions coopératives et compétitives entre agents

Apprentissage par renforcement dans des environnements multi-agents

Apprentissage par transfert et partage de connaissances entre agents

Résolution des conflits et confiance entre agents coordonnés

Jour 2
Fondations multimodales pour les agents

L'IA multimodale en tant que flux de travail unifié couvrant texte, image, voix et vidéo

Modèles multimodaux leaders : GPT-4 Vision, Gemini, Claude, Whisper

Techniques de fusion pour combiner les modalités au sein de la boucle de raisonnement de l'agent

Compromis en matière de latence, de coût et de précision dans les pipelines multimodaux

Construction de la couche de perception

Traitement d'image pour agents : classification, légendage, détection d'objets

Reconnaissance vocale avec Whisper ASR et transcription en flux continu

Synthèse text-to-speech et interaction vocale naturelle

Connexion des sorties de perception au raisonnement piloté par LLM et à la sélection d'outils

Pratique - Construction d'un agent multimodal en Python

Définition de la tâche, de la fenêtre de contexte et de l'inventaire d'outils de l'agent

Connexion complète des APIs GPT-4 Vision et Whisper

Mise en œuvre de la mémoire, de l'état et de la gestion de la conversation

Ajout d'appels d'outils produisant des effets secondaires dans le monde réel de manière sûre

Pratique - Orchestration d'un système multi-agents

Composition d'agents spécialisés avec AutoGen ou CrewAI

Définition des rôles, responsabilités et protocoles de communication inter-agents

Allocation des ressources et coordination dans un environnement simulé

Journalisation du raisonnement, des appels d'outils et des décisions pour inspection et audit

Jour 3
Surface de menace des agents IA en production

Ce qui rend l'IA agentic uniqueemnt vulnérable par rapport aux logiciels traditionnels

Surface d'attaque : couches de données, modèles, prompts, outils, sorties et interfaces

Modélisation des menaces pour les systèmes basés sur des agents avec utilisation autonome d'outils

Comparaison des pratiques de cybersécurité IA avec la cybersécurité traditionnelle

Pratique - Attaques adversariales

Exemples adversariaux et méthodes de perturbation : FGSM, PGD, DeepFool

Scénarios d'attaque en boîte blanche versus boîte noire

Attaques d'inversion de modèle et d'inférence d'appartenance au jeu de données

Poisonnement des données et injection de portes dérobées lors de l'entraînement

Injection de prompts, jailbreaking et abus d'outils dans les agents basés sur LLM

Techniques défensives et durcissement des modèles

Entraînement adversarial et stratégies d'augmentation de données

Distillation défensive et autres techniques de robustesse

Prétraitement des entrées, masquage des gradients et régularisation

Vie privée différentielle, injection de bruit et budgets de confidentialité

Apprentissage fédéré et agrégation sécurisée pour l'entraînement distribué

Pratique avec la Adversarial Robustness Toolbox

Simulation d'attaques contre l'agent multimodal construit le Jour 2

Mesure de la robustesse sous perturbation et quantification de la dégradation

Application itérative des défenses et réévaluation des taux de succès des attaques

Test de charge des chemins d'appels d'outils et des vecteurs d'injection de prompts

Jour 4
Cadres de gestion des risques pour l'IA

Cadre NIST AI Risk Management Framework : gouverner, cartographier, mesurer, gérer

ISO/IEC 42001 et normes émergentes spécifiques à l'IA

Cartographie des risques IA vers les cadres GRC d'entreprise existants

Exigences en matière de responsabilité, d'audité et de documentation pour l'IA

Congrégation réglementaire pour les systèmes agentic

EU AI Act : niveaux de risque, utilisations interdites et obligations pour les systèmes à haut risque

Implications du RGPD et du CCPA pour les pipelines de données des agents

Executive Order américain sur une IA sûre, sécurisée et fiable

Conseils sectoriels spécifiques pour la finance, la santé et les services publics

Risques tiers et utilisation d'outils IA par les fournisseurs

Éthique, biais et explicabilité

Détection et atténuation des biais à travers la perception et le raisonnement des agents

Explicabilité et transparence en tant que propriétés pertinentes pour la sécurité

Équité, dommages collatéraux et déploiement responsable

Conception de comportements d'agents inclusifs et auditable

Déploiement en production, surveillance et gestion des incidents

Modes de déploiement sécurisés pour les systèmes à agent unique et multi-agents

Surveillance continue pour la dérive, les anomalies et les abus

Journalisation, pistes d'audit et préparation forensique pour les actions des agents

Cahiers de réponse aux incidents de sécurité IA et récupération

Études de cas de brèches réelles dans l'IA et leçons apprises

Projet final et synthèse

Revue du système multi-agent multimodal construit tout au long du cours

Revue du pipeline de bout en bout : conception, construction, sécurisation, gouvernance, déploiement

Auto-évaluation du système par rapport aux fonctions du NIST AI RMF

Perspective prospective sur les tendances émergentes dans l'IA agentic et la sécurité IA

Résumé et prochaines étapes

Pré requis

Public visé

Ingénieurs et architectes IA développant des systèmes agentic pour un usage en production. Professionnels de la cybersécurité, du risque et de la conformité responsables de l'assurance IA dans des secteurs réglementés tels que la finance, la santé et le conseil. Développeurs seniors et chefs de solution intégrant des capacités multimodales et multi-agents dans des plateformes d'entreprise.

 28 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (3)

Cours à venir

Catégories Similaires