Prenez contact avec nous

Plan du cours

Jour 1
Anatomie d'un agent IA moderne

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

Paradigmes des agents réactifs, proactifs, hybrides et dirigés par des objectifs

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

Arbitrages entre conception mono-agent et multi-agent

Cadres d'agents et stack moderne

LangChain, LlamaIndex, AutoGen, CrewAI et leurs arbitrages

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 des appels d'outils

Architectures de systèmes multi-agents

Conceptions MAS centralisées, décentralisées, hybrides et en couches

FIPA ACL, passage de messages et équivalents modernes

Modèles de coordination : planification, négociation, synchronisation

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

Prise de décision et apprentissage dans les agents

Théorie des jeux pour les interactions coopératives et concurrentielles entre agents

Apprentissage par renforcement dans des environnements multi-agents

Apprentissage par transfert et partage de connaissances entre agents

Résolution de conflits et confiance entre agents coordonnés

Jour 2
Fondements multi-modaux pour les agents

L'IA multi-modale comme workflow unifié entre texte, image, parole et vidéo

Modèles multi-modaux leaders : GPT-4 Vision, Gemini, Claude, Whisper

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

Arbitrages en matière de latence, coût et précision dans les pipelines multi-modaux

Construction de la couche de perception

Traitement d'images pour les agents : classification, légendage, détection d'objets

Reconnaissance vocale avec Whisper ASR et transcription en streaming

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 multi-modal en Python

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

Connexion des API GPT-4 Vision et Whisper de bout en bout

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

Ajout d'appels d'outils produisant des effets secondaires réels de manière sécurisée

Pratique - Orchestration d'un système multi-agent

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 agents, 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 vulnérable de manière unique comparé aux logiciels traditionnels

Surface d'attaque : couches données, modèle, prompt, outil, sortie et interface

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

Attaques adverses en pratique

Exemples adverses 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

Empoisonnement des données et injection de portes dérobées pendant l'entraînement

Injection de prompts, contournement de sécurité (jailbreaking) et mauvaise utilisation des outils dans les agents basés sur LLM

Techniques défensives et durcissement des modèles

Stratégies d'entraînement adversaire et d'augmentation des 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 Boîte à outils de robustesse adversaire

Simulation d'attaques contre l'agent multi-modal construit au 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 sous contrainte des voies d'appels d'outils et des vecteurs d'injection de prompts

Jour 4
Cadres de gestion des risques pour l'IA

Cadre de gestion des risques IA du NIST : gouverner, cartographier, mesurer, gérer

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

Cartographie des risques IA vers les cadres GRC (gouvernance, risque et conformité) existants de l'entreprise

Exigences de responsabilité IA, d'auditabilité et de documentation

Conformité réglementaire pour les systèmes agentic

EU AI Act : niveaux de risque, usages interdits et obligations pour les systèmes à haut risque

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

Exécution présidentielle américaine sur une IA sûre, sécurisée et digne de confiance

Recommandations sectorielles pour la finance, la santé et les services publics

Risque des 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 comme propriétés pertinentes pour la sécurité

Équité, préjudice en aval et déploiement responsable

Conception d'un comportement d'agent inclusif et auditable

Déploiement en production, surveillance et gestion des incidents

Modes de déploiement sécurisé pour les systèmes mono-agent et multi-agents

Surveillance continue de la dérive, des anomalies et des abus

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

Manuels de réponse aux incidents de sécurité IA et récupération

Études de cas de violations réelles de l'IA et leçons apprises

Jalon final et synthèse

Revue du système multi-agent multi-modal 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 cadre NIST AI RMF

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

Résumé et prochaines étapes

Pré requis

Audience cible

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