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.
Nos clients témoignent (3)
Le formateur est patient et très aidant. Il maîtrise bien le sujet.
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
Formation - Agentic AI for Business Automation: Use Cases & Integration
Traduction automatique
Bon mélange de connaissances et de pratique
Ion Mironescu - Facultatea S.A.I.A.P.M.
Formation - Agentic AI for Enterprise Applications
Traduction automatique
Le mélange de théorie et de pratique, ainsi que des perspectives de haut niveau et de bas niveau
Ion Mironescu - Facultatea S.A.I.A.P.M.
Formation - Autonomous Decision-Making with Agentic AI
Traduction automatique