Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 14 heures
Plan du cours
Introduction aux LLMs et aux cadres d’agents
- Aperçu des grands modèles de langage dans l’automatisation des infrastructures
- Concepts clés des flux de travail multi-agents
- AutoGen, CrewAI et LangChain : cas d’usage en DevOps
Mise en place d’agents LLMs pour les tâches DevOps
- Installation d’AutoGen et configuration des profils d’agents
- Utilisation de l’API OpenAI et d’autres fournisseurs de LLMs
- Configuration des espaces de travail et des environnements compatibles CI/CD
Automatisation des flux de travail de tests et de qualité du code
- Conception de prompts pour générer des tests unitaires et d’intégration
- Utilisation d’agents pour appliquer le linting, les règles de commit et les lignes directrices de revue de code
- Résumé et étiquetage automatisés des demandes de tirage (pull requests)
Agents LLMs pour la gestion des alertes et la détection des changements
- Conception d’agents de réponse pour les alertes de défaillance des pipelines
- Analyse des journaux et des traces à l’aide de modèles de langage
- Détection proactive des changements à haut risque ou des erreurs de configuration
Coordination multi-agents en DevOps
- Orchestration d’agents par rôle (planificateur, exécuteur, examinateur)
- Boucles de messagerie entre agents et gestion de la mémoire
- Conception human-in-the-loop pour les systèmes critiques
Sécurité, gouvernance et observabilité
- Gestion de l’exposition des données et de la sécurité des LLMs dans les infrastructures
- Audit des actions des agents et restriction de leur portée
- Suivi du comportement des pipelines et des retours des modèles
Cas d’usage réels et scénarios personnalisés
- Conception de flux d’agents pour la réponse aux incidents
- Intégration des agents avec GitHub Actions, Slack ou Jira
- Meilleures pratiques pour l’extension de l’intégration des LLMs en DevOps
Résumé et prochaines étapes
Pré requis
- Expérience avec l’outillage DevOps et l’automatisation des pipelines
- Connaissances opérationnelles de Python et des flux de travail basés sur Git
- Compréhension des LLMs ou exposition à la conception de prompts (prompt engineering)
Public cible
- Ingénieurs de l’innovation et responsables de plateformes intégrant l’IA
- Développeurs de LLMs travaillant dans le DevOps ou l’automatisation
- Professionnels du DevOps explorant les cadres d’agents intelligents