Étape 1 — Comprendre les LLM et l'IA générative
Découvrez les concepts fondamentaux des Large Language Models : comment ils fonctionnent, ce qu'ils peuvent faire, et leur impact sur nos métiers. Une mise en contexte essentielle avant de passer à la pratique.
Étape 2 — Démarrer avec Mistral AI
Mistral AI est le champion français de l'IA générative. Apprenez à utiliser son API, comprendre les function calls, et construire vos premiers agents. Une Stack 100% française et compétitive.
Étape 3 — RAG, agents et outils avancés
Explorez les architectures RAG (Retrieval-Augmented Generation), les agents autonomes, le choix des modèles selon votre matériel, et les outils pour tracer et debugger vos LLMs.
Étape 4 — Observabilité des LLMs
Le monitoring des modèles de langage est crucial en production. Découvrez Phoenix pour tracer vos LLMs, et comment appliquer les principes DevOps à l'IA.
Étape 5 — IA & Kubernetes : l'alliance du DevOps
Déployez et gérez des workloads IA sur Kubernetes : agents intelligents, serveurs d'inférence, et outils spécialisés pour tirer parti de l'IA dans vos clusters.
Étape 6 — Construire une API avec FastAPI
Pour servir vos modèles et agents IA, maîtrisez FastAPI, le framework Python moderne pour construire des API performantes. La brique serveur de votre stack IA.
🎯 Prochaines étapes
Ce parcours est amené à s'enrichir avec les prochaines vidéos. Voici ce qui arrive :
- Construction d'agents autonomes avec Mistral
- Déploiement de RAG en production
- Fine-tuning de modèles pour le DevOps
- Monitoring LLM en production avec Prometheus
- Chaînage d'agents et workflows complexes