Formation Python IA : LLM, RAG et agents

Objectifs de la formation

Apprendre Python dans un contexte concret et motivant : voilà l’ambition de ce parcours. Plutôt que de répéter des exercices abstraits, cette formation te propose d’utiliser Python pour explorer un domaine passionnant : les modèles de langage (LLM) et l’intelligence artificielle générative.

Tu vas y découvrir comment :

• manipuler du texte et des données de manière structurée avec Python ;
• utiliser des modèles pré-entraînés comme ceux de Hugging Face pour répondre à des questions, résumer, classer ou extraire des informations ;
• interagir avec les LLM via des chaînes de prompts ou des agents autonomes ;
• et surtout, développer ton propre agent conversationnel, de la récupération de données à l’interface utilisateur.

Chaque étape du parcours est conçue comme un guide pratique, avec :

• un objectif pédagogique clair,
• une explication pas à pas des concepts techniques,
• des exemples concrets et reproductibles,
• des TP (notebooks, scripts CLI…) pour mettre immédiatement en application ce que tu viens d’apprendre.

Tu apprendras aussi à :

• orchestrer des actions complexes avec LangGraph,
• enrichir les réponses avec des documents personnalisés via la méthode RAG,
• et à déployer ton propre assistant IA, accessible via une interface web moderne (avec Chainlit).

Enfin, cette formation s’inscrit dans une démarche open-source, compatible avec un usage local, sans dépendance à des services SaaS, et conçue pour être auto-hébergée.

Public ciblé

Cette formation s’adresse à toutes celles et ceux qui veulent apprendre à utiliser les LLM avec Python, dans un cadre structuré, progressif et axé sur la pratique. Tu te reconnaîtras peut-être dans l’un de ces profils :

• Développeurs Python
• Data scientists / ingénieurs IA
• DevOps et ingénieurs plateforme
• Autodidactes passionnés

Prérequis

Pour suivre cette formation dans de bonnes conditions, il n’est pas nécessaire d’être expert. Mais quelques bases techniques sont recommandées pour avancer sereinement à chaque étape.

Compétences minimales attendues

• Programmation : savoir écrire des variables, des boucles (for, while), des conditions (if/else) et des fonctions simples en Python. Vous avez tout ce qu’il faut dans cette partie du site.
• Ligne de commande : être à l’aise avec les commandes de base comme cd, ls, mkdir, et la navigation dans un terminal.
• Installation de paquets : connaître l’usage de pip ou d’un environnement virtuel avec venv.

Ces bases suffisent pour comprendre les concepts, suivre les exemples et réaliser les exercices.

Environnement recommandé

Pour faciliter l’installation et la reproduction des exemples, voici les outils à préparer avant de commencer :

• Python 3.10+ De nombreux frameworks utilisés dans la formation (LangChain, LangGraph, Chainlit) sont conçus pour fonctionner avec Python récent.

• Gestion des environnements virtuels Pour isoler les dépendances :

  python3 -m venv .venv
  source .venv/bin/activate
  pip install -r requirements.txt

• Éditeur de code :

  • VSCode avec l’extension Python,
  • ou Jupyter Notebook pour un travail plus interactif sur les TP.

• Connexion Internet (optionnelle selon les modèles utilisés) : Pour télécharger les poids de modèles via Hugging Face, ou pour récupérer des jeux de données.

Ce guide reste compatible avec un usage hors-ligne, sur CPU ou GPU, et sans cloud commercial : tous les outils proposés peuvent fonctionner en local sur ton poste ou ton serveur.

Parcours pédagogique du guide

Ce parcours est structuré en 8 guides progressifs, conçus pour t’emmener pas à pas de la manipulation de texte en Python jusqu’au déploiement d’un agent conversationnel intelligent. Chaque guide introduit un concept, le met en application immédiate, et t’invite à construire un exemple réel.

Vue d’ensemble des futurs 8 modules

1. Nettoyage, segmentation, tokenisation, manipulation de chaînes et expressions régulières.
2. Découverte des LLM avec Hugging Face Utilisation des modèles pré-entraînés via transformers.
3. Prompt engineering Structuration des prompts, gestion du contexte, mise au point d’interactions efficaces.
4. Introduction au RAG (Retrieval-Augmented Generation) Indexation vectorielle avec FAISS ou pgvector, construction d’un système de réponse enrichi par documents.
5. Orchestration d’agents avec LangGraph Création de workflows complexes, agents à mémoire, multi-instructions, logique conditionnelle.
6. Création d’interface avec Chainlit Développement d’un assistant IA interactif via une interface web locale : messages, uploads, contrôle utilisateur.
7. Exécution locale avec mistral, vllm, ollama Chargement et exécution de modèles open-source localement, sans accès Internet ni API payante.

Approche pédagogique

Chaque module suit le même format :

• Concepts clés présentés simplement
• Exemples concrets et reproductibles
• TP guidé (scripts ou notebooks)
• Ressources externes pour approfondir

À la fin du parcours, tu seras capable de :

• concevoir un agent conversationnel personnalisé,
• l’orchestrer et le déployer sur ton propre environnement,
• et l’intégrer dans un écosystème technique existant.

La suite

Cette formation est entièrement open-source, sans dépendance à des services SaaS. Tous les outils — modèles, interfaces, orchestrateurs — fonctionnent en local, que ce soit sur CPU ou GPU. Tu pourras les utiliser sur un serveur personnel, en homelab ou dans un cloud privé.

Dans le prochain guide, tu vas apprendre à manipuler du texte avec Python : nettoyage, extraction, structuration. Une première étape vers la création d’un assistant intelligent.