Les grands modèles de langage (Large Language Models, LLM) ont profondément transformé la compréhension du langage naturel et les systèmes automatisés de question-réponse. Toutefois, ils restent limités par les données sur lesquelles ils ont été entraînés et sont connus pour pouvoir produire des hallucinations. Grâce au Retrieval-Augmented Generation (RAG) et à l’IA agentique, les réponses générées par les LLM peuvent devenir plus fiables et être basées sur des informations vérifiables.

Cette formation présente les principes fondamentaux des RAG et des agents d’IA, et permet aux participants de suivre une démonstration pratique montrant comment de tels systèmes sont implémentés en Python.

Objectifs

• Comprendre les principes fondamentaux du RAG et de l’IA agentique.
• Identifier les situations dans lesquelles ces approches sont adaptées, ainsi que les conditions nécessaires à leur mise en œuvre.
• Comprendre comment ces méthodes sont implémentées en pratique.

Prérequis

Des connaissances de base en programmation Python sont recommandées pour suivre les démonstrations pratiques, mais ne sont pas obligatoires.

Cette formation fait partie du programme EduKIA développé conjointement par la HES-SO et l'Université de Fribourg et offert dans le cadre du projet "Open Education & Digital Competencies" (PgB 2025-2028).

Cette formation n’est pas prise en compte pour l’obtention de l’Attestation didactique de la HES-SO.