Formation
Formation RAG : connecter une IA aux données de l’entreprise
Un modèle ne connaît pas vos procédures, vos contrats ni votre documentation technique. Le RAG résout ce problème en allant chercher les bons passages avant de répondre. Ces trois jours construisent une chaîne complète sur un corpus réel, l’évaluent avec méthode et la préparent à l’exploitation : un RAG qui n’est pas mesuré n’est pas fiable, et un RAG qui ignore les droits d’accès est un incident en attente.
Public concerné
Développeurs, intégrateurs, ingénieurs données, architectes, responsables des systèmes d’information, consultants techniques, équipes internes chargées d’un projet d’assistant documenté.
Il s’agit d’une formation technique. Les profils métier sans pratique du code y trouveront peu : la formation NotebookLM ou celle dédiée aux agents répondent mieux à leur besoin. En intra entreprise, la chaîne est construite sur votre propre corpus.
Prérequis
Pratique régulière de la programmation, quel que soit le langage, et aisance avec les API, le format JSON et la ligne de commande. Une première expérience d’appel à un modèle de langage par API est fortement recommandée.
Chaque participant vient avec son ordinateur portable, un environnement de développement fonctionnel, une clé d’API valide et un corpus de travail non confidentiel représentatif de son projet.
Objectifs pédagogiques
- Expliquer le principe d’une recherche augmentée et les étapes de sa chaîne.
- Préparer un corpus : extraction, nettoyage, découpage, métadonnées.
- Choisir un modèle d’embedding et une base vectorielle adaptés au besoin.
- Mettre en place une recherche hybride et un réordonnancement des résultats.
- Rédiger une consigne qui oblige le modèle à s’appuyer sur les passages fournis.
- Construire un jeu d’évaluation et mesurer séparément recherche et génération.
- Diagnostiquer une chaîne qui répond mal et corriger la bonne étape.
- Filtrer les passages selon les droits de l’utilisateur, au bon endroit de la chaîne.
- Limiter l’injection de consignes par un document ingéré.
- Exposer la chaîne à une application ou à un assistant existant.
- Chiffrer les coûts d’indexation et d’inférence, et organiser la mise à jour du corpus.
Programme détaillé
Jour 1
1. Ce que résout le RAG, et ce qu’il ne résout pas
- La chaîne complète : ingestion, découpage, indexation, recherche, génération.
- Pourquoi le RAG l’emporte sur le réentraînement dans la plupart des cas d’entreprise.
- Les besoins pour lesquels une simple recherche plein texte suffit.
- Où se situent réellement les échecs d’un RAG : presque toujours avant la génération.
- Pratique : chaîne minimale montée de bout en bout, sans optimisation.
2. Préparer le corpus
- Extraction : bureautique, PDF, pages Web, documents scannés.
- Nettoyage : en-têtes, pieds de page, tableaux, doublons, versions périmées.
- Découpage : taille, recouvrement, respect de la structure du document.
- Métadonnées : source, date, version, périmètre d’accès.
- Pratique : pipeline d’ingestion sur le corpus du participant.
3. Indexer
- Ce qu’est un embedding, et ce que « proche » veut dire dans cet espace.
- Choisir un modèle d’embedding : langue, dimension, coût, hébergement.
- Bases vectorielles : les options courantes et leurs compromis.
- Ce que coûte une réindexation, et comment l’éviter.
- Pratique : indexation complète et premières recherches.
Jour 2
4. Chercher mieux
- Recherche vectorielle seule : ses angles morts sur les sigles, références et nombres.
- Recherche hybride : combiner mots-clés et similarité.
- Réordonnancement des résultats et filtrage par métadonnées.
- Reformuler la question avant de chercher.
- Pratique : recherche hybride et réordonnancement, mesure de l’écart.
5. Générer une réponse tenue
- Construire le contexte : combien de passages, dans quel ordre, avec quelles références.
- Obliger le modèle à citer et à dire quand la réponse n’est pas dans les sources.
- Formats de sortie structurés et exploitables par l’appelant.
- Ce que coûte un contexte trop long, en argent et en qualité.
- Pratique : mise au point de la consigne de génération.
6. Évaluer
- Construire un jeu de questions de référence avec leurs réponses attendues.
- Mesurer séparément la recherche et la génération.
- Rappel, précision, fidélité aux sources : ce que chaque indicateur dit vraiment.
- Automatiser l’évaluation pour pouvoir itérer.
- Pratique : jeu d’évaluation construit et exécuté sur sa propre chaîne.
7. Diagnostiquer et corriger
- Réponse fausse : d’où vient l’erreur, du découpage, de la recherche ou de la consigne.
- Les corrections qui paient, dans l’ordre où les essayer.
- Journaliser les échanges pour pouvoir enquêter.
- Pratique : cycle complet de diagnostic et de correction, mesures à l’appui.
Jour 3
8. Droits d’accès et cloisonnement
- Filtrer les passages selon l’utilisateur, et non après la réponse.
- Porter les droits dans les métadonnées dès l’ingestion.
- Les fuites classiques : citation d’un extrait interdit, résumé trop large, cache partagé.
- Pratique : cloisonnement de la chaîne par profil d’utilisateur.
9. Sécurité de la chaîne
- Injection de consignes par un document ingéré : le mécanisme et sa limitation.
- Contenus hétérogènes et sources externes : ce qu’il faut contrôler avant d’indexer.
- Journalisation, traçabilité et réponse à incident.
- Pratique : mise à l’épreuve de sa chaîne sur des documents hostiles.
10. Exposer et intégrer
- Exposer la chaîne à une application, un assistant ou un outil interne.
- Ce qui change quand plusieurs clients l’interrogent en parallèle.
- Mise en cache, délais, dégradation gracieuse.
- Pratique : appel de la chaîne depuis un client extérieur.
11. Exploiter dans la durée
- Coûts d’indexation et d’inférence, plafonds, suivi.
- Mise à jour du corpus et cycle de vie des documents.
- Surveiller la dérive de qualité avec son jeu d’évaluation.
- Qui maintient la chaîne, et ce qu’il faut documenter pour qu’un autre la reprenne.
- Pratique : plan d’exploitation et présentation de la chaîne terminée.
- Questions ouvertes et échanges avec le formateur.
Méthodes pédagogiques
Les trois jours sont un atelier de développement : chaque participant monte une chaîne complète sur son propre corpus, l’améliore en s’appuyant sur des mesures, puis la prépare à l’exploitation. Les apports théoriques restent courts et précèdent immédiatement la mise en pratique.
Chacun repart avec son code, son jeu d’évaluation, ses mesures, ses consignes de génération et son plan d’exploitation. Un support écrit complète l’ensemble. Formation dispensée en présentiel ou en classe à distance.
Moyens d'encadrement
Formation organisée par le CIDFP, organisme de formation certifié Qualiopi, et animée par ses formateurs en intelligence artificielle, consultants et praticiens du Web. Ils forment à l’IA depuis 2022, avec plus de 200 personnes formées à ce jour. Formateurs certifiés SecNumAcadémie (ANSSI) et Atelier RGPD (CNIL).
Un formateur unique assure l’intégralité des deux journées. Les groupes sont volontairement réduits pour permettre un suivi individuel.
Modalités d'évaluation
Un questionnaire de positionnement rempli avant la formation permet de vérifier le niveau technique, l’environnement de développement et la disponibilité des clés d’API et des corpus.
L’acquisition se vérifie à chaque étape de la chaîne, par les mesures obtenues sur le jeu d’évaluation, puis par la présentation de la chaîne cloisonnée et documentée en fin de troisième journée. Un questionnaire d’évaluation à chaud est complété par chaque participant. Une attestation de fin de formation est remise à l’issue de la session.
Pourquoi choisir cette formation
- Une chaîne complète montée sur votre propre corpus, pas sur un jeu de démonstration.
- L’évaluation traitée comme une partie du travail, et non comme un complément optionnel.
- Une troisième journée entièrement consacrée à ce qui bloque les mises en production : droits d’accès, sécurité, intégration, coûts.
- Le filtrage par droits d’accès traité au bon endroit de la chaîne, dès l’ingestion.
- L’injection de consignes par un document ingéré, risque réel rarement abordé.
- Un plan d’exploitation chiffré avant la mise en service.
Accessibilité
Les formations sont ouvertes aux personnes en situation de handicap. Les besoins d’adaptation, qu’ils portent sur l’accès aux locaux, les supports, le rythme ou les outils, sont examinés lors de l’entretien préalable afin de mettre en place les aménagements nécessaires ou d’orienter vers un interlocuteur adapté.
Signalez votre besoin en amont de l’inscription pour que la session soit préparée en conséquence.
Dates & lieux
Aucune date programmée pour le moment. Nous ouvrons une session dès qu’un groupe est constitué — dites-nous quelle période vous conviendrait.
Questions fréquentes
Faut-il savoir programmer ?
Oui, c’est un prérequis ferme. La formation manipule du code, des API et des bases vectorielles pendant trois jours. Si votre besoin est d’interroger vos documents sans développer, la formation NotebookLM ou celle consacrée aux agents IA répondent mieux.
Pourquoi trois jours ?
Deux jours suffisent à monter une chaîne qui fonctionne en démonstration. La troisième journée traite ce qui empêche la plupart des projets d’aller en production : cloisonnement par droits d’accès, sécurité face aux documents hostiles, intégration à une application et coûts réels.
Quel langage est utilisé ?
Les exemples sont fournis dans un langage courant pour ce type de chaîne, et les principes sont indépendants du langage. Le choix est confirmé lors du cadrage préalable selon la pile technique des participants, notamment en intra.
Faut-il une base vectorielle déjà en place ?
Non. Le troisième module compare les options courantes et en met une en œuvre. En intra, si votre organisation a déjà fait un choix, la chaîne est construite directement dessus.
Pourquoi insister autant sur l’évaluation ?
Parce que c’est ce qui manque à la plupart des RAG en production. Sans jeu de questions de référence, toute modification devient une impression, et la chaîne se dégrade sans que personne ne le voie.
Quelle différence avec la formation MCP ?
Le RAG apprend à un modèle à répondre à partir de vos documents. MCP lui donne accès à vos outils et à vos données vivantes, pour lire et agir. Les deux se combinent souvent dans un même projet, et les deux formations se suivent bien.
Quelle est la différence entre inter, intra et sur mesure ?
En inter, vous vous inscrivez individuellement à une session ouverte et rejoignez un groupe de 3 à 8 participants. En intra, les trois journées sont réservées à votre équipe et la chaîne est construite sur votre corpus et votre pile technique. Le sur mesure répond à un besoin qui n’entre dans aucun de ces deux cadres. Les trois formats font l’objet d’un devis nominatif.
Cette formation peut-elle être financée ?
Le CIDFP est certifié Qualiopi, ce qui ouvre l’accès aux dispositifs de financement de la formation professionnelle. Signalez-le dès la demande de devis : le montage se prépare en amont de la session.
Sommaire