Cours · Ouverture des cours et des parcours disponibles
Construisez des agents autonomes avec Python, OpenAI et LangChain.
Données pédagogiques publiées
Aucun objectif pédagogique n’est publié pour ce cours. Les titres de leçons ne sont pas transformés automatiquement en promesses d’apprentissage.
Structure publiée
1 module(s) · 25 leçon(s)
25 leçon(s) · 2h 5min
Introduction : Qu'est-ce qu'un Agent IA ?
Découvrez le concept d'agent IA, son architecture (cerveau, outils, mémoire) et ses applications concrètes. Une analogie simple avec un robot cuisinier vous aidera à visualiser les composants.
Préparation de l'Environnement de Développement : Créer un Environnement Python Isolé et Installer les Bibliothèques Essentielles
Apprenez à configurer un environnement Python isolé avec venv pour éviter les conflits de versions et installer les bibliothèques de base openai, langchain et python-dotenv pour développer des agents IA.
Premiers Pas avec l'API OpenAI : Configuration et Premier Appel
Apprenez à configurer votre clé API OpenAI et à effectuer votre premier appel à un modèle de langage (LLM). Comprenez la structure d'un prompt et d'une réponse pour interagir avec l'IA.
Exercice Pratique : Créer un Assistant Basique avec l'API OpenAI
Apprenez à construire votre premier agent IA conversationnel en Python. Ce script dialogue avec l'utilisateur via la console en utilisant l'API OpenAI, avec une gestion basique des erreurs pour les clés API manquantes.
Quiz de Validation : Fondamentaux des Agents IA avec Python
Ce quiz valide votre compréhension des concepts clés vus dans les premières leçons : LLMs, environnements virtuels, structure des prompts et gestion de l'API OpenAI. Il vous prépare à aborder les notions avancées des agents autonomes.
Le Cœur de l'Agent : Les Outils (Tools) - Définition et Function Calling avec OpenAI
Découvrez ce qu'est un outil pour un agent IA, son analogie avec les outils d'un robot, et apprenez à utiliser le Function Calling d'OpenAI pour permettre à un LLM de demander l'exécution de fonctions.
Le JSON : Le Langage de Communication entre LLM et Code
Découvrez pourquoi JSON est essentiel pour structurer les échanges entre votre code et les LLMs. Apprenez à définir un schéma d'outil pour OpenAI avec des exemples concrets et progressifs.
Construire un Agent Natif (OpenAI) - Partie 1
Apprenez à implémenter manuellement la boucle d'exécution d'un agent IA natif avec OpenAI. Découvrez comment orchestrer les interactions entre l'utilisateur, le LLM et les outils pour créer un agent autonome.
Exercice Pratique : Agent Météo Natif - Maîtriser le Function Calling Manuel
Créez un agent météo natif en Python qui utilise le Function Calling d'OpenAI. Apprenez à gérer manuellement tout le flux : prompt, décision JSON, exécution de fonction et réponse finale.
Quiz de Validation : Agents Natifs & Function Calling
Évaluez votre compréhension du flux d'exécution des agents natifs, de la structure JSON des appels de fonction et de la gestion des outils. Ce quiz consolide les concepts clés des leçons précédentes.
Introduction à LangChain : L'Assistant du Développeur
Découvrez pourquoi LangChain simplifie la création d'agents IA en structurant les interactions avec les LLMs. Apprenez ses briques fondamentales : Modèles, Prompts, Outils, Chaînes et Mémoires.
Les Briques de LangChain en Pratique : Modèles, Prompts et Outils
Apprenez à coder des exemples simples avec chaque composant fondamental de LangChain : initialiser un modèle ChatOpenAI, créer un PromptTemplate, et définir un Tool personnalisé pour construire des agents IA.
Le Paradigme ReAct (Reason + Act)
Découvrez la méthode ReAct qui permet aux agents IA de raisonner avant d'agir. Apprenez comment cette approche améliore la fiabilité et la transparence des agents autonomes.
Construire un Agent ReAct avec LangChain : Automatisation Complète de la Boucle Raisonnement-Action
Apprenez à assembler les composants essentiels d'un agent ReAct avec LangChain : LLM, outils, prompt ReAct, create_react_agent et AgentExecutor. Maîtrisez l'automatisation complète de la boucle raisonnement-action pour créer des agents autonomes.
Exercice Pratique : Agent de Recherche avec Tavily
Créez un agent IA autonome qui répond à des questions d'actualité en utilisant LangChain et l'outil de recherche Tavily. Apprenez à configurer un AgentExecutor avec contrôle des itérations pour éviter les boucles infinies.
Quiz de Validation : LangChain & ReAct - Architecture, Composants et Cycle
Évaluez votre compréhension de l'architecture LangChain, du rôle de chaque composant et du déroulement du cycle ReAct à travers des questions conceptuelles et pratiques.
Gestion Avancée des Outils
Apprenez à créer des outils complexes, intégrer des outils pré-construits comme une calculatrice ou une recherche web, et gérer efficacement les erreurs dans vos agents IA.
La Mémoire Conversationnelle : Donner de la mémoire à votre agent IA
Apprenez à implémenter la mémoire conversationnelle avec ConversationBufferMemory pour que votre agent IA se souvienne du contexte des conversations à plusieurs tours. Comprenez pourquoi la mémoire est essentielle et comment elle transforme les interactions.
Introduction aux Bases de Données Vectorielles : Stocker et Rechercher des Connaissances pour un Agent IA
Découvrez ce qu'est une base de données vectorielle (comme ChromaDB) et comment elle permet à un agent IA d'accéder à des connaissances personnelles ou documentaires pour enrichir ses réponses et actions.
Exercice Pratique : Agent avec Mémoire et Connaissances - Construire un Assistant Conversationnel Intelligent
Dans cette leçon pratique, vous allez intégrer la mémoire conversationnelle et une base de connaissances vectorielle pour créer un agent IA capable de répondre de manière contextuelle et informée. Vous apprendrez à combiner LangChain, OpenAI, et ChromaDB pour construire un assistant intelligent.
Débriefing et Bonnes Pratiques
Synthèse des architectures d'agents IA (native vs LangChain) et conseils pratiques pour le débogage, l'optimisation des coûts et le design des prompts. Applique ces bonnes pratiques pour créer des agents robustes et efficaces.
Quiz Final de Consolidation
Questionnaire complet évaluant votre maîtrise de tous les concepts du cours, des bases aux techniques avancées. Testez vos connaissances avant le projet final.
Projet Final : Briefing & Planification - Un Agent Planificateur de Voyage
Présentation du projet final : concevoir un Agent IA autonome capable de planifier un voyage complet. Définition des outils requis (recherche de vols, météo, infos touristiques) et de l'architecture modulaire.
Projet Final : Développement Guidé - Construction Pas à Pas de l'Agent Autonome
Ce projet vous guide étape par étape dans la construction complète d'un agent IA autonome. Vous intégrerez les outils, configurerez la mémoire, concevrez le prompt principal et effectuerez des tests intermédiaires pour valider chaque composant.
Projet Final : Présentation & Améliorations - Finalisation et Perspectives
Finalisez votre projet d'agent IA autonome, présentez votre travail, et explorez des améliorations avancées comme une interface web ou des outils supplémentaires. Récapitulez votre parcours d'apprentissage complet.
Les ressources du cours sont disponibles après validation de l’accès au contenu.