À qui s'adresse cette formation
- Ingénieurs IA et data scientists qui construisent des systèmes RAG et de mémoire longue durée.
- Développeurs backend chargés de l’indexation, de la recherche et du scaling de la connaissance.
- Ingénieurs qui doivent fiabiliser le rappel et la pertinence des systèmes de mémoire d’agents.
- Architectes data qui veulent articuler bases vectorielles et graphes de connaissances.
Prérequis réels
- Pratique courante de Python et manipulation d’API de modèles d’embedding.
- Notions de recherche d’information : similarité, index, recall et pertinence.
- Bases de données relationnelles ou NoSQL et concepts de stockage clé-valeur.
Ce que vous saurez faire
À l'issue de la formation, vous serez capable de :
- Concevoir un pipeline RAG avancé : découpage, embeddings, recherche hybride et reranking.
- Choisir et opérer un vector store adapté aux contraintes de volume et de latence.
- Modéliser une mémoire épisodique et sémantique pour des agents persistants.
- Construire un graphe de connaissances et l’interroger pour enrichir le contexte.
- Faire évoluer un système de mémoire en charge (indexation incrémentale, scaling).
Programme — 6 modules
Formation 100% en ligne, à votre rythme.
- Module 1 — RAG avancé
Maîtriser découpage (chunking), embeddings, recherche hybride (BM25 + vecteurs) et reranking. Évaluer pertinence et fidélité des réponses. - Module 2 — Vector stores en pratique
Comparer et déployer des bases vectorielles (pgvector, Qdrant, Weaviate). Gérer index HNSW, filtres de métadonnées et compromis latence/qualité. - Module 3 — Mémoire épisodique et sémantique
Séparer souvenirs d’événements et faits consolidés. Implémenter résumés, extraction de faits et politiques d’oubli et de consolidation. - Module 4 — Graphes de connaissances
Extraire entités et relations pour construire un knowledge graph (Neo4j). Interroger le graphe en langage naturel pour enrichir le contexte d’un agent. - Module 5 — Mémoire multi-agents
Partager et cloisonner la mémoire entre agents coopérants. Traiter cohérence, concurrence d’écriture et synchronisation des états. - Module 6 — Scaling et exploitation
Industrialiser indexation incrémentale, versions d’embeddings et réindexation. Surveiller recall, coûts et fraîcheur des données à grande échelle.
Outils utilisés
Cette formation manipule les outils suivants : Claude · ChatGPT · n8n · Python · Docker.
Ce que cette formation ne vous donnera pas
- Un diplôme d'ingénieur, ni un titre RNCP : cette formation produit des compétences vérifiées, pas un statut.
- Une garantie d'emploi ni un salaire : nous formons, nous n'embauchons pas et ne plaçons pas.
- Un mentorat individuel continu : le suivi couvre l'évaluation des acquis à 30 et 90 jours.
- Des crédits d'accès aux modèles propriétaires : vous utilisez vos propres clés.
- Un raccourci sans pratique : comptez 4 à 6 heures par semaine.
Informations pratiques
Formats
- 100% en ligne — accès illimité
- Formateur référent inclus
Accès & attestation
- Accès immédiat après paiement
- Attestation de fin de formation
- Badge numérique (LinkedIn, CV)
Garantie
Remboursement intégral sous 14 jours si la formation ne correspond pas à sa description.
Questions fréquentes
Quels sont les prérequis ?
Aucun prérequis technique — la formation débute au niveau débutant.
La formation donne-t-elle lieu à une attestation ?
Oui : une attestation de fin de formation Cabinet MARA, vérifiable en ligne, accompagnée d'un badge numérique.
Quel est le format ?
100% en ligne avec accès illimité, à votre rythme.
Puis-je payer en plusieurs fois ?
Paiement unique par formation (490 €). Pour les packs, contactez-nous.
Formations complémentaires
Prêt à commencer ?
Accès immédiat après paiement sécurisé Stripe. Prix unique 490 €.
Acheter — 490 €