AI+ Context Engineering - eLearning (examen inclus)

Chronologie du cours

1. Fondements de l’ingénierie du contexte

   Leçon 1

   • Introduction à l’ingénierie du contexte au‑delà du prompt engineering traditionnel
   • Le passage de simples invites à des pipelines de contexte complets
   • Éléments clés du contexte : instructions, connaissances, outils et état du système
   • Mémoire à court terme et à long terme dans les systèmes basés sur des LLM
   • Principaux avantages : ancrage dans la réalité, pertinence, continuité et rentabilité
   • Cas d’usage : concevoir un assistant de voyage IA conscient du contexte
   • Pratique : créer des instructions système et des états de mémoire pour un agent IA basé sur des rôles

2. Cadres et méthodes de gestion du contexte

   Leçon 2

   • Le cadre W-S-C-I : Écrire, Sélectionner, Compresser, Isoler
   • RÉDIGER : Définir l’identité de l’agent, sa persona, les garde-fous et le contrôle de l’état
   • SELECT : recherche haute précision et filtrage par métadonnées
   • COMPRESS : Résumé, optimisation des jetons et compactage automatique
   • ISOLATE : Définir des limites pour la sécurité, la concentration et la protection du contexte
   • Stratégies avancées de recherche : recherche hybride et segmentation sémantique
   • Étude de cas : Les systèmes de mémoire dans ChatGPT et Claude
   • Pratique : appliquer la sélection et la compression de contexte avec LangChain ou LlamaIndex

3. Pipelines de contexte, RAG et architecture d’IA ancrée

   Leçon 3

   • Concevoir l’ensemble du pipeline de contexte (entrée → recherche → compression → assemblage → réponse → mise à jour)
   • Plongée approfondie dans les systèmes de génération augmentée par récupération (RAG)
   • Travailler avec des bases de données vectorielles comme Pinecone et Chroma, et avec des modèles d’embedding
   • Identifier les défaillances d’ancrage : hallucinations, empoisonnement du contexte, distraction
   • Techniques d’atténuation : reranking, suivi de provenance et diagnostics de contexte
   • Étude de cas : le système de recherche multi-agents (MAR) d’Anthropic
   • Pratique : créer un pipeline RAG avec recherche vectorielle et réponses étayées

4. Optimisation, montée en charge et déploiement en entreprise

   Leçon 4

   • Gestion de l’utilisation des jetons et stratégies d’optimisation des coûts
   • Mise à l’échelle du contexte et protocole de contexte de modèle (MCP)
   • Sécurité et conformité : filtrage des données personnelles (PII), rédaction et contrôle d’accès basé sur les rôles
   • Résolution des conflits et maintien de la cohérence du contexte
   • Gestion de contextes multimodaux (texte, tableaux, PDF, transcriptions vidéo)
   • Études de cas : « Ask Sam » de Walmart et l’assistant de connaissances de Morgan Stanley
   • Pratique : mise en œuvre d’un filtrage et d’une récupération de contexte sécurisés et basés sur les rôles

5. Conception de flux contextuels pour les entreprises et les utilisateurs no-code

   Leçon 5

   • Transformer les processus métier en workflows contextuels prêts pour l’IA
   • Diagrammes de flux de contexte (CFD) et architecture de flux de travail automatisé (AWA)
   • Mise en œuvre visuelle de W-S-C-I à l’aide d’outils no-code (n8n, Make, Zapier)
   • Utiliser des modèles de contexte pour des résultats structurés et cohérents
   • Cas d’usage : créer un assistant dynamique d’onboarding client
   • Études de cas : automatisation du support Airbnb et prêts aux PME chez HSBC
   • Pratique : créer un flux de contexte à l’aide d’outils d’orchestration no-code

6. Applications industrielles de l’ingénierie du contexte

   Leçon 6

   • Appliquer l’ingénierie du contexte dans les environnements réglementés
   • Santé : aide à la décision clinique et isolation des PHI (informations de santé protégées)
   • Finance : synthèse de conformité, analyse de marché et contexte basé sur des outils
   • Droit et éducation : systèmes de recherche de précision et d’apprentissage personnalisé
   • Atténuation des risques : gestion de l’empoisonnement du contexte et des conflits de contexte
   • Concevoir une mémoire avancée d’agent pour des tâches à long horizon
   • Études de cas : Activeloop (juridique / propriété intellectuelle) et Five Sigma (assurance)

7. Systèmes multi-agents et architectures futures

   Leçon 7

   • Pourquoi les agents monolithiques échouent : gérer l’explosion du contexte
   • Systèmes multi-agents (MAS) et stratégies d’isolation de contexte
   • Rôles des agents : routeur, planificateur, exécuteur
   • Techniques de compression de contexte entre agents
   • Gouvernance, garde-fous et sécurité entre agents
   • Éthique, réduction des biais et traçabilité des sources
   • Études de cas : IBM Watson Orchestrate et les systèmes d’orchestration de contexte d’entreprise
   • Parcours de carrière : architecte du contexte et rôles en gouvernance de l’IA

8. Projet de fin d’études et certification

   Leçon 8

   • Vue d’ensemble du projet de fin d’études : créer un système multi-agents sensible au contexte
   • Création de projet : routeur de requêtes avec calculs financiers et RAG basé sur des règles à l’aide de n8n
   • Présentation, évaluation par les pairs et retour d’experts
   • Évaluation finale et certification en ingénierie de contexte IA+