Apprentissage appliqué
Travaux pratiques
Ne vous contentez pas de lire : construisez un artefact, passez les validations et produisez des preuves de préparation.
Client d’API IA résilient
Construisez un client d’API LLM prêt pour la production avec sortie structurée, validation, retries, timeouts, idempotence, tracing et tests.
Assistant de connaissances fondé sur les preuves
Construisez un assistant RAG qui répond uniquement à partir de preuves vérifiées, affiche ses citations et mesure la qualité du retrieval.
Agent d’opérations gouverné
Construisez un agent IA gouverné avec tools, état explicite, approbations, limites de coût et de temps, journal d’audit et chemin de rollback.
Quality Gate IA dans la CI
Construisez un regression gate pour une fonctionnalité LLM avec des vérifications déterministes, des model graders, des cas de sécurité et des seuils de release.
Observabilité de production pour un système d’IA
Construisez le monitoring et un workflow d’incident pour une charge IA avec des preuves sur la latence, le coût, la qualité, le fallback et le rollback.
Workflow d’analytique IA vérifiée
Construisez un workflow analytique pour CSV et SQL avec des calculs vérifiés, la provenance, des contrôles de confidentialité et un rapport exécutif reproductible.
Interface de production pour assistant IA
Construisez un frontend d’assistant IA prêt pour la production avec streaming, citations, approbations, annulation, états d’erreur et accessibilité.
Audit des exigences assisté par IA
Auditez les exigences avec traçabilité, détection des ambiguïtés, analyse des écarts et des risques, et critères d’acceptation vérifiés.
Dossier de discovery d’une fonctionnalité IA
Préparez un dossier décisionnel pour une fonctionnalité IA : problème, adéquation des capacités, UX, métriques, risques, économie et plan d’expérimentation.
Modèle de menaces IA et plan de contrôles
Construisez un modèle de menaces pour un système IA couvrant les cas d’abus, les contrôles, les tests de sécurité, le risque résiduel et un playbook d’incident.
Carte d’automatisation des processus par IA
Transformez un processus as-is en carte d’automatisation fondée sur des preuves avec goulots d’étranglement, contrôles, candidats IA, alternatives déterministes, checkpoints humains et critères d’acceptation mesurables.
Tableau de scoring des cas d’usage IA
Construisez un portefeuille de cas d’usage IA avec un scoring fondé sur des preuves couvrant valeur, fréquence, maturité des données, adéquation des capacités, potentiel d’automatisation, impact des défaillances, contrôles et expérimentabilité.
Dossier de preuves pour le business case IA
Construisez un business case IA prêt à décider où ROI, risque, contrôles et preuves de qualité restent séparés au lieu d’être fusionnés dans un chiffre séduisant.
Laboratoire Source-Sink de Prompt Injection
Construisez un laboratoire de red team pour la prompt injection directe et indirecte où le risque est mesuré par le chemin réel entre des sources contrôlées par un attaquant, des sinks sensibles et des effets de bord, pas seulement par le contournement des instructions.
Audit de la chaîne d’approvisionnement des capacités agent
Auditez les Agent Skills, plugins, serveurs MCP et catalogues de tools comme une chaîne d’approvisionnement de capacités exécutables couvrant provenance, limites d’installation, schémas, autorisation, cache, dérive de version et révocation.
Exercice de confinement d’incident de sécurité IA
Exercez un incident spécifique à l’IA où une prompt injection ou un tool compromis a déjà affecté un workflow de production. Construisez un confinement préservant les preuves, une réconciliation, un rollback ciblé et une clôture de régression.
Laboratoire de rapprochement de métriques IA
Validez le SQL et les métriques générés par IA avec un contrat sémantique, des contrôles déterministes, un rapprochement autoritatif et des cas de régression avant qu’un chiffre n’alimente un dashboard ou une décision.
Gate de confidentialité et de lineage analytique
Construisez un pipeline analytique IA respectueux de la confidentialité avec minimisation des données, contrôles de permissions, lineage, contrôles egress, rétention et tests négatifs avant tout envoi de contexte sensible au modèle.
Dossier d’analyse IA prêt à la décision
Transformez l’analyse assistée par IA en artefact de décision avec métriques vérifiées, evidence ledger, analyse d’incertitude et de sensibilité, contre-analyse, reproductibilité et contrôles de refresh/changement.
Laboratoire d’enveloppe de release pour le serving IA
Construisez un contrat de release gouverné pour un runtime IA : empreinte exacte modèle/configuration, contrôles de readiness, retries bornés, canary, rollback et vérification du runtime au lieu de supposer qu’un CI vert représente déjà la vérité de production.
Laboratoire capacité, coût et chaos pour l’IA
Testez une workload IA sous charge : concurrence, budgets tokens/tools, files, backpressure, 429/5xx/timeouts, load shedding, mode dégradé et coût par tâche vérifiée avec succès.
Exercice de récupération et de réconciliation d’incident IA
Exécutez un exercice de production pour les pannes de fournisseur, les régressions de modèle et les effets de bord incertains : confinement, préservation des preuves, récupération reconcile-first, rollback vers un état connu, failback et conversion de l’incident en régression.
Laboratoire AI Observability, SLO et preuves runtime
Construisez un contrat d’observabilité pour une charge IA : traces de bout en bout, SLI/SLO segmentés par risque, signaux de qualité et de coût, télémétrie respectueuse de la vie privée, postconditions autoritatives et preuves runtime qui distinguent l’état réel de production d’un joli dashboard.
Laboratoire de calibration et de fiabilité des AI graders
Construisez un workflow d’évaluation dans lequel un grader fondé sur un modèle est calibré sur des preuves revues par des humains, avec une politique de désaccord, des risk slices et un release gate lié à la version.
Laboratoire de test oracles pour les side effects des agents
Testez un workflow d’agent par sa trajectoire, ses permissions, ses tool calls, ses side effects et l’état autoritatif du system of record, et non par le seul texte final.
Laboratoire de forensique incident IA → régression
Transformez un incident de production en testcase reproductible minimisé, en slice de root cause, en régression permanente et en release/rollback gate vérifié.