Aller au contenu

Le lab des développeurs IA

GenAILabs

Construisez des agents. Maîtrisez le RAG.

Apprenez LangChain et LangGraph en TypeScript, puis explorez la recherche documentaire et les réponses sourcées. Du code, des exercices et des systèmes que vous comprenez.

  • TypeScript
  • LangChain
  • LangGraph
  • RAG

Entrez dans le code.
Gardez le contrôle.

Un agent qui reprend sa session, une recherche qui retrouve le bon document, une réponse que vous pouvez vérifier : chaque notion prend forme dans un cas concret.

Explorer le programme
Extrait de coursModule 02 · LangGraph

Checkpointers, reprise et thread_id

Comprendre la persistance de l’état, la reprise de run et les invariants indispensables en production.

Chargement du schéma…

Le scénario de la leçon, simplifié pour cet aperçu. Dans le cours, vous suivez chaque étape et son code.

Deux parcours, des modules concrets.

Voici les sujets enseignés dans chaque formation. Le parcours agents est ouvert à l’inscription ; le parcours RAG sera proposé à l’inscription après la définition de son offre.

Inscriptions ouvertes

Agents en TypeScript et LangGraph

Du premier appel LLM au suivi d’un agent en production.

  1. 01
    Fondations LLM & prompting

    Poser les bases TypeScript, comprendre les paramètres LLM et écrire des prompts testables.

  2. 02
    LangGraph : StateGraph, workflows et reprise

    Construire des graphes d’état typés, router les transitions et préparer les reprises contrôlées.

  3. 03
    Tools typés, sûrs et composables

    Donner des capacités aux agents sans perdre le contrôle : contrats, validation, erreurs et sandbox.

  4. 04
    Agents ReAct en TypeScript

    Implémenter la boucle raisonner → agir → observer → répondre avec garde-fous et traces exploitables.

  5. 05
    Context engineering & mémoire

    Sélectionner le bon contexte sous budget token, compresser, mémoriser et garder la traçabilité.

  6. 06
    Évaluation, métriques et réflexion

    Mesurer les agents localement, construire des golden sets et itérer avec des boucles de réflexion.

  7. 07
    Observabilité & production

    Tracer, monitorer et diagnostiquer un agent LangChain/LangGraph en conditions réelles.

Voir l’offre LangGraph

Inscriptions à venir

RAG & Agents Lab

Un lab complet, de la préparation des documents à la réponse vérifiable.

  1. 01
    Indexation : préparer le corpus

    Transformer des documents réels en chunks cherchables : extraction, qualité, chunking, embeddings et index ParadeDB.

  2. 02
    Recherche : retrouver puis répondre

    Comparer BM25, sémantique, hybride RRF, transformations de requête, filtres, rerank et génération citée.

  3. 03
    Évaluation : mesurer au lieu de deviner

    Construire un dataset, lire les juges et métriques, puis comparer les pipelines avec une heatmap exploitable.

  4. 04
    Agents & Generative UI

    Comparer ReWOO, ReAct et deep agent sur le même corpus, puis rendre des composants d’interface sûrs.

Le programme est prêt. Le tarif et l’ouverture des inscriptions seront annoncés séparément.

Un regard de terrain

« Salim a réalisé un audit de notre solution GenAI. Il nous a conseillés sur la façon d’améliorer la qualité de la solution. »

Trevor PinkneyLead Software Engineer, Sanofi Digital Accelerator

Lire d’autres retours

Des cours pensés pour les développeurs.

Vous retrouvez vos modules, vos leçons et votre progression dans un espace de cours dédié. Les schémas, exercices et quiz aident à transformer les notions en réflexes de conception.

Voir mon espace de formation

Formation LangChain & LangGraph

Passez de la lecture à la pratique.

Accédez au parcours LangChain et LangGraph, puis retrouvez vos leçons dans votre espace personnel. Le paiement est sécurisé par Stripe.

LangChain & LangGraphAccès à vie

Un parcours pratique pour construire des agents, utiliser les outils et évaluer leur comportement.

Chargement du tarif…

  • Leçons et démonstrations vidéo
  • Exercices et ateliers pratiques
  • Suivi de progression dans votre espace

Paiement unique. Facture disponible via Stripe.