Formation Azure AI Foundry

Programme de notre formation Azure AI Foundry

[Jour 1 – Matin]

Découvrir Microsoft AI Foundry et cadrer un projet IA

• Positionnement d’AI Foundry dans l’écosystème Microsoft (Azure, modèles, outils)
• Identifier les cas d’usage : assistant interne, recherche documentaire, automatisation métier
• Choisir une approche : RAG, fine-tuning, agents, workflows
• Pré-requis projet : données, sécurité, contraintes de latence et de coût
• Atelier pratique : cadrer un cas d’usage et définir critères de succès (qualité, coût, délai).

[Jour 1 – Après-midi]

Créer son premier projet et exécuter des prompts de référence

• Créer un projet AI Foundry : ressources, environnements, rôles et accès
• Configurer un endpoint de modèle et les paramètres d’inférence (température, top_p, max tokens)
• Structurer des prompts : consignes, contexte, format de sortie, garde-fous
• Mettre en place des tests manuels : jeux d’exemples, critères d’acceptation, traces
• Atelier pratique : construire un prompt “assistant métier” avec sorties JSON et tests de non-régression.

[Jour 2 – Matin]

RAG : ingestion documentaire et recherche sémantique

• Préparer les sources : PDF/HTML/SharePoint, nettoyage, dédoublonnage, métadonnées
• Stratégies de chunking : taille, overlap, structure (titres, sections)
• Embeddings et indexation : choix du modèle, dimension, coût, rafraîchissement
• Requêtage : top-k, filtres, reranking, citations et traçabilité
• Atelier pratique : créer un mini-RAG sur un corpus interne et valider la qualité des réponses avec sources.

[Jour 2 – Après-midi]

Évaluation, observabilité et optimisation coût/latence

• Définir des métriques : exactitude, complétude, groundedness, taux d’hallucination
• Mettre en place une évaluation : jeux de tests, scoring, comparaison de versions
• Observabilité : logs, traces, prompts versionnés, analyse des erreurs récurrentes
• Optimiser : caching, réduction de contexte, choix de modèles, quotas et budgets
• Atelier pratique : benchmarker 2 configurations (prompt + RAG) et choisir la meilleure selon coût/qualité.

[Jour 3 – Matin]

Agents et outillage : automatiser des tâches avec des fonctions

• Concevoir un agent : objectifs, mémoire, outils, limites et règles de sécurité
• Définir des tools/functions : schémas d’entrée/sortie, validation, erreurs
• Orchestration : enchaînement d’étapes, gestion des reprises, idempotence
• Garde-fous : restrictions d’actions, validation humaine, politiques d’exécution
• Atelier pratique : créer un agent qui interroge une API métier et génère un compte-rendu structuré.

[Jour 3 – Après-midi]

Mise en production : sécurité, conformité et déploiement

• Sécurité : gestion des secrets, RBAC, isolation réseau, principes du moindre privilège
• Conformité : données sensibles, rétention, journalisation, politiques d’usage
• Packaging et déploiement : environnements, configuration, versioning, rollback
• Run : supervision, alerting, gestion des incidents, amélioration continue via feedback
• Atelier pratique : préparer un plan de mise en production (checklist sécurité + pipeline de déploiement + suivi KPI).