Formation Certification GH-600 – GitHub Certified Agentic AI Developer

Programme de notre formation GH-600 – GitHub Certified Agentic AI Developer

[Jour 1 – Matin]

Fondamentaux agentiques et cadrage de l'examen

• Présentation de la certification GitHub GH-600, de son positionnement et des domaines de compétences évalués.
• Rôle des agents IA dans un SDLC de production, responsabilités et interactions avec les équipes techniques.
• Différencier assistant, agent, workflow autonome et automatisation déterministe.
• Définir les entrées, sorties, critères de succès et limites opérationnelles d’une tâche agentique.
• Identifier les anti-patterns, les risques de dérive et les situations nécessitant une supervision.

[Jour 1 – Après-midi]

Architecture d'agents et intégration au SDLC

• Structurer une architecture agentique autour des phases de planification, raisonnement et exécution.
• Configurer des instructions explicites, des plans structurés et des critères de validation avant action.
• Positionner les agents dans les flux de branches, issues, pull requests et pipelines d’intégration continue.
• Déterminer le niveau d’autonomie adapté selon l’impact, la réversibilité et le risque métier.
• Atelier pratique : concevoir un agent de revue de pull request avec plan d’action, critères de succès et validation humaine.

[Jour 2 – Matin]

Outils, MCP et environnements d'exécution

• Sélectionner les outils nécessaires à un agent et appliquer le principe du moindre privilège.
• Comprendre le rôle des serveurs MCP dans l’accès aux ressources, services et données externes.
• Configurer les autorisations, listes d’autorisation et périmètres d’usage des outils agentiques.
• Choisir un contexte d’exécution, un périmètre de dépôt et une stratégie de branche adaptée.
• Mettre en place des parcours d’exécution sûrs avec gestion des erreurs, reprises, annulations et escalades.
• Atelier pratique : configurer un agent outillé avec un serveur MCP, des permissions limitées et un périmètre de dépôt contrôlé.

[Jour 2 – Après-midi]

Mémoire, état et continuité d'exécution

• Distinguer mémoire à court terme, mémoire à long terme et mémoire externe selon la nature de la tâche.
• Définir des règles de portée, d’expiration, de nettoyage et de réinitialisation de la mémoire.
• Conserver l’état d’avancement, les décisions et les résultats sous forme d’artefacts durables.
• Prévenir les contextes obsolètes, les informations contradictoires et la dérive lors d’exécutions longues.
• Reprendre un travail agentique entre outils et environnements sans duplication ni divergence.
• Atelier pratique : mettre en oeuvre un scénario de reprise d’exécution avec état persistant et contrôle de dérive du contexte.

[Jour 3 – Matin]

Évaluation, diagnostic et optimisation des agents

• Définir des signaux d’évaluation qualitatifs et quantitatifs alignés avec l’intention de développement.
• Exploiter les journaux, traces, plans, sorties et artefacts de workflow pour analyser les résultats.
• Identifier les causes racines liées au raisonnement, aux outils, au contexte ou à l’environnement.
• Ajuster les instructions, contraintes, outils, permissions et stratégies de mémoire.
• Utiliser les analyses de code et les scans automatisés comme signaux de qualité et de sécurité.
• Atelier pratique : diagnostiquer un échec d’agent à partir de traces et proposer un plan de réglage mesurable.

[Jour 3 – Après-midi]

Orchestration, garde-fous et préparation finale

• Appliquer des modèles d’orchestration pour coordonner plusieurs agents de façon séquentielle ou parallèle.
• Isoler les agents, organiser les transmissions et résoudre les conflits de modifications ou de décisions.
• Assurer l’observabilité des workflows multi-agents avec journaux, artefacts, décisions et résultats auditables.
• Mettre en place des guardrails, des approbations explicites et des mécanismes de human-in-the-loop.
• Réviser les six domaines de l’examen, analyser des scénarios de certification et optimiser sa stratégie de réponse.
• Atelier pratique : réaliser une étude de cas de certification sur un workflow multi-agents sécurisé, puis justifier les choix d’architecture et de gouvernance.