[{"data":1,"prerenderedAt":45},["ShallowReactive",2],{"course-modeles-ouverts-et-ia-generative-auto-hebergee":3,"highlight-yaml-service_inference:\n ":44},{"id":4,"name":5,"slug":6,"location":7,"targetAudienceFormatMarkdown":8,"prerequisitesFormatMarkdown":9,"objectivesFormatMarkdown":10,"descriptionFormatMarkdown":11,"teachingMethodsFormatMarkdown":12,"teachingResourcesFormatMarkdown":13,"evaluationMethodsFormatMarkdown":14,"accessibilityFormatMarkdown":15,"accessMethodsFormatMarkdown":16,"minimumParticipants":7,"maximumParticipants":7,"duration":17,"reference":18,"trainerType":7,"updated_at":19,"created_at":20,"price":21,"organizationMode":22,"theme":25,"code":29,"tags":34,"metadata":35},"/api/courses/bc8a7e87-b343-11f1-a993-d8ca06000363","Modèles ouverts et IA générative auto-hébergée","modeles-ouverts-et-ia-generative-auto-hebergee",null,"Architectes, ingénieurs d'infrastructure, RSSI, DSI, développeurs, responsables de plateformes.","-   Connaissance de l'administration système et des principes de l'IA générative.","-   sélectionner un modèle ouvert adapté à un usage et vérifier sa licence\n-   déployer un modèle sur une infrastructure maîtrisée\n-   optimiser le service d'inférence et mesurer ses performances\n-   comparer le coût complet de l'auto-hébergement et d'un service managé","--day1--\n\n## Écosystème des modèles ouverts\n\n-   Ce que recouvre un modèle « ouvert » : poids, licence, données d'entraînement\n-   Principales familles de modèles ouverts, dont européennes, et niveaux de performance\n-   Licences et conditions d'usage commercial : points de vigilance\n-   Formats, quantification et variantes de taille\n-   Critères de sélection d'un modèle pour un usage interne\n-   Travaux pratiques : sélection argumentée d'un modèle pour un cas d'usage donné\n\n--break--\n\n## Déployer et servir un modèle\n\n-   Dimensionnement : mémoire, accélérateurs, débit attendu, nombre d'utilisateurs\n-   Serveurs d'inférence du marché et critères de choix\n-   Déploiement sur serveur, sur poste et en conteneur\n-   Exposition d'une interface compatible avec les applications existantes\n-   Mesure des performances : latence, débit, consommation\n-   Travaux pratiques : déploiement complet d'un modèle ouvert et mesure de ses performances\n\n--day2--\n\n## Optimiser le service d'inférence\n\n-   Quantification : niveaux disponibles et effet mesuré sur la qualité\n-   Traitement par lots, mise en cache et parallélisme des requêtes\n-   Gestion de la mémoire des accélérateurs et taille du contexte\n-   Répartition de charge entre plusieurs instances\n-   Choix du matériel : accélérateurs, processeurs, coût par requête\n-   Travaux pratiques : optimisation du déploiement et mesure du gain de débit obtenu\n\n--break--\n\n## Exploitation, sécurité et arbitrage\n\n-   Supervision, journalisation et gestion de la charge\n-   Sécurité : accès, cloisonnement, filtrage des entrées et des sorties\n-   Mise à jour des modèles et gestion des versions\n-   Coût complet comparé à un service en ligne : matériel, énergie, compétences\n-   Critères d'arbitrage selon la sensibilité des données et le volume d'usage\n-   Travaux pratiques : comparaison chiffrée entre auto-hébergement et service managé pour un usage réel","Présentiel, distanciel, hybride","Les supports pédagogiques sont remis aux stagiaires sous format numérique et/ou papier selon les modalités de la formation.\n\nIls comprennent des supports de cours, des présentations, des fiches pratiques, des études de cas, des exercices applicatifs ainsi que des QCM d’entraînement selon la formation. (adapté au choix du formateur)\n\nLes formations s’appuient sur des moyens techniques adaptés : ordinateurs, logiciels professionnels, connexion internet, écran ou vidéoprojecteur, ainsi que des outils collaboratifs et de visioconférence pour les formations à distance.\n\nL’ensemble des supports pédagogiques est accessible pendant et après la formation afin de favoriser l’appropriation et la mise en pratique des compétences acquises.","En amont de la formation, un recueil des besoins permet de récolter des informations sur le stagiaire et ses attentes. L’évaluation se fait en cours de formation, par des études de cas ou des travaux pratiques. En fin de formation, par un questionnaire d’auto-évaluation et/ou un examen.\n\nUn suivi de qualité est effectué grâce à nos sessions en groupe restreint (entre 2 et 9 participants maximum). Le stagiaire émargera par demi-journée et recevra une attestation de formation.","Nous informons l’ensemble de nos clients et stagiaires que nous sommes dans la capacité d’adapter les sessions selon les handicaps et les situations spécifiques. Nous nous engageons à répondre à toutes vos demandes sous un délai de 48h ouvré.","Si l’une de nos formations vous intéresse, contactez-nous au +33 4 93 65 34 24 ou à l’adresse mail contact@m2g-intellect.fr. Selon votre besoin et vos attentes, nous organiserons un échange téléphonique avec le formateur pressenti afin d’adapter la formation et ses modules, puis nous vous adresserons un devis.\n\nLes dates de la formation seront à convenir sous 30 jours maximum.","14.00","L2-ART-05","2026-09-18T11:42:27+00:00","2026-09-18T11:31:33+00:00","1760.00",{"id":23,"name":24},"/api/organization_mode_types/6","HYBRID",{"id":26,"name":27,"slug":28},"/api/themes/1bfd6e41-c2b0-4813-a29b-c9e1c486b5d0","Intelligence Artificielle","intelligence-artificielle",{"id":30,"label":31,"domain":32},"/api/training_specialities/163","326 - Informatique, traitement de l’information, réseaux de transmission des données",{"label":33},"32 - Communication et information",[],{"desc-accroche":36,"Description":37,"icon-color":38,"icon-name":39,"code-langage":40,"code-snippet":41,"courte-description":42,"titre-accroche":43},"Sélection d'un modèle ouvert et vérification de sa licence, déploiement sur infrastructure maîtrisée, optimisation du service d'inférence et comparaison du coût complet avec un service managé.","Cette formation traite le déploiement et l'exploitation de modèles ouverts sur une infrastructure maîtrisée : critères de sélection d'un modèle adapté à un usage donné, vérification de sa licence d'utilisation, dimensionnement du service d'inférence avec des outils comme vLLM ou TGI, et optimisation de ses performances. Elle aborde ensuite la comparaison chiffrée du coût complet de l'auto-hébergement — matériel, exploitation, maintenance — avec celui d'un service en ligne managé, condition d'un arbitrage objectif plutôt qu'idéologique. Elle s'adresse aux architectes, ingénieurs d'infrastructure, RSSI, DSI, développeurs et responsables de plateformes qui envisagent l'auto-hébergement de modèles génératifs.","#115E59","mdi:server-network","yaml","service_inference:\n  moteur: vllm\n  modele: mixtral-8x7b-instruct\n  quantification: awq\n  gpu:\n    type: A100\n    nombre: 2\n  replicas: 2\n  licence_verifiee: true","Formation experte pour déployer des modèles ouverts en auto-hébergement et comparer objectivement leur coût complet à un service managé.","Déployez des modèles ouverts sur une infrastructure maîtrisée et arbitrez objectivement entre auto-hébergement et service managé.","\u003Cpre class=\"hljs\">\u003Ccode class=\"language-yaml\">\u003Cspan class=\"hljs-attr\">service_inference:\u003C/span>\n  \u003Cspan class=\"hljs-attr\">moteur:\u003C/span> \u003Cspan class=\"hljs-string\">vllm\u003C/span>\n  \u003Cspan class=\"hljs-attr\">modele:\u003C/span> \u003Cspan class=\"hljs-string\">mixtral-8x7b-instruct\u003C/span>\n  \u003Cspan class=\"hljs-attr\">quantification:\u003C/span> \u003Cspan class=\"hljs-string\">awq\u003C/span>\n  \u003Cspan class=\"hljs-attr\">gpu:\u003C/span>\n    \u003Cspan class=\"hljs-attr\">type:\u003C/span> \u003Cspan class=\"hljs-string\">A100\u003C/span>\n    \u003Cspan class=\"hljs-attr\">nombre:\u003C/span> \u003Cspan class=\"hljs-number\">2\u003C/span>\n  \u003Cspan class=\"hljs-attr\">replicas:\u003C/span> \u003Cspan class=\"hljs-number\">2\u003C/span>\n  \u003Cspan class=\"hljs-attr\">licence_verifiee:\u003C/span> \u003Cspan class=\"hljs-literal\">true\u003C/span>\u003C/code>\u003C/pre>",1789740843962]