[{"data":1,"prerenderedAt":45},["ShallowReactive",2],{"course-rag-concevoir-un-systeme-de-recherche-augmentee":3,"highlight-mermaid-flowchart LR\n    A[C":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/bc8a8bed-b343-11f1-a993-d8ca06000363","RAG : concevoir un système de recherche augmentée","rag-concevoir-un-systeme-de-recherche-augmentee",null,"Développeurs, architectes, ingénieurs données, ingénieurs IA, chefs de projet techniques.","-   Pratique du développement applicatif. La connaissance des plongements et des bases vectorielles est un plus.","-   concevoir la chaîne d'ingestion et de découpage d'un corpus documentaire\n-   mettre en œuvre la recherche et la génération augmentée\n-   respecter les droits d'accès des utilisateurs sur les documents sources\n-   évaluer la pertinence et la fidélité des réponses produites\n-   mettre le système en service et en assurer la supervision","--day1--\n\n## Architecture d'une chaîne RAG\n\n-   Pourquoi la recherche augmentée plutôt que l'affinage ou l'appel direct\n-   Composants : ingestion, découpage, indexation, recherche, génération\n-   Cas d'usage adaptés et cas où l'approche échoue\n-   Choix technologiques et alternatives à chaque étape\n-   Erreurs de conception les plus fréquentes\n-   Travaux pratiques : conception de l'architecture cible d'un cas fil rouge\n\n--break--\n\n## Ingestion et préparation des documents\n\n-   Extraction du contenu : formats bureautiques, PDF, pages web, bases de données\n-   Documents scannés et reconnaissance de caractères\n-   Nettoyage, normalisation et enrichissement par des métadonnées\n-   Découpage : stratégies, taille, chevauchement, respect de la structure\n-   Ingestion incrémentale et gestion des mises à jour documentaires\n-   Travaux pratiques : construction de la chaîne d'ingestion d'un corpus hétérogène\n\n--day2--\n\n## Indexation et recherche\n\n-   Choix du modèle de plongement et de la base vectorielle\n-   Recherche hybride et reclassement des résultats\n-   Filtrage par métadonnées et recherche ciblée\n-   Nombre de segments retournés : effet sur la qualité et le coût\n-   Traitement des requêtes ambiguës et reformulation\n-   Travaux pratiques : mise en œuvre de la recherche et réglage du nombre de segments\n\n--break--\n\n## Génération et sourçage\n\n-   Construction de la consigne de génération à partir des segments retrouvés\n-   Citation des sources et traçabilité des réponses\n-   Comportement attendu en l'absence d'information pertinente\n-   Limitation des réponses au périmètre documentaire fourni\n-   Formatage des réponses et expérience utilisateur\n-   Travaux pratiques : mise en œuvre de la génération sourcée et test des cas sans réponse\n\n--day3--\n\n## Sécurité et droits d'accès\n\n-   Application des droits documentaires à la recherche : filtrage avant génération\n-   Cloisonnement multi-périmètres et multi-équipes\n-   Données sensibles dans les corpus et traitement associé\n-   Injection d'instructions présente dans les documents indexés\n-   Journalisation des requêtes et des documents consultés\n-   Travaux pratiques : mise en œuvre du filtrage par droits et test des cas de fuite\n\n--break--\n\n## Évaluer et mettre en service\n\n-   Jeu d'évaluation : questions de référence, réponses attendues, sources attendues\n-   Métriques : pertinence de la recherche, fidélité aux sources, complétude\n-   Diagnostic : distinguer un problème de recherche d'un problème de génération\n-   Supervision en production et retours utilisateurs\n-   Coût par requête et optimisation\n-   Travaux pratiques : évaluation complète du système construit et plan d'amélioration","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.","21.00","L2-ITE-07","2026-09-18T11:42:27+00:00","2026-09-18T11:31:33+00:00","2400.00",{"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},"Trois jours pour construire une chaîne complète : ingestion et découpage du corpus, recherche et génération augmentée, respect des droits d'accès aux documents, évaluation de la pertinence et de la fidélité, mise en service et supervision.","La recherche augmentée (RAG) est l'architecture d'IA la plus déployée en entreprise, et la plus souvent mal réalisée faute d'attention portée à l'ingestion et à l'évaluation. Cette formation de trois jours construit une chaîne complète : découpage et vectorisation d'un corpus documentaire hétérogène, stratégies de récupération (recherche dense, hybride, reclassement), génération augmentée avec citation des sources, et surtout respect des droits d'accès des utilisateurs sur les documents sources — un point souvent négligé et pourtant critique. Les participants mettent en place un protocole d'évaluation de la pertinence et de la fidélité des réponses, puis mettent le système en service avec une supervision adaptée. Elle s'adresse aux développeurs, architectes, ingénieurs données, ingénieurs IA et chefs de projet techniques pratiquant déjà le développement applicatif.","#1C7ED6","mdi:database-sync","mermaid","flowchart LR\n    A[Corpus documentaire] --> B[Decoupage + embeddings]\n    B --> C[(Base vectorielle)]\n    U[Question utilisateur] --> D{Filtrage ACL}\n    D --> E[Recherche top-k]\n    C --> E\n    E --> F[Generation augmentee]\n    F --> G[Reponse sourcee]","Conception d'un système RAG complet : ingestion documentaire, recherche augmentée, droits d'accès, évaluation de la fidélité et supervision.","Concevez un système de recherche augmentée fiable, de l'ingestion documentaire jusqu'à la réponse sourcée et supervisée en production.","\u003Cpre class=\"hljs\">\u003Ccode class=\"language-mermaid\">flowchart LR\n    A[Corpus documentaire] --> B[Decoupage + embeddings]\n    B --> C[(Base vectorielle)]\n    U[Question utilisateur] --> D{Filtrage ACL}\n    D --> E[Recherche top-k]\n    C --> E\n    E --> F[Generation augmentee]\n    F --> G[Reponse sourcee]\u003C/code>\u003C/pre>",1789740845963]