Aperçu moduleModule previewVista previa del módulo
Aperçu limité, 3 premières étapesLimited overview, first 3 stepsVisibilidad limitada, 3 primeras etapas

Patterns d’application IA : chat, RAG, agent (sprint)AI application patterns: chat, RAG, agent (sprint)Patrones de aplicaciones de IA: chat, RAG, agente (sprint)

Parcours : Développer avec les LLMs · AvancéCourse: Developing with LLMs · AdvancedCurso: Desarrollar con LLM · Avanzado

Patterns d’application IA : chat, RAG, agent (sprint)
1/7
ÉtapeStepEtapa 1 / 7

≈ 15 min

Contexte

Pourquoi trois patterns couvrent la majorité des applications IA.

Au programme de ce moduleIn this moduleEn el programa de este módulo

  1. 01Contexte≈ 15 min
  2. 02Explication≈ 35 min
  3. 03Démonstration≈ 30 min
  4. 04Cas pratique≈ 25 min
  5. 05Étude de cas≈ 25 min
  6. 06Exercice≈ 35 min
  7. 07Quiz≈ 5 min
Durée totaleTotal durationDuración total≈ 170 min
voix de synthèse

La plupart des applications IA se ramènent à trois patterns combinables : le chat (conversation), le RAG (Retrieval-Augmented Generation, « génération augmentée par la récupération », réponse ancrée sur une base documentaire) et l’agent (raisonnement + tool use, vu au module 3). Identifier le bon pattern dès la conception évite de surdimensionner l’architecture, de gaspiller des jetons et de promettre ce que le modèle ne peut pas tenir.

Ce module est un sprint : on caractérise les trois patterns, on traite la question centrale de l’ÉTAT (la mémoire conversationnelle, qui est du code, pas de la magie), et on construit une mini-application RAG de bout en bout.

Cadrage dédup

Le RAG est enseigné en profondeur au parcours « Data, RAG & Vector Databases » : pipeline complet, embeddings, bases vectorielles, évaluation. Ce module en donne l’angle DÉVELOPPEUR, quand choisir le RAG parmi les trois patterns et comment câbler un mini-RAG, et renvoie vers le parcours « Data, RAG & Vector Databases » pour l’ingénierie de la récupération.

Objectifs d’apprentissage

À l’issue de ce module, vous saurez Caractériser les trois patterns (chat / RAG / agent) et leurs cas d’usage, Concevoir la gestion d’état et de mémoire conversationnelle, Choisir le pattern adapté à un besoin métier, et Créer une mini-application RAG.

Pourquoi commencer par les patterns plutôt que par le code ? Parce qu’une application IA se trompe rarement dans le détail de son implémentation, et très souvent dans le choix de sa forme générale. On construit un agent là où un RAG aurait suffi, et l’on hérite d’une complexité de supervision inutile. On garde un chat simple là où il fallait ancrer les réponses sur des documents, et l’on passe des mois à retoucher la consigne système pour corriger des inventions qui ne pouvaient pas être corrigées ainsi. Ces deux erreurs coûtent beaucoup plus cher que n’importe quel choix de bibliothèque.

Un second motif justifie ce module : la gestion de l’état conversationnel est presque toujours sous-estimée. Elle a l’air d’un détail au moment du prototype, où les échanges font trois tours, et elle devient le premier poste de coût et la première cause de comportement erratique lorsque les conversations s’allongent en usage réel. Prendre cette décision tôt, et l’écrire, évite de la découvrir sous forme de facture.

Une précaution de vocabulaire, enfin. Les trois patterns ne sont pas des produits concurrents, ce sont des formes composables. Une même application peut répondre en chat sur des questions générales, basculer en récupération documentaire dès qu’une question porte sur un document interne, et appeler un outil pour exécuter une action. Le raisonnement par pattern sert à décider, question par question, d’où vient la vérité de la réponse, pas à ranger l’application entière dans une case.

Ce que vous saurez faire

À la fin de ce module, vous saurez nommer le pattern qui convient à un besoin donné et le justifier par la provenance de la vérité, écrire une stratégie de mémoire qui borne explicitement le coût d’une longue conversation, construire une chaîne de récupération documentaire de bout en bout, et reconnaître les cas où une architecture d’agent est une complication non justifiée.