Aller au contenu principal

Systèmes RAG Complet

Construisez des systèmes intelligents de questions-réponses sur documents​

Code du cours : RAG-301
Durée : 10 semaines
Niveau : Intermédiaire à Avancé
Instructeur : inskillflow Academy

Aperçu du cours​

Ce cours complet vous enseignera tout ce que vous devez savoir pour construire des systèmes de génération augmentée par récupération (RAG) prêts pour la production. De la compréhension des fondamentaux au déploiement d'applications à l'échelle de l'entreprise, vous acquerrez une expérience pratique avec les derniers cadres et meilleures pratiques.

Objectifs d'apprentissage​

À la fin de ce cours, vous serez capable de :

  • Comprendre l'architecture RAG et pourquoi elle résout les limitations des LLM
  • Traiter et segmenter les documents pour une récupération optimale
  • Travailler avec des embeddings et des bases de données vectorielles
  • Mettre en œuvre des stratégies de récupération avancées
  • Construire des pipelines RAG complets avec LangChain et LlamaIndex
  • Évaluer et optimiser les systèmes RAG
  • Déployer des applications RAG prêtes pour la production
  • Construire des projets réels à partir de zéro

Prérequis​

  • Compétences intermédiaires en programmation Python
  • Compréhension de base des API et REST
  • Familiarité avec les concepts d'apprentissage automatique
  • Accès à l'API OpenAI ou à un fournisseur LLM similaire

Méthodologie d'enseignement​

70% Pratique - 30% Théorie

Chaque module combine :

  • Explications conceptuelles avec des diagrammes
  • Exemples de code complets
  • Exercices pratiques
  • Études de cas réelles

Structure du cours - 10 Modules​

Module 1 - Introduction au RAG​

Durée : Semaine 1

Contenu :

  • Qu'est-ce que le RAG ?
  • Pourquoi le RAG ? Problèmes avec les LLM purs
  • Aperçu de l'architecture RAG
  • Diagrammes de flux de bout en bout

Objectifs :

  • Comprendre le paradigme RAG
  • Apprendre pourquoi la récupération augmente la génération
  • Visualiser le pipeline RAG complet

Module 2 - Traitement des documents​

Durée : Semaine 2

Contenu :

  • Chargeurs de documents (LangChain, LlamaIndex)
  • Stratégies de découpage de texte
  • Gestion des différents types de fichiers
  • OCR et données structurées

Exercices pratiques :

  • Exercice 1 : Charger des documents PDF, Word, HTML
  • Exercice 2 : Mettre en œuvre différentes stratégies de découpage

Module 3 - Exploration approfondie des embeddings​

Durée : Semaine 3

Contenu :

  • Qu'est-ce que les embeddings ?
  • Modèles d'embeddings (OpenAI, Cohere, Open Source)
  • Choisir le bon modèle d'embedding
  • Analyses de performance et benchmarks

Exercices pratiques :

  • Exercice 1 : Générer et visualiser des embeddings
  • Exercice 2 : Comparer différents modèles d'embeddings

Module 4 - Bases de données vectorielles​

Durée : Semaine 4

Contenu :

  • Introduction aux magasins vectoriels
  • Pinecone, Weaviate, Chroma
  • Milvus, Qdrant, pgvector
  • Choisir la bonne base de données

Exercices pratiques :

  • Exercice 1 : Configurer plusieurs bases de données vectorielles
  • Exercice 2 : Benchmarking de performance

Module 5 - Stratégies de récupération​

Durée : Semaine 5

Contenu :

  • Recherche de similarité
  • Recherche hybride (BM25 + Sémantique)
  • Reranking et filtrage
  • Traitement post-récupération

Exercices pratiques :

  • Exercice 1 : Mettre en œuvre différentes stratégies de recherche
  • Exercice 2 : Construire un pipeline de reranking

Module 6 - Construction de pipelines RAG​

Durée : Semaine 6

Contenu :

  • LangChain pour RAG
  • Cadre LlamaIndex
  • Implémentations RAG personnalisées
  • Comparaison des approches

Exercices pratiques :

  • Exercice 1 : Construire un pipeline RAG complet avec LangChain
  • Exercice 2 : Construire un moteur de requêtes LlamaIndex

Module 7 - Techniques avancées de RAG​

Durée : Semaine 7

Contenu :

  • Transformation de requêtes
  • Multi-requêtes et fusion
  • Auto-requête et filtrage de métadonnées
  • HyDE (Embeddings de documents hypothétiques)

Exercices pratiques :

  • Exercice 1 : Mettre en œuvre la transformation de requêtes
  • Exercice 2 : Construire un système RAG multi-requêtes

Module 8 - Évaluation et optimisation​

Durée : Semaine 8

Contenu :

  • Métriques d'évaluation RAG
  • Cadre RAGAS
  • Débogage des pipelines RAG
  • Optimisation des performances

Exercices pratiques :

  • Exercice 1 : Évaluer un système RAG avec RAGAS
  • Exercice 2 : Déboguer et optimiser un pipeline

Module 9 - Systèmes RAG en production​

Durée : Semaine 9

Contenu :

  • Mise à l'échelle des applications RAG
  • Mise en cache et performance
  • Sécurité et contrôle d'accès
  • Multi-location

Exercices pratiques :

  • Exercice 1 : Mettre en œuvre la mise en cache sémantique
  • Exercice 2 : Construire un système multi-locataire

Module 10 - Projets réels​

Durée : Semaine 10

Contenu :

  • Construire un système de questions-réponses sur documents
  • Base de connaissances d'entreprise
  • Applications RAG multi-locataires
  • Stratégies de déploiement

Projet final :

  • Application RAG complète à partir de zéro
  • Présentation et documentation

Pile technologique​

Cadres​

  • LangChain : Chaînes, récupérateurs, LCEL
  • LlamaIndex : Types d'index, moteurs de requêtes
  • RAGAS : Cadre d'évaluation

Bases de données vectorielles​

  • Pinecone (Hébergé)
  • Weaviate (Open Source)
  • Chroma (Développement local)
  • Qdrant (Production)
  • PostgreSQL + pgvector

Modèles d'embeddings​

  • OpenAI text-embedding-3
  • Cohere embed-v3
  • Sentence Transformers
  • Modèles BGE

Structure d'évaluation​

Quiz des modules (40%)​

  • 30 questions par module
  • Format à choix multiples
  • Teste la compréhension conceptuelle

Assignations pratiques (30%)​

  • Assignation 1 : Pipeline de traitement des documents (10%)
  • Assignation 2 : Implémentation du pipeline RAG (10%)
  • Assignation 3 : Système de récupération avancé (10%)

Projet final (30%)​

  • Application RAG complète (20%)
  • Présentation et documentation (10%)

Total : 100%

Progression du cours​

StatutModuleLien
✅ CompletModule 1 - Introduction au RAGCommencer
✅ CompletModule 2 - Traitement des documentsCommencer
✅ CompletModule 3 - Exploration approfondie des embeddingsCommencer
✅ CompletModule 4 - Bases de données vectoriellesCommencer
✅ CompletModule 5 - Stratégies de récupérationCommencer
✅ CompletModule 6 - Construction de pipelines RAGCommencer
✅ CompletModule 7 - Techniques avancées de RAGCommencer
✅ CompletModule 8 - Évaluation et optimisationCommencer
✅ CompletModule 9 - Systèmes RAG en productionCommencer
✅ CompletModule 10 - Projets réelsCommencer

🎉 Cours Complet !​

Tous les modules sont prêts avec un contenu complet et des quiz interactifs (30 questions par module).

📖 Ressources supplémentaires​

RessourceDescription
📚 Glossaire100+ termes RAG et IA expliqués
🔗 RessourcesOutils, cadres, articles et tutoriels
🎯 Examen final50 questions complètes pour tester vos connaissances

Commencez !​

Explorez les modules depuis la barre latérale et commencez votre voyage pour maîtriser les systèmes RAG !

Bonne chance dans votre parcours d'apprentissage !

Dernière mise à jour : Décembre 2024

📊 Statistiques du cours​

ÉlémentNombre
Modules10
Chapitres30+
Questions de quiz300
Heures d'apprentissage estimées40+