Parcours technique RAG · 3 niveaux

Formation RAG : construire, évaluer et mettre en production

Trois niveaux pour passer d'un premier assistant documentaire à un système mesuré, sécurisé et exploitable en production. Chaque session est adaptée à vos sources, votre stack et la maturité de votre équipe.

1, 2 ou 4 jours Intra-entreprise Présentiel ou distanciel Finançable OPCO
Anas Rabhi, Ingénieur IA, fondateur de Tensoria

Anas Rabhi · Ingénieur IA, fondateur de Tensoria

Session animée par Anas ou par un formateur spécialisé de l'outil et du métier concernés.

Programme et devis

Recevoir le programme et le devis

Quelques informations suffisent. Nous revenons vers vous sous 48 heures ouvrées avec un programme adapté à votre équipe.

Réponse sous 48 heures ouvrées, sans engagement. Vos informations sont utilisées uniquement pour répondre à votre demande. En savoir plus.

Retours de participants

Ce qu'en disent les équipes formées

Très enrichissante et directement applicable. Le programme avait été adapté à nos besoins en amont : achats, réapprovisionnement, présentation des données de stock. J'aurais aimé encore plus de temps sur les cas pratiques.

Thierry A. Formation IA achats et supply chain

J'ai eu une formation adaptée à mes cas d'usage quotidiens, c'était top. On y travaille en collaboration avec l'IA, sans fausse promesse.

Guy M. Formation sur cas d'usage métier

Accompagnement au top.

Mohamed G. Accompagnement et montée en compétences

Références formation

Ils ont formé leurs équipes avec nous

  • Quantilia

    Fintech

    Claude Code pour l'équipe de développement, en cinq demi-journées. L'entreprise revient pour un parcours plus long.

  • FFF

    Fédération Française de Football

    Claude et automatisation avec Power Automate pour concevoir des agents IA, en deux demi-journées à distance, avec financement OPCO.

  • Japcook

    Agroalimentaire

    Claude pour Excel avec les équipes achats et service commercial, deux jours par personne à distance.

  • Infine

    Expertise sinistre

    Formation des équipes à l'IA générative.

  • Predexia

    IA et data

    Formation et accompagnement d'équipes sur l'IA générative.

Entreprises accompagnées par Tensoria sur leurs projets IA

Continental Actia Copro Assistance Reezet

Progression

Trois niveaux, trois résultats distincts

Chaque niveau a ses propres prérequis, ateliers et livrables. Vous pouvez suivre le parcours complet ou entrer directement au niveau qui correspond à ce que votre équipe a déjà construit.

Introduction 1 jour

Comprendre et construire un premier RAG

Architecture, ingestion, embeddings, recherche et première évaluation.

Point de départ : Votre équipe découvre le RAG et veut construire un premier pipeline complet sur un corpus maîtrisé.

Voir le programme détaillé
Intermédiaire 2 jours

Construire, mesurer et améliorer un RAG

Recherche hybride, reranking, jeux de tests et analyse des erreurs.

Point de départ : Un premier prototype existe et vous voulez mesurer sa qualité avant de l'améliorer.

Voir le programme détaillé
Avancé 4 jours · 2+2

Fiabiliser et mettre un RAG en production

Évaluation continue, sécurité, observabilité, coûts et passage à l'échelle.

Point de départ : Un RAG est déjà utilisé, ou va l'être, par de vrais utilisateurs et sur des données sensibles.

Voir le programme détaillé
01

Niveau 1 · Introduction · 1 jour (7 h)

Formation RAG : introduction technique

Construisez un premier pipeline RAG de bout en bout et apprenez à distinguer une démonstration convaincante d'un système réellement vérifiable.

Durée
1 jour (7 h), intra-entreprise, présentiel ou distanciel
Public
Développeurs Python, data scientists et ingénieurs IA qui débutent avec le RAG.
Prérequis
Pratique de Python, Git et des API ; notions générales sur les LLM.
Format
Une journée continue, adaptable à votre stack et à un corpus expurgé.
Recevoir le programme et le devis de ce niveau

Objectifs pédagogiques

Ce que vous saurez faire

  1. 01 Expliquer les composants d'une architecture RAG et leurs responsabilités.
  2. 02 Préparer un corpus, choisir une stratégie de découpage et créer un index.
  3. 03 Produire une réponse sourcée et mesurer une première qualité de restitution.

Programme

Programme détaillé

01

Quand utiliser un RAG

RAG, fine-tuning et recherche classique : critères de choix, limites et architecture minimale.

02

Préparer les documents

Nettoyage, chunking, métadonnées, qualité des sources et traçabilité de l'ingestion.

03

Indexer et rechercher

Embeddings, base vectorielle, similarité et inspection des documents effectivement récupérés.

04

Générer une réponse sourcée

Construction du contexte, citations, réponse en absence d'information et contrôle du prompt.

05

Tester le premier pipeline

Questions représentatives, pertinence du retrieval, fidélité de la réponse et atelier de synthèse.

Livrables

Des supports réutilisables après la session

  • Dépôt de référence et pipeline RAG fonctionnel.
  • Corpus d'exercice et questions de validation.
  • Checklist de qualité avant démonstration.

Repères

Ce qu'il faut savoir sur ce niveau

En quoi cette introduction diffère-t-elle du RAG de production (4 jours) ?

Cette journée pose l'architecture minimale : ingestion, embeddings, recherche, réponse sourcée et un premier jeu de questions. Elle ne couvre pas l'évaluation continue, la sécurité, l'observabilité ni le passage à l'échelle, traités dans le niveau avancé de 4 jours.

Un RAG construit en un jour peut-il être mis en production ?

Non. Vous repartez avec un pipeline de référence et une checklist avant démonstration, pas avec un système industrialisé. Un prototype convaincant n'est pas encore un assistant fiable face à de vrais utilisateurs.

Faut-il déjà un corpus d'entreprise pour suivre la session ?

Non. Un corpus d'exercice est fourni. Si vous apportez des documents expurgés, les ateliers s'y adaptent. La qualité des sources reste le facteur limitant : un mauvais chunking ou des documents obsolètes produisent des réponses fausses.

02

Niveau 2 · Intermédiaire · 2 jours (14 h)

Formation RAG : construire et évaluer

Passez du prototype à un RAG mesurable : chaque modification est comparée sur un jeu de tests et reliée à un type d'erreur précis.

Durée
2 jours (14 h), intra-entreprise, présentiel ou distanciel
Public
Équipes techniques ayant déjà construit ou étudié un premier pipeline RAG.
Prérequis
Python, API LLM et bases du RAG ; avoir suivi l'introduction ou niveau équivalent.
Format
Deux jours consécutifs ou espacés selon les contraintes de l'équipe.
Recevoir le programme et le devis de ce niveau

Objectifs pédagogiques

Ce que vous saurez faire

  1. 01 Construire une ingestion robuste et une recherche adaptée au corpus.
  2. 02 Créer un jeu d'évaluation représentatif et interpréter les métriques.
  3. 03 Arbitrer qualité, latence et coût à partir de résultats mesurés.

Programme

Programme détaillé

J1.1

Ingestion robuste

Parsing, dédoublonnage, versions, métadonnées, stratégies de chunking et contrôles qualité.

J1.2

Retrieval avancé

Filtres, recherche hybride, fusion des résultats, reranking et construction du contexte.

J1.3

Réponses vérifiables

Citations, sorties structurées, refus contrôlé et réduction des réponses non étayées.

J2.1

Jeu de tests

Logs réels, cas limites, génération synthétique encadrée et curation par des experts métier.

J2.2

Évaluation

Métriques retrieval, génération et métier avec RAGAS, DeepEval ou un outil équivalent.

J2.3

Analyse et optimisation

Taxonomie d'erreurs, expériences comparables, coût, latence et backlog d'amélioration.

Livrables

Des supports réutilisables après la session

  • Pipeline complet et configurations comparées.
  • Jeu d'évaluation versionné.
  • Rapport de résultats et backlog priorisé.

Repères

Ce qu'il faut savoir sur ce niveau

Quelle différence avec l'introduction d'un jour ?

L'introduction construit un premier pipeline. Ces deux jours le rendent mesurable : ingestion robuste, recherche hybride, reranking, jeu de tests versionné, et comparaison de chaque modification sur des métriques retrieval, génération et métier (RAGAS, DeepEval ou équivalent).

Les métriques RAGAS remplacent-elles le jugement métier ?

Non. Les scores aident à comparer des configurations, pas à certifier qu'une réponse est acceptable pour vos utilisateurs. Un expert métier reste nécessaire pour curer le jeu de tests et interpréter les erreurs.

Faut-il déjà un RAG en production pour s'inscrire ?

Non, mais il faut avoir construit ou étudié un premier pipeline (introduction ou niveau équivalent). Sans cette base, le rythme de deux jours sur l'évaluation et l'optimisation devient trop dense.

La recherche hybride et le reranking sont-ils toujours nécessaires ?

Pas automatiquement. La session apprend à les mesurer sur votre corpus : parfois un filtre métadonnées ou un meilleur chunking gagne plus qu'un reranker. L'arbitrage qualité / latence / coût se fait sur des résultats, pas sur une mode.

03

Niveau 3 · Avancé · 4 jours (28 h), format 2+2

Formation RAG avancée et mise en production

Fiabilisez un RAG confronté à de vraies données, de vrais utilisateurs et de vrais incidents, puis repartez avec une trajectoire de production argumentée.

Durée
4 jours (28 h), format 2+2, intra-entreprise, présentiel ou distanciel
Public
AI engineers, ML engineers, tech leads et équipes responsables d'un RAG existant.
Prérequis
Pipeline RAG déjà pratiqué, Python confirmé, architecture API et bases de déploiement.
Format
Deux blocs de deux jours avec travail intersession, ou quatre jours consécutifs. Le rythme, les outils et le capstone sont adaptables à l'entreprise.
Recevoir le programme et le devis de ce niveau

Objectifs pédagogiques

Ce que vous saurez faire

  1. 01 Diagnostiquer les erreurs à chaque couche du système.
  2. 02 Mettre en place tests de non-régression, observabilité et contrôles de sécurité.
  3. 03 Concevoir une architecture de production avec objectifs de qualité, coût et latence.

Programme

Programme détaillé

J1

Architecture et données

Ingestion incrémentale, qualité documentaire, index multiples, permissions et stratégie de mise à jour.

J2

Retrieval et évaluation

Query rewriting, routage, hybride, reranking, taxonomie d'erreurs et tests de non-régression.

2+2

Mise en pratique intersession

Application sur un cas réel ou sandbox, collecte de traces et préparation d'une analyse d'échecs.

J3

Sécurité et observabilité

Prompt injection, contrôle des accès, données sensibles, tracing, métriques, alertes et versionnement.

J4

Production et capstone

Cache, résilience, scalabilité, budgets, déploiement progressif et revue finale d'architecture.

Livrables

Des supports réutilisables après la session

  • Architecture cible et décisions documentées.
  • Suite d'évaluation et tableau de suivi.
  • Budget qualité/coût/latence, checklist production et roadmap.

Repères

Ce qu'il faut savoir sur ce niveau

Cette session de 4 jours remplace-t-elle un audit RAG ?

Non. Le prédiagnostic ajuste les ateliers à partir d'un schéma et de quelques traces expurgées. Il ne constitue ni une revue de sécurité exhaustive ni une certification. L'audit technique RAG et Agents reste une prestation distincte.

Le format 2+2 est-il obligatoire ?

Le découpage 2+2 avec travail intersession est recommandé pour appliquer le diagnostic sur un cas réel, puis revenir avec des traces. Quatre jours consécutifs restent possibles si l'équipe ne peut pas s'absenter deux fois.

Traite-t-on la prompt injection et le contrôle d'accès documentaire ?

Oui, au jour 3 : injection, permissions, données sensibles, tracing et versionnement. La session donne une architecture et une checklist, pas une garantie que votre instance actuelle est sûre.

Peut-on industrialiser un RAG sans observabilité ni tests de non-régression ?

C'est précisément ce que cette session déconseille. Sans suite d'évaluation, alertes et budget qualité/coût/latence, un RAG en production dérive dès que le corpus ou le modèle change.

Spécialisations framework

Spécialiser le parcours sur un framework

Après les fondamentaux, une session de deux jours approfondit le RAG sur un framework précis. Le choix dépend de votre stack, pas d'une préférence.

Public

À qui s'adresse ce parcours

Développeurs Python, data scientists, ML engineers, AI engineers et équipes techniques chargées de construire ou reprendre une solution RAG.

Prédiagnostic inclus

Avant chaque niveau : questionnaire, entretien de cadrage de 60 minutes, revue d'un schéma d'architecture et de cinq exemples ou traces expurgées au maximum. Cette préparation sert à construire les ateliers autour de vos cas d'usage. Elle ne constitue ni une revue de sécurité exhaustive ni une certification de la solution.

Vous avez déjà un prototype ou un RAG en production ? Le prédiagnostic inclus adapte les ateliers à vos erreurs réelles. Pour une analyse exhaustive, l'audit technique RAG et Agents reste une prestation distincte.

Découvrir l'audit technique RAG et Agents IA
01

Retours d'expérience sur des assistants documentaires réellement déployés.

02

Méthode d'évaluation en trois couches : retrieval, génération et résultat métier.

03

Ateliers sur corpus client expurgé ou environnement technique fourni.

Vous pilotez le projet sans développer ?

La formation RAG et assistant interne : cadrage s'adresse aux dirigeants, Product Owners et responsables métier sans prérequis de code.

Formation RAG et assistant interne : cadrage

Questions fréquentes

Questions fréquentes sur la formation RAG

Par quel niveau de la formation RAG commencer ?

Le point de départ dépend de ce que votre équipe a déjà construit. Si elle découvre le RAG, commencez par l'introduction d'un jour. Si un prototype existe et que vous voulez mesurer et améliorer sa qualité, le niveau construire et évaluer de deux jours est le plus utile. Si un RAG sert déjà de vrais utilisateurs, le niveau avancé de quatre jours traite l'évaluation continue, la sécurité et l'exploitation. Le prédiagnostic inclus confirme ce choix avant la session.

Faut-il suivre les trois niveaux dans l'ordre ?

Chaque niveau peut être suivi seul, à condition d'avoir les prérequis indiqués. Le parcours complet représente sept jours de formation, soit 49 heures. Espacer les niveaux de quelques semaines permet d'appliquer chaque étape sur votre propre projet avant de passer à la suivante.

Peut-on travailler sur nos propres documents pendant la formation ?

Oui. Vous pouvez apporter un corpus expurgé, installé dans un environnement isolé, et les ateliers s'appuient alors sur vos documents. Sinon, un corpus d'exercice est fourni avec ses questions de validation. Dans les deux cas, la qualité des sources est travaillée dès le premier niveau, car elle conditionne la qualité des réponses.

Quels outils et frameworks utilise-t-on pendant la formation RAG ?

Les ateliers se font en Python, avec une base vectorielle, un modèle de langage hébergé ou accessible par API, et un outil d'évaluation comme RAGAS ou DeepEval. Le choix précis suit votre stack, et les méthodes enseignées restent valables quel que soit le framework. Pour approfondir un outil, les spécialisations LlamaIndex et LangChain de deux jours prolongent le parcours.

Quelle différence avec la formation RAG et assistant interne : cadrage ?

Le parcours technique s'adresse aux développeurs et data scientists qui construisent le système. La formation RAG et assistant interne : cadrage s'adresse aux dirigeants, Product Owners et responsables métier : elle prépare le besoin, les sources et les critères de réussite, sans écrire de code. Les deux se combinent bien quand une équipe métier et une équipe technique portent le même projet.

La formation RAG est-elle finançable par un OPCO ?

Oui. Les trois niveaux sont des sessions intra-entreprise portées par notre organisme partenaire certifié Qualiopi (RETENGR), sur devis : 7 heures pour l'introduction, 14 heures pour le niveau construire et évaluer, 28 heures pour le niveau avancé. Une prise en charge par votre OPCO peut être étudiée selon votre branche, la taille de l'entreprise et les fonds disponibles.

Le cadre de la certification est détaillé sur la page Qualiopi, et les règles de prise en charge sur la page financement OPCO.

Petit groupe de collaborateurs en atelier autour d'une table de travail Participant travaillant sur son ordinateur pendant un exercice pratique

Formation sur mesure

Un programme construit pour votre métier

Le programme de cette page sert de base. Avant la session, nous le reprenons avec vous pour l'adapter à votre métier, à vos outils et aux documents que votre équipe traite chaque semaine.

Quel que soit le programme, l'équipe apprend trois choses : utiliser l'IA pour faire plus vite ses tâches, vérifier ce qu'elle produit, et repérer les cas où elle se trompe (un chiffre inventé, une source qui n'existe pas, une consigne mal comprise). Le document final reste relu et validé par la personne qui en est responsable.

  • Un échange de cadrage avec le formateur

    Trente minutes avec l'ingénieur IA qui animera la session, idéalement avec une personne qui la suivra. Nous parlons de l'équipe, de son niveau et des tâches à travailler, puis nous collectons quelques cas et fichiers d'exemple.

  • Un programme écrit pour votre équipe

    Les modules sont choisis selon vos objectifs et les exercices sont construits sur vos situations. Le programme est remis avec le devis et la convention, établis via RETENGR. Comptez en général deux à trois semaines entre votre accord et la première séance lorsqu'un dossier OPCO est monté.

  • Des séances surtout pratiques

    Le formateur montre la méthode, puis chaque participant refait l'exercice sur un cas proche du sien. Environ 4 personnes par groupe sur un contenu technique, jusqu'à 8 environ en acculturation. À distance ou dans vos locaux, souvent en demi-journées espacées d'une semaine.

  • Évaluation des acquis et supports

    Positionnement initial, exercices, mise en situation sur un cas métier et bilan de fin de session. Une attestation de réalisation est remise. Les prompts qui fonctionnent sont rangés dans un espace partagé de l'équipe, avec le support et les exercices.

Qui forme et sous quel cadre

Un ingénieur IA formateur, un organisme certifié Qualiopi pour le cadre

La personne avec qui vous préparez la formation est celle qui l'anime. Le volet administratif et le financement passent par notre organisme de formation partenaire.

Le formateur

Anas Rabhi, Ingénieur IA et data scientist

Anas Rabhi · Ingénieur IA et data scientist

Fondateur de Tensoria

Anas Rabhi est ingénieur IA et formateur. Il travaille depuis plus de six ans sur des projets d'IA pour des entreprises : assistants sur documents internes, agents, automatisations. Les exemples montrés en séance viennent de ces projets, avec leurs limites.

Il conçoit le programme et anime lui-même les sessions, sans sous-traitance. Vous savez à l'avance qui sera face à vos équipes.

Voir son parcours et ses projets

L'organisme de formation

RETENGR, organisme partenaire certifié Qualiopi

Les formations sont portées administrativement par RETENGR, notre organisme de formation partenaire certifié Qualiopi. C'est ce qui permet une prise en charge par votre OPCO, selon l'éligibilité de votre entreprise.

  • RETENGR : convention de formation, dossier OPCO, feuilles d'émargement, attestations.
  • Tensoria : programme construit sur vos cas, animation, supports et suivi pédagogique.
Qualiopi et formation IA : qui fait quoi

Programme et devis

Construisons le bon format pour votre équipe

Indiquez le métier de l'équipe, son effectif et son niveau. Nous adaptons ensuite la durée, les outils et les exercices à vos tâches et à vos documents.

Champs obligatoires

Réponse sous 48 heures ouvrées, sans engagement. Vos informations sont utilisées uniquement pour répondre à votre demande. En savoir plus.

Accessibilité et financement

Une adaptation peut être étudiée pour les personnes en situation de handicap : signalez vos besoins à contact@tensoria.fr. Les formations sont portées par RETENGR, notre organisme de formation partenaire certifié Qualiopi ; la prise en charge par votre OPCO dépend de ses règles, de votre branche et des fonds disponibles.

Tarif sur devis

Le tarif dépend de la durée, du nombre de groupes, du niveau d'adaptation, du lieu et du suivi demandé. Chaque poste est détaillé séparément dans la proposition.