Accueil Catalogue Contact alexgirard.com ↗

Catalogue
des cours

Cinq modules, M1 à M5, de la sensibilisation des décideurs à l'audit d'agentisation in-situ.

Voir les modules

Tous les ateliers sont pratiques : chaque module se termine par un livrable fonctionnel que les participants repartent avec. Aucun module n’est donné en mode « diaporama ».

Combinaisons types

SituationParcours
Décideur seulM1 (½ j) → décision → M5 si « oui »
Équipe techM2 + M3 (3 j) → M4 en option
Équipe mixte (5–8 pers.)M1 (½ j) puis M2–M5 sur 5 jours
ONG / associationM1 + M2, stack 100 % local

Modules — M1M2M3M4M5

M1 — Fondamentaux des agents IA

Durée : ½ journée (3 h 30)

  • Objectifs : comprendre ce qu’un agent IA fait réellement (planifier, appeler des outils, itérer jusqu’à validation) et où il échoue ; distinguer chatbot, outil assisté et agent autonome ; choisir le bon niveau d’automation pour un cas d’usage donné.
  • Public : managers, chefs de projet, décideurs ; aucun pré-requis technique (les démos sont live, pas en vidéo).
  • Pré-requis : un ordinateur portable pour la partie « mains dans le beurre » (30 min de manipulation guidée).
  • Livrables / résultats mesurables :
    • chaque participant part avec 3 automatisations candidates identifiées dans ses propres flux (fiche « cas d’usage » fournie) ;
    • test de compréhension court (QCM 10 questions) — objectif ≥ 8/10 ;
    • décision argumentée : « on en parle » vs. « on passe au M2/M3 ».

M2 — Automatiser son quotidien avec des agents IA

Durée : 1 journée (6 h 30)

  • Objectifs : mettre en place un agent sur vos tâches réelles (rédaction, synthèse de documents, traitement de données, e-mails de reporting) ; apprendre à écrire de bonnes consignes et à vérifier les sorties ; savoir quand l’agent doit s’arrêter et demander l’avis humain.
  • Public : équipes opérationnelles (administratif, technique, commercial) ; à l’aise avec l’informatique de bureau.
  • Pré-requis : avoir suivi M1 ou être déjà utilisateur actif d’outils IA ; un cas d’usage concret apporté par le participant.
  • Livrables / résultats mesurables :
    • 1 workflow automatisé et testé par binôme, réplicable chez eux (script + instructions écrites) ;
    • grille « confiance » : pour quel type de sortie l’agent peut agir seul, pour quel type non — validée par retour d’expérience le jour même ;
    • mesure simple avant/après sur le cas d’usage choisi (temps de traitement estimé vs. mesuré en session).

M3 — Pipeline autonome : ralph, beads & sous-agents

Durée : 2 jours (12 h)

  • Objectifs : comprendre et reproduire un pipeline de développement assisté par agents : une base d’issues (beads) comme source de vérité, une boucle itérative qui travaille seule (ralph), et des sous-agents spécialisés qui se contrôlent mutuellement (worker, tester, reviewer, vérificateur indépendant).
  • Public : développeurs, DevOps, data engineers, tech leads.
  • Pré-requis : confort avec le terminal, git, et un langage de script (Python) ; avoir suivi M2 (fortement recommandé).
  • Contenu ancré dans du réel : démontage d’un run nocturne non supervisé (sélection automatique des tâches, ~5 h d’exécution, rapport de fin de nuit) et d’un harness multi-sous-agents avec vérification croisée inter-modèles.
  • Livrables / résultats mesurables :
    • le participant a fait tourner sa propre boucle autonome sur un petit dépôt (10+ itérations, zéro intervention) ;
    • sa base d’issues est initialisée et synchronisée (2+ issues closes en fin de stage) ;
    • document « règles de l’agent » (ce qu’il peut / ne peut pas faire seul — p. ex. jamais de commit/push sans validation humaine).

M4 — LLM & génération d'images locale sur GPU

Durée : 1 à 2 jours (selon matériel)

  • Objectifs : faire tourner un LLM sur une carte 12–24 GB (llama.cpp et dérivés), comprendre quantification, contexte et débit (tok/s), et en faire un service local avec API compatible OpenAI ; générer des images avec Stable Diffusion en gardant le contrôle (LoRA, post-traitement) — avec, si le temps le permet, un pipeline d’identité qui conserve un visage d’une photo dans l’image générée.
  • Public : ingénieurs ML/IA, data scientists, équipes infra qui ont du matériel (ou qui savent dimensionner) et des contraintes de confidentialité.
  • Pré-requis : Linux de base, Docker, un GPU NVIDIA (ou accès à une machine distante ; le stage peut se faire sur du matériel fourni).
  • Livrables / résultats mesurables :
    • un serveur LLM local mesuré (débit tok/s et contexte retenus chiffrés dans le compte-rendu de la session — on apprend à mesurer, pas à croire les benchmarks des autres) ;
    • une image générée en pipeline local + un script reproductible ;
    • dimensionnement écrit : quel GPU, quelle quantification, quel modèle pour leur cas (document reparté par binôme).

M5 — Audit d'agentisation & feuille de route

Durée : 2 à 3 jours in-situ

  • Objectifs : cartographier les flux de travail de l’entreprise, scorer ce qui est automatisable maintenant avec les outils agents (et ce qui ne l’est pas), chiffrer le gain par flux, et produire une feuille de route priorisée que la direction peut exécuter sans moi.
  • Public : direction + 3 à 6 personnes clés ; l’audit est fait dans l’entreprise, sur ses données de travail (anonymisées si besoin).
  • Pré-requis : accès à 2 à 3 personnes par service concerné pour des entretiens de 1 h.
  • Livrables / résultats mesurables :
    • cartographie des flux (10–25 flux couverts, score de maturité 0–4 chacun) ;
    • feuille de route priorisée : top 5 des automatisations avec estimation du gain (heures/semaine) et du risque, séquencée sur 6 mois ;
    • recommandation stack (local vs. hybride) avec justification coûts/risques — écrite pour être lue par le comité de direction.