Objectifs

• Comprendre l'architecture d'un RAG : ingestion, embeddings, index, retrieval, génération
• Construire une chaîne d'ingestion pour des documents et bases de connaissances internes
• Mettre en œuvre une recherche sémantique et hybride avec une base vectorielle hébergée en interne
• Évaluer, sécuriser et déployer un assistant documentaire souverain

Au programme

• Jour 1 — Architecture d'un RAG souverain, ingestion et découpage des documents, embeddings, bases vectorielles, recherche hybride et re-ranking
• Jour 2 — Génération avec citations, évaluation de la qualité, contrôle d'accès, protection contre les injections, déploiement en API

Public & prérequis

Développeurs, data scientists, data engineers, architectes et équipes DSI. Bases de Python requises ; Docker installé. Poste 16 Go de RAM minimum.