Créez un système qui règle les billets de soutien étape par étape, et qui reste sûr pendant qu'il le fait. Vous transformez le travail du centre d'assistance de Larkfield en un flux de travail qui cherche des preuves, propose une action, attend l'approbation d'une personne avant tout changement et consigne ce qui s'est passé.
Lisez toutes les leçons sans compte, ou connectez-vous pour vous inscrire et suivre vos progrès.
Inscrivez-vous pour enregistrer les leçons que vous terminez. C'est gratuit.
À la fin de ce cours, vous pourrez :
Un modèle de langage peut lire un billet de soutien et suggérer quoi faire. Le laisser agir est une tout autre tâche. Il doit trouver la bonne commande, suivre la politique et demander avant de changer quoi que ce soit. Il ne doit jamais rembourser deux fois le même paiement quand un service tarde à répondre.
Dans ce cours, vous créez pas à pas le flux de travail de Larkfield qui règle les demandes de soutien. Vous commencez par des étapes fixes que le code décide. Ensuite, vous laissez le modèle choisir des étapes seulement là où cela en vaut la peine, et vous mesurez si c’est le cas. La tâche garde un état explicite, chaque boucle a une limite, une personne approuve chaque changement, et chaque écriture peut être répétée sans risque.
Vous apprenez aussi à vérifier le résultat, pas seulement la réponse. L’évaluation regarde ce qui a changé dans les systèmes : la bonne action, rien d’interdit et aucun doublon.
Vous n’avez pas besoin de compte ni de clé payante. Les systèmes de commandes, de paiement et d’expédition sont une base de données d’exercice sur votre ordinateur, et chaque décision du modèle a une réponse enregistrée d’un vrai modèle. Les diagrammes et les explorateurs interactifs portent les idées principales : le texte reste donc court.
Vous avez suivi les cours Créer des applications fiables avec les API de LLM et Évaluer et tester les systèmes d'IA, ou vous avez les mêmes compétences. Le cours sur le RAG est utile, mais pas obligatoire. Vous n'avez pas besoin de clé d'API ni de compte payant. Chaque décision du modèle a une réponse enregistrée, et chaque changement va dans une base de données d'exercice sur votre ordinateur. Les appels en direct, avec un modèle local gratuit ou votre propre clé, sont facultatifs.
Cours à suivre avant : Créer des applications fiables avec les API de LLM, Évaluer et tester les systèmes d'IA.
Les personnes qui ont créé et testé une application sur une API de modèle, comme dans les cours Créer des applications fiables avec les API de LLM et Évaluer et tester les systèmes d'IA, et qui veulent maintenant qu'un modèle franchisse plusieurs étapes et utilise des outils sans perdre le contrôle. Développeurs, scientifiques des données et professionnels qui se tournent vers l'ingénierie de l'IA.
Vous pouvez étudier les idées de ce cours sans écrire de code. Lisez les modules 1, 4 et 6 (environ 7–9 h), répondez à leurs vérifications des connaissances, et obtenez un certificat des notions gratuit. Vous pourrez revenir à la pratique plus tard.
Les parcours pour les personnes qui dirigent ou utilisent l'IA suivent ce cours de cette façon. Voir les parcours
Des spécialistes de l'IA expérimentés ont conçu ce cours. L'IA nous a aidés à rédiger le contenu; des personnes ont choisi l'approche pédagogique et les exemples, et ont révisé chaque leçon. Les résultats que vous voyez sont les vrais résultats de l'exécution du code. Comment nous créons les cours
Choisissez la part de décision laissée au modèle. Exécutez la même tâche de soutien en étapes fixes, avec un routeur et avec un agent, apprenez les modèles de conception courants, et mesurez quand la conception simple est la meilleure.
Donnez un état à la tâche et un contrat aux outils. Gardez les objectifs, les preuves, les approbations et les erreurs dans des champs typés, vérifiez chaque appel d'outil et chaque permission dans le code, et faites en sorte que la boucle s'arrête.
Planifiez à partir de preuves et mémorisez avec soin. Divisez une tâche en étapes vérifiables, changez le plan quand les faits changent, choisissez ce que le modèle voit, et décidez ce qu'il faut garder sur un client qui revient.
Placez une personne avant chaque changement. Montrez l'action exacte à approuver, enregistrez la tâche pour qu'elle puisse s'arrêter et reprendre, et rendez les écritures sûres à répéter grâce aux identifiants d'opération et au rapprochement.
Divisez le travail seulement quand c'est utile. Lancez en parallèle les recherches indépendantes, avec des règles de fusion claires, comparez un agent seul et deux agents exécutants sur des exécutions enregistrées, et voyez où les intégrations d'outils placent la frontière.
Prouvez que le système fonctionne avant de lui faire confiance. Notez les tâches selon le résultat, les effets secondaires, le coût et le temps, lisez les traces pour trouver les échecs, et testez des attaques et des pannes jusqu'à ce que les vérifications obligatoires réussissent.
Trois études de cas de bout en bout sur des données ouvertes. Évaluez un agent de service à la clientèle sur un banc d'essai public, testez un agent contre des instructions cachées dans les résultats d'outils, et comparez un flux de travail et un agent sur un processus de service public. Terminez-en au moins une pour obtenir le certificat. Chacune est un projet à ajouter à votre portfolio.
Terminez au moins une étude de cas pour obtenir le certificat. Les autres sont facultatives. Ce que couvre chacune
Utilisez tous les modules dans un projet pratique. Vous recueillez des preuves, puis vous les comparez aux objectifs du cours.
Des projets réalistes du début à la fin, sur de vraies données, avec chaque résultat expliqué. Chacun devient une pièce de votre portfolio. Terminez-en au moins une pour obtenir le certificat; les autres sont facultatives.
Évaluer un agent de service à la clientèle sur un banc d'essai public2 h 30 min
Exécuter un agent sur des tâches publiques de service à la clientèle, avec des outils simulés et une politique écrite, puis mesurer la réussite des tâches, les violations de la politique et les effets de bord sur plusieurs exécutions.
Tester un agent contre les instructions cachées dans les résultats d'outils2 h
Mesurer combien de fois des instructions cachées dans les résultats d'outils prennent le contrôle d'un agent, avec et sans défenses, et combien de fois l'agent termine quand même sa tâche.
Flux de travail ou agent? Automatiser un processus à partir de données ouvertes2 h 30 min
Automatiser deux fois un processus de service public à partir de données ouvertes, d'abord en flux de travail fixe, puis avec un agent, et comparer les erreurs, le coût et le temps sur les mêmes tâches.
Chargement des avis…
Vous avez suivi ce cours? Connectez-vous pour donner votre avis. Vous pouvez donner un avis après avoir terminé 25 % des leçons.
