Formation IA dans le cloud Mixte : présentiel / à distance

• Analyser des cas d'usage d'IA et choisir les services cloud adaptés (compute, données, IA managée)
• Mettre en œuvre un pipeline d'inférence bout en bout (ingestion, prétraitement, modèle, exposition)
• Configurer la sécurité, la gouvernance des données et les coûts pour des charges IA
• Intégrer des services d'IA managés (vision, langage, recherche) dans une application
• Automatiser le déploiement et la supervision (CI/CD, MLOps, surveillance et logs)

Ingénieurs data/IA, développeurs cloud, architectes techniques en contexte entreprise

Équipes projets souhaitant industrialiser des cas d'usage IA sur Azure/AWS/GCP, en environnement IT gouverné

• Connaissances de base en Python ou équivalent
• Notions d'architecture cloud (réseaux, stockage, ...)

Jour 1 – Fondamentaux de l'IA dans le cloud et architecture de bout en bout

Session du matin :

• Panorama des services IA cloud : compute (CPU, GPU, serverless), données (lakehouse), IA managée
• Architecture d'un pipeline d'inférence : flux de données, prétraitement, modèle, API, scalabilité
• Critères de choix : latence, coûts, conformité, localisation des données

Session de l'après-midi :

• Sécurité et gouvernance : identités, secrets, segmentation réseau, gestion des données sensibles
• Observabilité et coûts : logs, métriques, traces, dimensionnement et optimisation
• Modèle d'exploitation : rôles, runbooks, SLA/SLO et responsabilités

TP / Exercice :

• Concevoir et déployer un pipeline d'inférence minimal dans le cloud (modèle pré-entraîné + API + mesure latence/coût)

Points clés & takeaways :

• Architecture type d'un service d'inférence cloud
• Bonnes pratiques de sécurité, observabilité et maîtrise des coûts

Jour 2 – Intégration de services d'IA managés et industrialisation (MLOps)

Session du matin :

• Intégration de services IA managés (vision, NLP, recherche vectorielle, embeddings)
• Patterns RAG et recherche sémantique ; gestion des prompts et du contexte
• Sécurisation des endpoints : quotas, rate limiting, filtrage

Session de l'après-midi :

• CI/CD et MLOps : packaging, registre de modèles, déploiement, rollback
• Supervision : drift, qualité des données, alerting
• Étude de cas : arbitrages coûts / performance / conformité

TP / Exercice :

• Intégrer un service IA managé dans une API + mettre en place un pipeline CI/CD avec supervision

Points clés & takeaways :

• Intégration sécurisée de services IA managés
• Premiers jalons d'industrialisation (CI/CD, MLOps)

Docaposte Institute propose plusieurs dispositifs pédagogiques adaptés aux apprenants :

• Formation en présentiel
• En groupe (inter-entreprises ou intra-entreprise)
• En individuel (monitorat)
• En journée ou en cours du soir (sur demande spécifique)
• Formation en distanciel
• Distanciel synchrone
• Distanciel asynchrone

• Alternance d'apports théoriques et de mises en pratique contextualisées.
• Progression pédagogique structurée, de la compréhension à la mise en œuvre opérationnelle.
• Pédagogie immersive favorisant une mise en application immédiate des compétences.
• Formation interactive et participative s'appuyant sur des ateliers pratiques, études de cas et échanges collectifs (+ 60 % du temps de formation.)
• Séquences pédagogiques rythmées et évaluations formatives régulières pour renforcer l'ancrage des apprentissages.
• Supports de cours, ressources documentaires et références mis à disposition par le formateur

En amont de la formation :

• Recueil des besoins des apprenants afin de disposer des informations essentielles au bon déroulé de la formation (profil, niveau, attentes particulières...).
• Auto-positionnement des apprenants afin de mesurer le niveau de départ.

Tout au long de la formation : 

• Évaluation continue des acquis avec des questions orales, des exercices, des QCM, des cas pratiques ou mises en situation...

A la fin de la formation : 

• Auto-positionnement des apprenants afin de mesurer l'acquisition des compétences.
• Evaluation par le formateur des compétences acquises par les apprenants.
• Questionnaire de satisfaction à chaud afin de recueillir la satisfaction des apprenants à l'issue de la formation.
• Questionnaire de satisfaction à froid afin d'évaluer les apports ancrés de la formation et leurs mises en application au quotidien.

• Admission sans disposition particulière