ACADÉMIE & CATALOGUE DE FORMATION

Les 3 Formations Officielles d'Ingénierie Agentique.

Des modules d'ingénierie certifiants conçus pour les écoles d'ingénieurs, universités et écoles de commerce souhaitant former aux architectures d'agents autonomes, à leur gouvernance et au raisonnement avancé.

Catalogue Officiel

La Triade des Formations Qognito.io

Une approche orientée "Principes Premiers" : plomberie d'API, typage strict, gouvernance FinOps (Ctask) et apprentissage par renforcement (RLVR).

DISPONIBLE 28h (4 Jours)

BOOTAG-IA

Building an AI Agent

Architectures d'agents autonomes from scratch, résilience POO (R ou Python), plomberie REST/JSON Schemas, télémétrie FinOps et auditabilité conforme EU AI Act (LLM-as-a-Judge).

Consulter la Fiche BOOTAG-IA ↓
DISPONIBLE 14h à 21h

SAGA-IA

Stratège en Architecture & Gouvernance des Agents IA

Cadrage macro-architectural, gouvernance FinOps (Ctask), Spec-Driven Development (SDD), harnais Zero-Trust et mise en conformité aux exigences de l'EU AI Act (Art. 14).

Consulter la Fiche SAGA-IA ↓
DISPONIBLE 40h (5 Jours)

REASON-IA

Raisonnement, Émergence & Apprentissage par Renforcement

Deep Tech : Inférence stochastique, KV Cache from scratch, apprentissage par renforcement RLVR (GRPO), Self-Consistency et distillation vers modèles embarqués sobres.

Consulter la Fiche REASON-IA ↓
Partenariat & Déclinaisons

La Triade pour l'Enseignement Supérieur & Grandes Écoles

Trois programmes complémentaires conçus pour s'intégrer dans vos M1, M2, Écoles d'Ingénieurs, Écoles de Commerce et Doctorats :

BOOTCAMP IMMERSIF (28H)

BOOTAG-IA : Building an AI Agent

Pour M2 Informatique, Élèves-Ingénieurs, Data Engineers et Développeurs. Construction d'agents autonomes No-Framework from scratch.

Fiche Partenariale BOOTAG-IA ↓
CADRAGE & GOUVERNANCE (14H-21H)

SAGA-IA : Stratège en Architecture

Pour M1/M2 Management, Executive Ed, Consultants & DSI Juniors. Cadrage macro-architectural, formule Ctask, SDD et EU AI Act.

Fiche Partenariale SAGA-IA ↓
DEEP TECH & R&D (40H)

REASON-IA : Raisonnement & RLVR

Pour M2 IA/MLOps, Élèves-Ingénieurs Recherche, Doctorants (PhD) & Data Labs. Inférence autoregressive, RLVR (GRPO) et Sober AI.

Fiche Partenariale REASON-IA ↓
FICHE PARTENARIALE INSTITUTIONNELLE — PROGRAMME 1

BOOTAG-IA : Building an AI Agent (28h)

Partenariat Enseignement Supérieur & Grandes Écoles d'Ingénieurs (CTI/CGE).

1. Diagnostic & Apports Pédagogiques du Bootcamp BOOTAG-IA

Ingénierie "No-Framework" :

Construction d'agents autonomes from scratch (POO R ou Python) interagissant directement avec les API REST HTTP.

Encapsulation & État Immuable :

Classes d'exécution (ExecutionContext) et sous-agents hermétiques (pattern Agent-as-a-Tool).

Évaluation Automated :

Génération d'un Evidence Pack certifiant le comportement déterministe via la suite LLM-as-a-Judge.

2. Stack Technique & Plomberie Agentique R-Native (From Scratch)

Contrairement aux approches sur-simplifiées basées sur des frameworks lourds, BOOTAG-IA enseigne la construction d'un harnais agentique from scratch en R. Cette approche garantit une maîtrise absolue de la plomberie réseau, une sobriété mémoire maximale et une isolation industrielle sans boîtes noires.

1. Plomberie REST & Élimination des "Boîtes Noires"

Utilisation de {httr2} pour interroger directement l'API REST officielle Gemini. Contrôle total du réseau : gestion native du backoff exponentiel (req_retry), traitement des erreurs HTTP 429/500/503 et basculement fallback transparent sans dépendre des frameworks Python lourds (LangChain, LlamaIndex).

2. Sorties Structurées & JSON Schema Direct

Définition native de la spécification JSON Schema via des listes nommées R imbriquées transmises à generationConfig$responseSchema. Parsing de retour garanti et sécurisé sans Pydantic via jsonlite::fromJSON.

3. POO R6 & Encapsulation Stricte

L'architecture R6 distingue la vérité (ExecutionContext R6 immuable : historique, métadonnées, budget jetons) de la vue éphémère (LlmRequest). Les sous-agents (Agent-as-a-Tool) possèdent un contexte étanche prévenant l'empoisonnement de contexte.

4. Sobriété Data & Tidyverse Native

Mise en œuvre du RAG et de la mémoire par le tidyverse (dplyr, purrr) : chunking, embeddings via embedContent et calcul manuel de similarité cosinus from scratch, sans bases vectorielles lourdes comme ChromaDB.

5. Client Léger Agnostique via MCP

L'agent R agit comme un client universel via le Model Context Protocol (MCP). Il orchestre dynamiquement des serveurs d'outils distants écrits indifféremment en Node.js, Python ou Go.

6. Usine Logicielle Hermétique ({renv})

Isolation industrielle garantie par {renv} et son fichier de verrouillage renv.lock, éliminant les conflits de dépendances fréquemment observés dans l'écosystème Python (Conda, Poetry, Pyenv).

3. Sommaire Pédagogique & Programme Détaillé (16 Modules / 28h)

Parcours structuré en 4 sections d'ingénierie progressive. Chaque module livre un nouvel outil ou classe R6 dans la boîte à outils de l'apprenant :

Section 1 : Fondations LLM & Structuration
  • Mod. 1.1 : Modélisation, REST & Résilience Réseau
  • Mod. 1.2 : Prompt Système d'Autorité & SessionManager
  • Mod. 1.3 : Sorties Structurées (JSON Schema)
  • Mod. 1.4 : Séquentialité & Benchmark GAIA
Section 2 : Protocoles MCP & Boucle ReAct
  • Mod. 2.1 : Découverte d'Outils & Protocoles REST
  • Mod. 2.2 : Standardisation Outils POO & MCP
  • Mod. 2.3 : ExecutionContext Centralisé & Interfaces
  • Mod. 2.4 : Moteur ReAct Autonome (Think-Act-Observe)
Section 3 : RAG, Exploration & Mémoire
  • Mod. 3.1 : RAG & VectorStore In-Memory (768d)
  • Mod. 3.2 : Exploration Autonome de Structure
  • Mod. 3.3 : Mémoire Long Terme & Compaction Multi-Run
  • Mod. 3.4 : Discovery & Agent Skills (YAML/SKILL.md)
Section 4 : Multi-Agents, Télémétrie & CI/CD
  • Mod. 4.1 : Métacognition, Planification & Réflexion
  • Mod. 4.2 : Orchestration Multi-Agents (Agent-as-a-Tool)
  • Mod. 4.3 : Télémétrie & Observabilité (Trace ID)
  • Mod. 4.4 : Volant de Qualité (LLM-as-a-Judge) & CI/CD

Inscrire le Bootcamp BOOTAG-IA (28h) dans votre Maquette

Échanger avec Boris Guarisma →
FICHE PARTENARIALE INSTITUTIONNELLE — PROGRAMME 2

SAGA-IA : Stratège en Architecture & Gouvernance des Agents IA (14h à 21h)

Module Modulaire pour Écoles de Commerce, Executive Education, Masters Management & DSI.

1. Diagnostic & Apports Pédagogiques de la Formation SAGA-IA

Gouvernance FinOps & Ctask :

Sondes de mesure de tokens en temps réel et coupe-circuits financiers (Circuit Breakers).

Spec-Driven Development (SDD) :

Rédaction de contrats de workflows structurés éliminant la pourriture de contexte (Context Rot).

Zero-Trust & EU AI Act (Art. 14) :

Harnais anti-injection, protocoles Human-In-The-Loop (HITL) et bouton d'arrêt d'urgence.

2. Modalités, Durée & Publics Cibles

Format Modulaire Souple (7h à 21h) :

Adaptable selon les cibles : 7h (Décideurs & DSI), 14h (Delivery & Chef de Projet), 21h (Consultants Tech & Master Management/ExecEd).

Stack & Standards :

S'appuie sur la hiérarchie Google Gemini (3.5-flash-lite pour évals, 3.5-flash pour l'exécution, 3.5-pro pour le raisonnement), Spec-Driven Development (SDD) et contrats XML/Markdown.

3. Sommaire Pédagogique & Programme Détaillé (5 Sections / 10 Modules)

Structure macro-architecturale en 5 axes de cadrage, de raccordement et de gouvernance industrielle :

Section 1 : Transition FDE & Arbitrage
  • Mod. 1.1 : Arbitrage comptable (Coût complet Ctask)
  • Mod. 1.2 : Le dernier kilomètre du raccordement physique
Section 2 : Anatomie & Gouvernance Harnais
  • Mod. 2.1 : Les 5 briques agentiques & Benchmark GAIA
  • Mod. 2.2 : Harnais privé vs EU AI Act (Art. 14)
Section 3 : Spec-Driven & Context Eng.
  • Mod. 3.1 : Fenêtre infinie & Compaction multi-modèles
  • Mod. 3.2 : Spec-Driven Development (SDD contrats XML)
Section 4 : Sécurité SI & Zero-Trust
  • Mod. 4.1 : Post-mortem PocketOS & Asymétrie d'attention
  • Mod. 4.2 : Triade Fatale (Simon Willison) & Sandboxing
Section 5 : Industrialisation, Évals & Pattern Juge
  • Mod. 5.1 : Pattern Générateur-Juge & Volant de Qualité
  • Mod. 5.2 : Grille de réversibilité, Congélation de session & Human-in-the-Loop (HITL)

Inscrire le Module SAGA-IA (14h à 21h) dans votre Maquette

Échanger avec Boris Guarisma →
FICHE PARTENARIALE INSTITUTIONNELLE — PROGRAMME 3

REASON-IA : Raisonnement, Émergence & RLVR (40h)

Parcours Deep Tech pour M2 IA/MLOps, Élèves-Ingénieurs Recherche & Doctorants (PhD).

1. Diagnostic & Apports Pédagogiques de la Formation REASON-IA

KV Cache & Inférence Autoregressives :

Écriture bas niveau de la mémoire tensorielle PyTorch/R et décodage stochastique (Top-p, Température, Self-Consistency).

RLVR & Algorithme GRPO :

Apprentissage par renforcement à récompenses vérifiables : normalisation des avantages relatifs et pénalité KL.

Distillation & Sober AI :

Capture des chaînes de pensée (Thought) et distillation par Masked Cross-Entropy vers modèles compacts embarqués.

2. Stack Technique & Sobriété Hybride (R & PyTorch via reticulate)

Sobriété Hybride : Utiliser reticulate permet d'exploiter les tenseurs lourds PyTorch tout en conservant une orchestration R-native légère, fluide et testable.

Pourquoi l'Alliance de R & {reticulate} est une Bonne Pratique ?

  • Le syndrome du "Python-Only Overkill" : Vouloir tout coder en Python (analyse statistique, modélisation budgétaire, tests unitaires, data visualisation) mène à une sur-complexité inutile face à la puissance native de R.
  • L'approche hybride optimisée :
    • Laisser le lourd au lourd (Python/CUDA) : Les tenseurs PyTorch et les calculs de réseaux de neurones s'exécutent en C++/GPU côté Python.
    • Laisser le contrôle au rigoureux (R/Tidyverse) : L'I/O (téléchargements), l'analyse des logits, les visualisations de latence ({ggplot2}), les tests de conformité ({testthat}) et l'orchestration s'écrivent en R.
  • Bilan : Une communication IPC (Inter-Process Communication) ultra-fluide avec un overhead négligeable face au temps d'inférence du LLM.

3. Sommaire Pédagogique & Programme Détaillé (8 Sections / 32 Modules / 40h)

Programme Deep Tech intensif de 5 jours couvrant la chaîne complète du raisonnement au RLVR :

Section 1 : Fondations du Raisonnement
  • Tokens system & Logits bruts
  • Sampling glouton vs multinomial
Section 2 : Autoregressif & KV Cache
  • Boucles de rollouts & Inférence
  • KV Cache from scratch en PyTorch/R
Section 3 : Évaluation Symbolique
  • Parseur d'accolades & SymPy
  • Benchmark MATH-500 parallèle
Section 4 : Inference-Time Compute
  • Filtering Top-p & Température
  • Self-Consistency & Vote majoritaire
Section 5 : Auto-Raffinement
  • Logprobs & Incertitude sémantique
  • Feedback & Correction itérative
Section 6 : Renforcement (GRPO)
  • RLHF vs RLVR (récompenses exactes)
  • Normalisation GRPO & Policy Gradient
Section 7 : Stabilisation GRPO
  • Entropie, Clipped Ratios & Divergence KL
  • Format Rewards & Anti-reward hacking
Section 8 : Distillation & Sober AI
  • Curation Enseignant & Answer-Only SFT
  • Masked Cross-Entropy & Modèles sobres

Inscrire le Bootcamp REASON-IA (40h) dans votre Maquette

Échanger avec Boris Guarisma →