1 – État de l’Art : IA Générative et Agents Intelligents

• Évolution de l’IA générative en 2025
• Définitions fondamentales
• Architecture moderne des agents intelligents
• Démonstration live : Agent simple vs Système multi-agents

2 – RAG et Infrastructure Sémantique

• RAG traditionnel : Architecture, composants, limitations
• Évolutions 2025: Agentic RAG, GraphRAG, StructRAG, Hybrid RAG
• Vector databases: Pinecone, Weaviate, Chroma, Qdrant (comparatif)
• Embeddings multimodaux : Unified vector space, applications
• Démonstration : Évolution d’un RAG simple vers un RAG complexe basé sur des graphes Réalités terrain : Performance, coûts, scaling challenges

3 – Écosystème Frameworks Multi-Agents

• LangChain/LangGraph : Orchestration + RAG natif intégré
• MetaGPT/MGX : Développement automatisé + documentation RAG
• Flowise 3.0: No-code + RAG workflows visuels
• Intégration RAG : Comment chaque framework gère retrieval
• Démonstrations : Agents avec RAG dans chaque framework

4 – Frameworks Émergents et Analyse Critique

• CrewAI, AutoGen, Semantic Kernel + capacités RAG
• Analyse critique approfondie
• Vendor lock-in et dépendances
• Performance réelle vs promesses marketing
• Cas d’échec documentés et post-mortem
• Évaluation objective : Benchmarks, métriques, comparaisons

5 – Études de Cas Sectorielles

• Finance : Détection fraude + RAG réglementaire
• Santé : Diagnostic + RAG littérature médicale
• Développement : Code generation + RAG documentation
• Support client : Orchestration + RAG base connaissances
• ROI réaliste : Métriques business, pas vanity metrics

6 – Démonstrations Techniques Approfondies

• LangGraph + Advanced RAG
• MGX + Document RAG
• Flowise + Multimodal RAG

7 – Risques, Limitations et Réalités Terrain

• Défis Techniques RAG + Multi-Agents
• Sécurité et Compliance
• Réalités Économiques

8 – Architecture Entreprise et Alternatives

• Patterns RAG enterprise : Multi-tenant, security, performance
• Vector DB selection : Pinecone vs Weaviate vs open source
• Multi-provider strategy : LLM + embeddings + vector DB
• Build vs Buy matrix : Actualisée avec coûts RAG infrastructure
• Démonstration : CI/CD pipeline RAG + agents production

9 – Stratégies d’Adoption Réalistes

• Maturité data : Governance + quality pour RAG success
• Formation équipes : RAG + vector DB + monitoring skills
• Roadmap progressive : RAG simple → Agentic RAG → GraphRAG
• Change management : “Augmented search” vs “AI replacement”
• Success metrics : Precision@k, recall, user satisfaction, business impact

10 – Vision Prospective et Synthèse

• Tendances 2025-2026 : Agentic RAG, multimodal consolidation
• Évolutions tech : Vector DB native SQL, embedded ML, privacy-preserving
• Q&A personnalisées : Recommandations par contexte organisationnel
• Ressources critiques : Communautés, veille, formation continue

Ce programme a été mis à jour le 21 novembre 2025.