Initiation au Prompt Engineering

Description :

Découvrez la formation « Prompt Engineering & Agentic AI », un parcours opérationnel en 1,5 jour pour maîtriser les techniques de prompt engineering, comprendre les capacités (et limites) des modèles de langage, et apprendre à concevoir des cas d’usage orientés agents IA (outils, RAG, protocoles et bonnes pratiques).

La formation est structurée en deux temps : une première demi-journée (3h30) centrée sur la compréhension des concepts et des démonstrations (fonctionnement des LLM, niveaux de prompting, techniques avancées, multimodalité et deep research, introduction aux agents IA), suivie d’une journée complète d’ateliers pratiques (7h) visant à mettre en application les méthodes : rédaction de prompts robustes, structuration de sorties, mise en place d’un RAG simple, initiation à la logique agentique et à la connexion d’outils / serveurs (MCP), avec des exercices guidés et du feedback.

L’objectif est de permettre aux participants de gagner en autonomie dans l’usage des assistants IA au quotidien, d’améliorer la qualité et la fiabilité des réponses obtenues, et de comprendre comment le prompt engineering s’articule avec les architectures RAG et agentiques pour industrialiser des cas d’usage en entreprise.

Objectifs pédagogiques :

À l’issue de la formation, les participants seront capables de :

• Expliquer les notions clés liées aux LLM : tokens, fenêtre de contexte, hallucinations, et grands principes d’entraînement (Transformers, RLHF).
• Appliquer les règles de base du prompt engineering (clarté, séparation instructions/contexte, spécificité, exemples) et adopter une démarche itérative d’amélioration.
• Structurer un prompt à l’aide de frameworks (rôle, étapes, contexte, contraintes, format de sortie) pour obtenir des réponses plus exploitables.
• Mobiliser des techniques avancées (few-shot, rephrase & respond, chain-of-thought, self-consistency, chain-of-verification) pour améliorer la qualité, la robustesse et la fiabilité des outputs.
• Comprendre les apports de la multimodalité, du deep research et des modèles de raisonnement, et identifier des cas d’usage pertinents.
• Décrire ce qu’est un agent IA (instructions, contexte, outils, boucles d’exécution, human-in-the-loop) et différencier les approches “function calling” vs “agent orchestration”.
• Expliquer le principe d’un pipeline RAG (recherche, sélection de contexte, génération) et ses bénéfices/limites (dont “lost-in-the-middle”).
• Mettre en pratique des cas concrets : structuration de sorties LLM, création de prompts réutilisables, mise en place d’un mini-RAG, initiation à la connexion d’outils/serveurs (MCP) et bonnes pratiques de sécurité/observabilité.

Public concerné :

Collaborateurs métiers, équipes innovation, chefs de projet, consultants, profils IT/data non spécialistes, et toute personne souhaitant améliorer ses pratiques d’interaction avec les LLM et comprendre les fondamentaux de l’IA agentique.

La formation est accessible sans expertise préalable en IA, mais une familiarité avec les outils numériques est recommandée.

Durée :

1,5 jour : Demi-journée (3h30) + journée ateliers (7h) — soit 10h30 au total.

Nombre de participants :

Maximum 12 personnes.

Pré-requis :

• Ordinateur portable avec accès Internet
• Connaissances informatiques de base
• Accès à un outil LLM (ex : ChatGPT, Claude, Gemini) recommandé pour les ateliers

Planning :

Demi-journée 1 (3h30) : Concepts & démonstrations

• Introduction : rappels sur les LLM (tokens, fenêtre de contexte, hallucinations, entraînement : Transformers, RLHF)
• Niveaux de prompting : basic / advanced / reasoning models / multimodalité
• Bonnes pratiques et frameworks de structuration de prompts (rôle, étapes, contexte, contraintes, format de sortie)
• Techniques avancées : few-shot, rephrase & respond, chain-of-thought, tree-of-thoughts, self-consistency, chain-of-verification
• Multimodalité & deep research : usages (text2image, image2text, text2code), apports et limites
• Introduction aux agents IA : contexte, outils, frameworks, MCP ; principes de RAG
• Bonnes pratiques : observabilité & sécurité (LLMOps/AgentsOps, CI/CD des prompts, évaluation)
• Pause : 10 minutes

Journée 2 (7h) : Ateliers pratiques (possibilité d’adaptation à vos cas d’usage précis)

• Atelier 1 : diagnostic et amélioration de prompts (itérations, spécificité, contexte vs instructions, contraintes)
• Atelier 2 : prompts avancés (few-shot, CoT, CoVe) sur des cas métiers : synthèse, extraction, classification, rédaction structurée
• Atelier 3 : structurer les sorties (tableaux, JSON, formats imposés) et comparer plusieurs stratégies de génération
• Atelier 4 : mise en place d’un mini-RAG (documents, récupération de contexte, génération) et discussion sur les limites (lost-in-the-middle)
• Atelier 5 : initiation à l’agentic AI (outils, boucles, human-in-the-loop), démonstration de connexion via MCP
• Atelier 6 : bonnes pratiques de qualité & sécurité (tests de prompts, évaluation, garde-fous, traçabilité)
• Synthèse : récapitulatif, plan d’action d’adoption et Q&A

Tarif :

• Inter-entreprises : sur devis selon vos besoins
• Intra-entreprise : sur devis selon vos besoins

Méthodes mobilisées :

• Apports théoriques vulgarisés et structurés
• Démonstrations (live prompting, comparaison de stratégies, multimodalité, deep research)
• Ateliers pratiques guidés avec feedback
• Échanges, retours d’expérience et cas d’usage participants

Évaluation :

• Quiz
• Exercices pratiques avec feedback formateur

Modalités mobilisées :

Formation en présentiel ou à distance (Microsoft Teams).
Ordinateur avec webcam et micro requis pour le distanciel.

Délai d’accès :

Inscription possible jusqu’à 7 jours ouvrés avant la session.

Accessibilité :

Formation accessible aux personnes en situation de handicap.
Contact : accessibility@eurekia-learning.com

Contacts :

• Référent qualité : Jihane Khouzaimi – 06 86 05 04 02 – contact@eurekia-learning.com
• Référent pédagogique : Hatim Khouzaimi