Cours
Agents IA — de la théorie aux systèmes vivants
Ce cours explore l’évolution des agents d’IA, des modèles théoriques fondamentaux à leur mise en œuvre dans des systèmes vivants réels. Les participants apprendront les principes de la prise de décision autonome, de l’interaction entre agents et de l’intégration dans des environnements complexes. Le programme combine théorie, exercices pratiques et études de cas afin de préparer à la construction de systèmes intelligents multi-agents du futur.
Compétences acquises
- test skill
Format
How the learning works
A structured path of video lessons, hands-on practice and mentor feedback.
Video lessons with theory and practice
Structured modules you go through at your own pace, with lifetime access.
7 modules
A clear step-by-step structure from basics to production.
Hands-on practice
Interactive tasks and homework on real cases.
Mentor homework review
Line-by-line feedback and unlimited resubmissions.
Certificate
A named certificate on completion.
Programme du cours
7 modules · 0 lessons · 0 homeworks
Qu’est-ce qu’un agent d’IA et pourquoi en avons-nous besoin
Vous apprendrez ce qui distingue un agent d’IA d’un logiciel ordinaire, explorerez le modèle PEAS et étudierez les principaux types d’agents — des réactifs aux hybrides. En pratique, vous créerez votre premier mini-agent en Python.
Architecture et cerveau de l’agent
Dans ce module, vous explorerez l’architecture interne des agents d’IA — du modèle BDI (Belief–Desire–Intention) aux méthodes de planification allant de STRIPS au raisonnement basé sur LLM. Nous examinerons les modèles de mémoire, de court terme, long terme, jusqu’aux bases vectorielles modernes comme FAISS et Pinecone. Vous étudierez également le Chain-of-Thought et l’autoréflexion comme prémices du « raisonnement ». En pratique, vous construirez un agent doté de mémoire et d’un planificateur en utilisant LangChain et des bases vectorielles.
Les modèles de langage comme noyau
Dans ce module, vous explorerez les grands modèles de langage (LLM) en tant que « cerveau » des agents d’IA — leurs forces et leurs limites. Vous apprendrez des techniques de prompt engineering pour communiquer efficacement avec les modèles, ainsi que des méthodes d’autocritique et de réflexion permettant aux agents de s’améliorer. Nous passerons également en revue des architectures avancées telles qu’AutoGPT, BabyAGI et MetaGPT. En pratique, vous construirez votre propre « mini-AutoGPT ».
Mondes multi-agents
Dans ce module, vous plongerez dans les systèmes multi-agents (MAS), où plusieurs agents interagissent, coopèrent et entrent en compétition. Vous étudierez la planification distribuée, la prise de décision collective et la construction de consensus. Des études de cas incluent Voyager (un agent explorant Minecraft) et CAMEL (agents de dialogue). Nous aborderons également les économies numériques et l’idée de « colonies d’agents ». En pratique, vous créerez deux agents qui coopèrent et rivalisent en même temps.
Apprentissage et évolution
Ce module explore comment les agents apprennent et évoluent au fil du temps. Vous étudierez l’apprentissage par renforcement avec des environnements comme OpenAI Gym, le self-play et le méta-apprentissage, ainsi que des approches évolutionnaires où les agents numériques subissent une sélection naturelle. Nous discuterons également de la manière de concevoir des agents qui deviennent réellement plus intelligents avec l’expérience. En pratique, vous construirez un agent RL qui apprend à jouer à un jeu ou à optimiser une tâche.
Éthique, sécurité et avenir
Ce module examine les défis éthiques, de sécurité et sociaux liés aux agents d’IA. Vous discuterez de la frontière entre un outil et un « interlocuteur », du rôle des filtres et des contraintes, ainsi que des questions de statut juridique des agents en tant que « sujets numériques ». Enfin, nous explorerons l’avenir des agents en tant que nouveaux acteurs sociaux dans la diplomatie, la science et l’art. En pratique, vous concevrez un agent sûr avec des contraintes intégrées.
Projet final : créez votre propre agent
Dans le projet final, vous concevrez et mettrez en œuvre votre propre agent d’IA capable de se souvenir, de planifier et d’agir. Il doit être intégré dans un environnement réel (API, chat ou service web) et fonctionner comme un outil utile ou un chercheur plutôt que comme un jouet. Exemples de projets : un agent-manager qui organise le travail via Trello et Slack, un agent-chercheur qui lit des articles et génère des analyses, ou un agent-thérapeute qui travaille avec le dialogue et la réflexion.
Auteurs du cours
Learn from practicing specialists
Matériel vidéo du cours
2
Овладейте кварцевыми резонаторамиИсследуйте преобразование энергии в кварцевых резонаторах. Углубитесь в механизмы создания стабильных частот и их применение.
Мастерство в Пульсоксиметрии: Полное РуководствоОвладейте методами пульсоксиметрии. Узнайте о сенсорах, LED технологиях и измерении кислорода для медицинских приложений.FAQ
sad
Test que
Still have questions?
Contact our team
We'll answer questions about the program, payment options and team training.
- Reply within one business day
- Team training from 3 people