Découvrez ce qui fait le succès d’un agent d’IA en production (et pourquoi beaucoup échouent en chemin). Familiarisez-vous avec les principes clés de conception agentique pour préparer vos agents à l’échelle : infrastructure et outils robustes, architecture modulaire, et boucles d’évaluation et de feedback en continu.

Des agents IA dans la nature

Être agent ou ne pas être agent

Applications agentiques

Principes de conception pour des agents évolutifs

Stratégies pour une conception évolutive

Appliquer les piliers d’un design évolutif

Comment les agents IA évoluent (et échouent)

Ne pas échouer en changeant d’échelle !

Comptabilité agentique

Des guardrails, sinon ça casse

Concevoir des agents évolutifs

Découvrez les stratégies essentielles pour développer votre agent avec l’évolutivité en tête. Comprenez comment le Model Context Protocol (MCP) et le protocole Agent-to-Agent (A2A) favorisent l’évolutivité grâce à la standardisation.

Modèles de conception multi-agents

Passer d’un agent unique à des multi-agents

Le Model Context Protocol (MCP)

Découvrir MCP

MCP est le MVP

Clients, serveurs et tout ce qui les relie

Le protocole Agent-to-Agent (A2A)

Cartes d’agents - Gotta Catch 'Em All

MCP et A2A : alliés ou adversaires ?

Développer des agents pour l’évolutivité

Prêt pour la production… mais pas trop vite ! Mettez en place un cadre de tests robuste pour garantir que l’agent d’IA restera performant en production. Choisissez la meilleure stratégie de déploiement pour votre cas d’usage et apprenez à intégrer des sources de données en temps réel dans votre système agentique.

Du prototype à la production

FoodGPT

Tester un agent de manière robuste

Options

Tâches à effectuer

Non requis

Qu’est-ce qu’il reste à vérifier ?

Ingestion de données rapide et efficace

La valeur des données en temps réel

Échouer avec élégance : atténuer les risques

Nouvelles tentatives avec backoff exponentiel

Poser le cadre légal !

Félicitations !

Déployer des agents en production à grande échelle

Cheat Sheet

Course Glossary

Pourquoi tant de systèmes agentiques n’arrivent-ils pas à franchir le fossé entre le développement et la production ? Dans ce cours, vous allez le découvrir ! Apprenez à concevoir et développer des agents d’IA en pensant à l’évolutivité, en vous appuyant sur trois piliers : une infrastructure et des outils robustes, une architecture modulaire, et des boucles d’évaluation et de feedback en continu. Vous verrez comment des cadres agentiques comme le Model Context Protocol (MCP) et le protocole Agent-to-Agent (A2A) permettent des intégrations plus propres et plus rapides entre les sources de données et les agents. Enfin, découvrez les tests et les stratégies de déploiement qui aideront votre agent à créer de la valeur.

Les vidéos contiennent des sous-titres synchronisés que vous pouvez afficher en cliquant sur "Show transcript" en bas à gauche des vidéos.

Le glossaire du cours se trouve à droite, dans la section Ressources.

Pour obtenir des crédits CPE, vous devez terminer le cours et atteindre un score de 70 % à l’évaluation certifiante. Vous pouvez accéder à l’évaluation en cliquant sur l’encadré relatif aux crédits CPE à droite.

<h2>Concevoir et développer des agents pour la mise à l'échelle</h2>
Apprenez à concevoir et à développer des agents IA en tenant compte de l'évolutivité, en suivant les trois piliers de l'évolutivité des agents : modularité, robustesse et adaptabilité. Découvrez ce qui caractérise un agent performant dans le domaine de la production et pourquoi tant d'individus rencontrent des difficultés pour y parvenir.<br><br><h2>Découvrez la puissance de MCP et A2A</h2>
Le protocole MCP (Model Context Protocol) développé par Anthropic a révolutionné l'interopérabilité des agents, en créant une approche unifiée pour connecter les agents aux sources de données. Le protocole Agent-to-Agent (A2A) développé par Google complète le MCP. Découvrez comment ces deux cadres peuvent être combinés pour garantir la scalabilité des intégrations de votre agent.<br><br><h2>Mettre en œuvre les meilleures pratiques en matière de test et de déploiement des agents</h2>Avant d'appuyer sur le gros bouton rouge et de mettre votre agent en production, il est nécessaire de réduire les risques liés à la mise à l'échelle. Découvrez comment créer un cadre de test robuste pour détecter les problèmes liés aux composants, aux intégrations, aux performances et à la sécurité. Déterminez le type de déploiement le mieux adapté à votre agent en examinant les besoins du cas d'utilisation.

Introduction to AI Agents

Découvrez comment évoluer les agents IA avec l'aide de cadres comme MCP et A2A.

Concevoir des systèmes agentiques évolutifs

Découvrez ce qu'il faut pour faire évoluer les agents IA, avec l'aide de frameworks tels que MCP et A2A.

Principes fondamentaux des agents IA

Senior AI Cloud Advocate, Microsoft

Fast and Efficient Data Ingestion

Agents without up-to-date information

Real-time data for multi-agent coordination

Real-time communication channel

Utilizing an event bus

Let's practice!

Déployer des agents en production à grande échelle - Ingestion de données rapide et efficace

Ingestion de données rapide et efficace

Create Your Free Account