Catalogue
IA & ProductivitéAvancé · 14 h · Hybride

Prompt Engineering avancé & workflows LLM

Construire des chaînes de traitement fiables combinant prompts, données, extraction et outils.

Not sure this is the right one?

Enrol

Overview

Construire des chaînes de traitement fiables combinant prompts, données, extraction et outils. Public : Power users, consultants, équipes produit.

Le parcours alterne un cadrage, une production sur un cas apporté par le participant, et une évaluation. Outils : ChatGPT, Claude, Gemini ou Mistral — l'outil autorisé par l'entreprise.

Durée : 2 jours – 14 h. Prix inter conseillé : 1 690 €.

Objectives

  • Structured outputs, extraction et classification
  • Workflows multi-prompts et logique conditionnelle
  • Tool use et appels d’outils
  • Évaluation, tests, jeux de cas et contrôle qualité
  • Optimisation des prompts et réduction des erreurs
  • Premiers scénarios d’intégration via API

Audience

  • Power users, consultants, équipes produit

Prerequisites

  • Pratiquer régulièrement une IA générative.
  • Savoir formuler une demande structurée (consigne, contexte, format de sortie).

Outcomes

  • Structured outputs, extraction et classification
  • Workflows multi-prompts et logique conditionnelle
  • Tool use et appels d’outils
  • Évaluation, tests, jeux de cas et contrôle qualité
  • Optimisation des prompts et réduction des erreurs
  • Premiers scénarios d’intégration via API

Syllabus

  1. 01
    Module 1 — Structured outputs, extraction et classification

    Une sortie structurée est un objet aux champs fixés : catégorie, extrait, confiance. Le texte libre ne s'automatise pas · Extraire cinq fiches au même schéma depuis des textes différents

    2 h
  2. 02
    Module 2 — Workflows multi-prompts et logique conditionnelle

    Une chaîne conditionnelle choisit la branche selon la sortie précédente. On écrit la condition avant de lancer · Construire deux branches : dossier complet ou dossier incomplet

    2 h
  3. 03
    Module 3 — Tool use et appels d’outils

    L'appel d'outil est une action : chercher, calculer, écrire. Le modèle propose, l'outil exécute, on vérifie le retour · Faire calculer ou chercher par un outil, puis faire reformuler le résultat par le modèle

    2 h
  4. 04
    Module 4 — Évaluation, tests, jeux de cas et contrôle qualité

    Un jeu de cas fige les entrées et le résultat attendu. On ne juge pas sur l'exemple montré en cours · Écrire huit cas, dont deux qui doivent échouer, et les rejouer après une modification

    2 h
  5. 05
    Module 5 — Optimisation des prompts et réduction des erreurs

    On optimise une demande quand un critère chute. On change une chose à la fois et on rejoue le jeu de cas · Corriger la demande qui rate le plus souvent et mesurer le gain sur les huit cas

    2 h
  6. 06
    Module 6 — Premiers scénarios d’intégration via API

    Le premier appel d'API reprend la même demande que dans l'interface. On montre la clé hors du code et une erreur propre · Lancer un appel sur un cas du jeu, afficher le JSON, gérer une erreur

    2 h
  7. 07
    Module 7 — Mise en situation et retour au poste

    retour au poste pour Power users, consultants, équipes produit · soutenir Prompt Engineering avancé & workflows LLM

    2 h

Teaching

  • Cours théoriques
  • Ateliers pratiques
  • Travaux pratiques
  • Feedbacks réguliers
  • Ratio théorie/pratique 30% / 70%

Assessment

  • Quiz
  • soutenir Prompt Engineering avancé & workflows LLM
  • Critères : le geste est refait sans aide, les sources sont citées, aucune donnée sensible dans le prompt

Resources

  • ChatGPT
  • Claude
  • Gemini ou Mistral

EVA throughout the programme

You are not on your own. EVA stays with you before, during and after the sessions, so the learning holds in the job.

  • Before each module, prepare your real use cases.
  • Between sessions, an assistant to clarify a concept or iterate.
  • After the programme, support to follow what you put in place.

Enrolment

Request this programme

Prompt Engineering avancé & workflows LLM | Unlock