Prompt Engineering avancé & workflows LLM
Construire des chaînes de traitement fiables combinant prompts, données, extraction et outils.
Pas certain de votre choix ?
Présentation
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 €.
Objectifs
- 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
Public
- Power users, consultants, équipes produit
Prérequis
- Pratiquer régulièrement une IA générative.
- Savoir formuler une demande structurée (consigne, contexte, format de sortie).
À l’issue
- 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
Programme
- 01Module 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 - 02Module 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 - 03Module 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 - 04Module 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 - 05Module 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 - 06Module 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 - 07Module 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
Pédagogie
- Cours théoriques
- Ateliers pratiques
- Travaux pratiques
- Feedbacks réguliers
- Ratio théorie/pratique 30% / 70%
Évaluation
- Quiz
- soutenir Prompt Engineering avancé & workflows LLM
- Critères : le geste est refait sans aide, les sources sont citées, aucune donnée sensible dans le prompt
Moyens
- ChatGPT
- Claude
- Gemini ou Mistral
EVA, tout au long du parcours
Vous n’êtes pas seul. EVA vous accompagne avant, pendant et après les sessions, pour que l’apprentissage tienne dans le métier.
- Avant chaque module, préparer vos cas d’usage réels.
- Entre les sessions, un assistant pour clarifier un concept ou itérer.
- Après la formation, un appui pour suivre ce que vous mettez en place.
