Formations

Les formations MTTL avancent dans le même ordre. On pose d’abord le problème, on passe ensuite à la pratique, on choisit ce qui mérite d’être mesuré et l’on termine par un plan d’action pour passer à l’échelle. Une leçon se lit d’une traite. Les formations qui comportent des labs instrumentent une pile réelle et chaque lab démarre avec docker compose up ; d’autres, comme « Comprendre le HPC » ou le parcours DSI, se suivent sans code.

Votre progression

Votre avancement est enregistré dans ce navigateur et nulle part ailleurs. Chaque formation en plusieurs leçons se termine par un quiz ; les programmes en préparation n’en ont pas encore.

• Comprendre l'observabilité de l'IA générative

  0 / 10 leçons lues

• Observabilité des LLM : les labs

  0 / 9 leçons lues

• Méthode d'observabilité GenAI

  0 / 10 leçons lues

• Comprendre le calcul haute performance

  0 / 3 leçons lues

• HPC IA : observabilité et sécurité, architecture de référence

  0 / 4 leçons lues

• Gouverner l'observabilité : le parcours DSI

  0 / 7 leçons lues

• VictoriaMetrics pour l'observabilité des LLM

  0 / 8 leçons lues

Une leçon compte comme lue quand vous l’avez parcourue jusqu’à 80 % ou ouverte plus de 30 secondes, ou cochée « Marquer comme lue ». Ces informations restent dans votre navigateur.

Réinitialiser ma progression

Observabilité de l’IA

Observer des LLM, des agents et des systèmes RAG en production : qualité des réponses, dérives, coût et preuve réglementaire. Les formations suivent une progression : comprendre (le guide), pratiquer (les labs), maîtriser (la méthode), puis aller au-delà du LLM.

Comprendre l’observabilité de l’IA générativeLe guide de référence, à lire en premier : LLM, RAG, agents et MCP ; cinq signaux, quatre types de systèmes, six niveaux de maturité, sept étapes, évaluateurs, outils, exploitation. Niveau pratique.

Observabilité des LLM : les labsLa pratique, après le guide : 5 modules et 4 labs sur une pile souveraine pour les LLM et le RAG, conventions GenAI, dérives, évaluation continue, coût et SLO. Niveau pratique.

Méthode d’observabilité GenAIPour maîtriser, une fois le guide et les labs acquis. LLM, agent, RAG et MCP : défaillance silencieuse, SLO de qualité avec borne de Wilson, impact chiffré avec son calculateur, preuve réglementaire, RACI. Niveau expert.

Au-delà du LLM : GPU et qualité des modèlesPour aller plus loin, la formation LLM supposée acquise : infrastructure GPU, ML classique, détection statistique de dérive, réentraînement. Programme publié, leçons en cours de rédaction.

Calcul haute performance et GPU

Comprendre, observer et sécuriser les clusters de calcul sur lesquels l’IA s’entraîne.

Comprendre le calcul haute performance3 leçons, sans code. Ce qu’est un cluster HPC, comment un job y tourne et pourquoi l’IA à grande échelle en dépend. Niveau découverte.

HPC IA : observabilité et sécurité, architecture de référenceLes cinq couches d’un cluster d’entraînement, l’anatomie d’un pas, la pile d’observabilité, eBPF et six vecteurs d’attaque. Niveau pratique.

Observabilité HPC : les fondamentauxExporteur Redfish, jointure DCGM et Slurm, contention MIG, tableau de bord pour un directeur. Programme publié, leçons en cours de rédaction.

Gouvernance et pilotage

Pour les décideurs : financer, gouverner, mettre en conformité et piloter l’observabilité.

Gouverner l’observabilité : le parcours DSI7 leçons pour décideurs : business case, conformité NIS2 et DORA, RACI et roadmap, FinOps, personnes et culture, tableau de bord de direction, boîte à outils du comité. Niveau pratique.

Piles et outils open source

Prendre en main un composant de la pile d’observabilité, de l’installation à l’exploitation.

VictoriaMetrics pour l’observabilité des LLMLe backend de métriques en pratique : architecture, installation, MetricsQL, tableaux de bord, alertes, SLO, exploitation. Niveau pratique.

Par où commencer

Pour l’IA générative, les contenus suivent une progression : découvrir (L’IA en coupe), comprendre (le guide), pratiquer (les labs LLM), mettre en production (les playbooks, puis VictoriaMetrics pour les LLM), maîtriser (la méthode GenAI), aller au-delà (GPU et qualité des modèles). Les profils ci-dessous y entrent à des endroits différents.

Vous êtes	Commencez par	Puis
Ingénieur plateforme ou SRE découvrant l’IA	L’IA en coupe, puis Comprendre l’observabilité de l’IA générative	Les labs LLM, puis les playbooks de déploiement et VictoriaMetrics pour les LLM
ML engineer ou MLOps	Comprendre l’observabilité de l’IA générative, puis les labs LLM	Méthode GenAI, puis Au-delà du LLM
Architecte	L’IA en coupe, puis Comprendre l’observabilité de l’IA générative	Playbooks de déploiement, VictoriaMetrics pour les LLM, méthode GenAI ; HPC IA si vous opérez des GPU
Administrateur HPC	HPC IA : architecture de référence	Observabilité HPC
DSI, direction, finance	Parcours DSI	Calculateur d’exposition, méthode GenAI parties V à VII
Manager d’équipe	Parcours DSI, leçons 3 et 5	Simulateur de fatigue d’alerte

Révisé le 4 octobre 2026 : table « Par où commencer » alignée sur la progression des contenus d’IA générative (guide avant la méthode, labs, mise en production, au-delà du LLM).