2 min de lecture
Formations
Des formations gratuites en observabilité, avec leçons, labs reproductibles et plans d'action, rangées par thèmes : intelligence artificielle, IT et infrastructures, industrie, gouvernance, stacks open source.
Toutes les formations MTTL suivent le même fil. On pose d’abord le problème, souvent à partir d’un incident ou d’une question de direction. 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.
Certaines formations comportent des labs : de petits environnements à lancer sur votre poste, qui reproduisent une vraie stack instrumentée. Chacun démarre avec docker compose up. D’autres, comme « Comprendre le HPC » ou le parcours DSI, se suivent sans écrire une ligne de code.
Votre progression
Section intitulée « 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 encore en préparation n’en ont pas.
- Comprendre l'observabilité de l'IA générative
- Observabilité des LLM : les labs
- Méthode d'observabilité GenAI
- Comprendre le calcul haute performance
- HPC IA : observabilité et sécurité, architecture de référence
- Gouverner l'observabilité : le parcours DSI
- VictoriaMetrics pour l'observabilité des LLM
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.
Intelligence artificielle
Section intitulée « Intelligence artificielle »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.
- PratiqueComprendre 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.
- PratiqueObservabilité des LLM : les labsLa pratique, après le guide : 5 modules et 4 labs sur une stack souveraine pour les LLM et le RAG, conventions GenAI, dérives, évaluation continue, coût et SLO.
- ExpertMéthode 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.
- En préparationAu-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.
IT et infrastructures
Section intitulée « IT et infrastructures »Comprendre, observer et sécuriser les infrastructures de calcul : clusters HPC et GPU sur lesquels l’IA s’entraîne.
- DécouverteComprendre 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.
- PratiqueHPC IA : observabilité et sécurité, architecture de référenceLes cinq couches d’un cluster d’entraînement, l’anatomie d’un pas, la stack d’observabilité, eBPF et six vecteurs d’attaque.
- En préparationObservabilité HPC : les fondamentauxExporteur Redfish, jointure DCGM et Slurm, contention MIG, tableau de bord pour un directeur.
Industrie
Section intitulée « Industrie »Observer l’informatique industrielle : automates, réseaux de terrain, flottes d’objets connectés et sites aux ressources contraintes.
Aucune formation n’est encore publiée sur ce thème. Le chapitre « Edge et IoT » est prévu : voir la feuille de route.
Gouvernance et pilotage
Section intitulée « Gouvernance et pilotage »Pour les décideurs : financer, gouverner, mettre en conformité et piloter l’observabilité.
Stacks et outils open source
Section intitulée « Stacks et outils open source »Prendre en main un composant de la stack d’observabilité, de l’installation à l’exploitation.
Par où commencer ?
Section intitulée « Par où commencer ? »Pour l’IA générative, les contenus forment une progression en six temps. On découvre avec L’IA en coupe, on comprend avec le guide, on pratique avec les labs LLM. On met ensuite en production avec les playbooks, puis VictoriaMetrics pour les LLM. On maîtrise avec la méthode GenAI, avant d’aller au-delà avec les GPU et la qualité des modèles. Selon votre métier, vous n’entrez pas au même endroit :
| 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 | Combien coûte une IA que personne ne surveille ?, méthode GenAI parties V à VII |
| Manager d’équipe | Parcours DSI, leçons 3 et 5 | Trop d’alertes : l’astreinte est-elle tenable ? |
Si vous hésitez, je recommande de commencer par la formation la plus courte de votre thème : vous verrez vite si le niveau vous convient.
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).