Aller au contenu

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 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.

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.

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, observer et sécuriser les infrastructures de calcul : clusters HPC et GPU sur lesquels l’IA s’entraîne.

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.

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

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

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 êtesCommencez parPuis
Ingénieur plateforme ou SRE découvrant l’IAL’IA en coupe, puis Comprendre l’observabilité de l’IA générativeLes labs LLM, puis les playbooks de déploiement et VictoriaMetrics pour les LLM
ML engineer ou MLOpsComprendre l’observabilité de l’IA générative, puis les labs LLMMéthode GenAI, puis Au-delà du LLM
ArchitecteL’IA en coupe, puis Comprendre l’observabilité de l’IA générativePlaybooks de déploiement, VictoriaMetrics pour les LLM, méthode GenAI ; HPC IA si vous opérez des GPU
Administrateur HPCHPC IA : architecture de référenceObservabilité HPC
DSI, direction, financeParcours DSICombien coûte une IA que personne ne surveille ?, méthode GenAI parties V à VII
Manager d’équipeParcours DSI, leçons 3 et 5Trop 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).