Devenez opérationnel

Développer un assistant conversationnel avec Rasa et LlamaIndex

Ce module permet aux participants de concevoir, développer, intégrer, optimiser et préparer au déploiement un assistant conversationnel en combinant les capacités de Rasa pour la gestion conversationnelle et de LlamaIndex pour l’exploitation de sources documentaires dans une logique de recherche augmentée. Il s’adresse à des développeurs AI et NLP engineers disposant de connaissances en Python et en Machine Learning. La formation vise à leur permettre de construire un assistant conversationnel capable de comprendre les intentions utilisateurs, de gérer des dialogues, d’exploiter des données ou documents métier, de produire des réponses pertinentes et de s’intégrer dans un environnement applicatif. La formation couvre les principes des assistants conversationnels, le traitement du langage naturel, la modélisation des intentions, la gestion des entités, la construction de scénarios conversationnels, l’intégration de sources documentaires avec LlamaIndex, l’évaluation de la qualité des réponses, l’optimisation de la compréhension et les premières étapes de déploiement. L’approche pédagogique privilégie la pratique : les participants construisent progressivement un assistant conversationnel, entraînent les composants NLP, testent les dialogues, intègrent une base documentaire, améliorent les réponses et réalisent un cas pratique complet.

Objectifs de la formation

Concevoir un chatbot intelligent.
Gérer le traitement du langage naturel.
Intégrer et déployer le chatbot.
Optimiser la compréhension et les réponses.

Public

Développeurs AI
NLP engineers

Prérequis

Connaissances en Python et ML

Contenu de la formation

Comprendre les architectures d’assistants conversationnels

Comprendre les principes d’un assistant conversationnel.
Identifier les composants fonctionnels et techniques d’un chatbot intelligent.
Situer Rasa et LlamaIndex dans l’écosystème des solutions conversationnelles.

Concevoir le périmètre fonctionnel et conversationnel

Définir le périmètre d’un chatbot.
Formaliser les intentions, entités et parcours conversationnels.
Préparer les éléments nécessaires à l’entraînement du modèle NLP.

Mettre en œuvre le NLP avec Rasa

Créer les premiers fichiers d’entraînement Rasa.
Définir les intentions, entités et réponses.
Entraîner un premier modèle de compréhension du langage naturel.

Construire les premiers dialogues avec Rasa

Construire un premier scénario conversationnel.
Relier compréhension utilisateur et réponses du chatbot.
Tester un dialogue simple de bout en bout.

Gérer des dialogues avancés et des actions personnalisées

Concevoir des dialogues plus complexes.
Utiliser des actions personnalisées.
Connecter le chatbot à une logique métier ou applicative.

Comprendre l’apport de LlamaIndex pour un assistant documentaire

Comprendre les principes d’un assistant augmenté par des documents.
Identifier le rôle de LlamaIndex dans l’indexation et la recherche d’information.
Définir les conditions d’usage d’une base documentaire.

Indexer et interroger des documents avec LlamaIndex

Charger des documents dans LlamaIndex.
Construire un index documentaire.
Interroger les documents pour générer des réponses contextualisées.

Intégrer Rasa et LlamaIndex dans un assistant conversationnel

Relier un scénario Rasa à une recherche documentaire.
Déclencher une action personnalisée interrogeant LlamaIndex.
Restituer une réponse contextualisée dans le chatbot.

Optimiser la compréhension et les réponses

Améliorer la reconnaissance des intentions et entités.
Améliorer la qualité des réponses.
Mettre en place une démarche de test et d’itération.

Évaluer un assistant conversationnel

Définir des critères d’évaluation adaptés à un chatbot.
Mesurer la qualité de compréhension et de réponse.
Identifier les indicateurs de suivi utiles.

Préparer l’intégration et le déploiement du chatbot

Comprendre les étapes de déploiement d’un assistant conversationnel.
Identifier les contraintes d’intégration.
Préparer la mise en exploitation et le suivi.

Cas pratique de synthèse

Mobiliser l’ensemble des acquis de la formation.
Concevoir un assistant conversationnel de bout en bout.
Présenter et justifier les choix réalisés.

Equipe pédagogique

Le formateur mobilisé pour ce module dispose d’une expertise confirmée en intelligence artificielle, traitement du langage naturel, assistants conversationnels et développement Python.

Référent pédagogique et technique
Haciba, responsable pédagogique, est à votre disposition pour toute question relative au contenu, aux objectifs ou à l’organisation de la formation. Vous pouvez la joindre par téléphone au 01 53 90 15 20 ou par mail : esic(@)esic-online.com. Nous encourageons les apprenants à prendre contact pour toute précision ou pour discuter d’éventuels besoins spécifiques liés à leur parcours.

Suivi de l'exécution et évaluation des résultats

Dispositions spécifiques à cette formation

Le suivi des apprenants est assuré tout au long de la formation par : • un tour de table initial ; • une identification des attentes et du niveau des participants ; • des vérifications régulières de compréhension ; • l’observation des réalisations pendant les exercices ; • des corrections commentées ; • des temps de remédiation ; • des synthèses intermédiaires ; • un accompagnement individualisé lors des travaux pratiques ; • une évaluation finale à travers le cas pratique de synthèse.
Le formateur adapte les exemples, les explications et le rythme des exercices au niveau du groupe, tout en respectant strictement la durée, les objectifs et le périmètre du module.

Dispositions relatives à l’ensemble des formations

Nous mettons en place un suivi rigoureux et une évaluation complète des résultats pour garantir la qualité et l’efficacité de nos formations.

Avant la formation:
- Entretien individuel ou questionnaire de positionnement: Permet d’analyser les besoins spécifiques des participants et d’ajuster les contenus pédagogiques en conséquence.
Pendant la formation:
- Exercices pratiques et mises en situation: Ces activités sont intégrées tout au long de la formation pour valider les acquis en temps réel.
- Feuilles de présence: Chaque participant émarge une feuille de présence par demi-journée, également signée par le formateur, assurant le suivi administratif.
Après la formation:
- Questionnaire de satisfaction à chaud: Administré immédiatement après la formation pour recueillir un retour sur la qualité des contenus et de l’animation.
- Questionnaire de satisfaction à froid: Envoyé trois mois après la formation pour évaluer l’impact réel sur les pratiques professionnelles.
- Questionnaire d’auto-évaluation possible: Permet aux participants de mesurer leurs progrès à l’issue de la formation.
- Certification(optionnelle) : Passage de la certification en conditions d’examen ou via télésurveillance, selon le dispositif retenu.
- Certificat de réalisation: Remis à l’issue de la formation, attestant de la participation effective des apprenants.

Nous veillons à accompagner les participants avant, pendant et après la formation pour maximiser leur progression et mesurer les retombées concrètes dans leur environnement professionnel.

Ressources techniques et pédagogiques

Les moyens pédagogiques et techniques mobilisés comprennent : • support pédagogique numérique ; • environnement Python configuré pour les travaux pratiques ; • installation ou environnement préparé pour Rasa ; • installation ou environnement préparé pour LlamaIndex ; • notebooks, scripts ou fichiers de configuration d’exercices ; • exemples de projets Rasa ; • corpus documentaire d’entraînement ; • exemples d’actions personnalisées ; • exemples d’index documentaire ; • fiches de synthèse sur les intentions, entités, stories et règles ; • fiches de bonnes pratiques sur la conception conversationnelle ; • corrigés ou éléments de correction ; • ressources complémentaires pour approfondissement.
En classe virtuelle, la formation s’appuie sur un outil de visioconférence permettant : • le partage d’écran ; • les démonstrations techniques en direct ; • les échanges synchrones ; • l’accompagnement des travaux pratiques ; • la correction collective ; • l’interaction régulière avec les participants.
En présentiel, les exercices sont réalisés sur poste informatique, avec accompagnement direct du formateur et alternance entre démonstrations collectives et mises en pratique individuelles ou en sous-groupes.

Accessibilité

Nous accordons une attention particulière à l’accueil des personnes en situation de handicap. Si vous êtes concerné(e) et souhaitez suivre cette formation, nous vous invitons à nous contacter dès que possible. Ensemble, nous étudierons vos besoins spécifiques et mettrons en place les adaptations nécessaires pour garantir votre accès à la formation dans les meilleures conditions.

Délai d'accès

L’inscription à cette formation est possible dans un délai de 2 semaines avant le début de la session. Ce délai permet de finaliser les démarches administratives, de confirmer la prise en charge éventuelle des frais de formation et d’assurer une préparation optimale des participants.

Pour toute demande spécifique ou situation particulière, nous vous invitons à nous contacter afin d’étudier ensemble les possibilités d’adaptation.

Prérequis technique

Pour suivre cette formation dans de bonnes conditions, les moyens techniques suivants sont requis :

En présentiel:
- Tableau blanc ou paperboard, et un vidéoprojecteur pour les présentations.
- Outils pour le partage de documents avec les formateurs et autres participants.
À distance:
- Un logiciel de visioconférencecompatible (Teams, Zoom ou équivalent) pour participer aux sessions en ligne.
- Possibilité de partage d’écran entre le formateur et les participants.
- Accès à une plateforme pour le partage des documents pédagogiques et supports de formation.
- Connexion internet haut débit pour garantir une expérience fluide et interactive.

Nous vous recommandons de vérifier la disponibilité et la fonctionnalité de ces moyens techniques avant le début de la formation. En cas de difficulté, n’hésitez pas à nous contacter pour trouver une solution adaptée.