IA · Expert

Ingénierie des systèmes multi-agents - Construire des systèmes agentiques robustes

Cette formation de 5 jours couvre l'ingénierie agentique de bout en bout : architecture multi-agents, tool use, orchestration, gestion de la mémoire et mise en production. Vous travaillez sur Claude API en natif, avec une exploration des principaux frameworks (LangGraph, CrewAI, AutoGen).

Échanger sur cette formation Voir le programme ↓

Durée: 5 jours
Tarif inter: 3990 € HT
Tarif intra: Sur devis
Format: Présentiel, Distanciel
Participants: Minimum 4

Présentation de la formation

Objectifs

Concevoir une architecture multi-agents adaptée à un problème complexe : rôles, patterns et choix d'orchestration
Implémenter le tool use et le function calling avec Claude API pour créer des agents fiables et des outils réutilisables
Orchestrer un pipeline multi-agents : gestion du contexte, conditions d'arrêt, logging et détection d'erreurs
Gérer la mémoire court et long terme des agents et intégrer des systèmes externes
Évaluer, tester et déployer un système multi-agents en production avec monitoring, tracing et maîtrise des coûts

Public visé

Développeur
AI Engineer
Tech Lead
Architecte SI
Consultant technique

Prérequis

Bonne maîtrise de Python ou TypeScript
Expérience confirmée avec les APIs REST et le concept de tool calling / function calling
Notions d'architecture logicielle (séquentiel, parallèle, event-driven
Une expérience préalable avec un framework d'orchestration (LangChain, LangGraph, CrewAI ou équivalent) est un plus

Programme de formation

Module 1 - Introduction aux systèmes multi-agents

Limites d'un agent unique : pourquoi passer au multi-agents
Qu'est-ce qu'un système multi-agents ? Concepts clés : orchestrateur, sous-agents, outils
Patterns d'architecture : séquentiel, parallèle, hiérarchique, pipeline
Tour d'horizon des frameworks : LangGraph, CrewAI, AutoGen, Claude API natif

Module 2 - Concevoir son architecture multi-agents

Décomposer un problème complexe en tâches agentiques
Définir les rôles, responsabilités et périmètres de chaque agent
Communication entre agents : comment structurer les messages et le contexte partagé
Quand orchestrer avec du code vs avec un LLM
Mise en pratique : conception d'une architecture multi-agents sur un cas métier réel

Module 3 - Tool use et function calling avec Claude API

Anatomie d'un tool call : définition, appel, résultat
Concevoir des outils fiables et réutilisables
Parallel tool calling : accélérer les traitements
Gestion des erreurs et stratégies de retry
Mise en pratique : implémentation d'un agent avec plusieurs outils chaînés

Module 4 - Orchestration et gestion du flux

Implémenter un orchestrateur avec Claude API
Passer le contexte entre agents sans exploser la fenêtre de tokens
Conditions d'arrêt, boucles et détection d'états d'erreur
Logging des décisions agentiques pour le debugging
Mise en pratique : construction d'un premier pipeline multi-agents fonctionnel

Module 5 — Mémoire et persistance

Mémoire court terme : gestion du contexte dans la conversation
Mémoire long terme : vector store, base de données, fichiers
Partage de mémoire entre agents
Patterns de mise à jour et de récupération de la mémoire

Module 6 - Patterns avancés d'orchestration

Pattern supervisor : un agent qui délègue et évalue
Pattern critique : un agent qui vérifie le travail d'un autre
Human-in-the-loop : intégrer des points de validation humaine
Agents avec accès web, fichiers, bases de données

Module 7 - Construire un système multi-agents complet

Cas d'usage : agent de veille concurrentielle autonome, agent de traitement documentaire, agent commercial
Architecture complète de bout en bout
Intégration avec des systèmes externes (CRM, Notion, Slack, API REST)
Mise en pratique : chaque participant construit un système multi-agents sur son propre cas

Module 8 - Évaluation et testing

Comment tester un comportement agentique : défis et approches
Construire un jeu de tests reproductibles
Détecter les régressions sur des systèmes non-déterministes
Outils d'évaluation : LangSmith, Braintrust, évaluation par LLM

Module 9 - Production et observabilité

Déploiement d'un système multi-agents : architecture technique
Monitoring et tracing : suivre chaque décision agentique
Gestion des coûts : maîtriser les appels LLM en cascade
Sécurité : sandboxing, contrôle des outils, prévention des boucles infinies
Questions / Réponses et synthèse

Moyens pédagogiques et modalités d’évaluation

En fonction de la nature de la formation, le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques… La formation est conçue selon les principes suivants : · Répartition du temps d’apprentissage entre 40% de théorie et 60% de pratique · Illustration sur des cas concrets · Échanges réguliers avec le formateur et les participants · Évaluation et analyse par un formateur-consultant expert Évaluation en amont Le positionnement à l'entrée en formation respecte les critères qualité Qualiopi. Dès son inscription définitive, l'apprenant reçoit un questionnaire d’auto-évaluation nous permettant d’apprécier son niveau estimé sur différents types de technologies, ses attentes et objectifs personnels quant à la formation à venir, dans les limites imposées par le format sélectionné.

Accessibilité & handicap

Apprenant en situation de handicap, merci de nous signaler votre situation et vos besoins. Nous déterminons avec vous les aménagements adaptés et les conditions dans lesquelles la formation peut être suivie. Pour les personnes en situation de handicap moteur, le déroulement peut être adapté en distanciel, y compris en intra-entreprise.

Votre projet de formation

Précisons votre besoin.

Pour vous-même ou votre équipe : échangeons sur les objectifs, le format et les prochaines sessions.

Une demande de contact ne vaut pas inscription définitive.

Programme repris du catalogue officiel le 13 octobre 2026.

Fiche et pré-inscription sur SKAPA Academy ↗