IA · Expert

RAG & bases de connaissances avec MCP

Cette formation technique de 4 jours vous donne les clés pour concevoir des architectures RAG robustes et les combiner avec le Model Context Protocol (MCP) pour connecter vos sources de données en temps réel.

Échanger sur cette formation Voir le programme ↓

Durée: 4 jours
Tarif inter: 3190 € HT
Tarif intra: Sur devis
Format: Présentiel, Distanciel
Participants: Minimum 4

Présentation de la formation

Vos LLMs ne connaissent pas vos données internes et c'est là que le RAG change tout. Cette formation technique de 4 jours vous donne les clés pour concevoir des architectures RAG robustes et les combiner avec le Model Context Protocol (MCP) pour connecter vos sources de données en temps réel. De l'ingestion à la mise en production, en passant par les embeddings et l'optimisation du retrieval, vous construisez un système IA véritablement ancré dans vos données.

Objectifs

Maîtriser l'architecture complète d'un pipeline RAG : ingestion, chunking, embeddings, retrieval et génération
Choisir et configurer la bonne base vectorielle selon son contexte
Optimiser le retrieval avec des techniques avancées
Comprendre le Model Context Protocol et développer des serveurs MCP custom pour connecter ses sources de données
Combiner RAG et MCP dans un agent IA et le déployer en production avec observabilité, sécurité et gestion des coûts

Public visé

Développeur
AI Engineer
Tech Lead
Architecte SI
Consultant technique

Prérequis

Bonne maîtrise de Python ou TypeScript
Expérience avec les APIs REST
Notions de bases de données (SQL ou NoSQL)
Une première expérience d'intégration d'un LLM via API (OpenAI, Anthropic ou équivalent)

Programme de formation

Module 1 - Fondamentaux et architecture d'un système RAG

Limites des LLMs sans contexte externe : fenêtre de contexte, hallucinations, données privées
Architecture RAG : pipeline complet de l'ingestion à la réponse
RAG naïf vs RAG avancé : quand et pourquoi aller plus loin
Tour d'horizon des patterns : RAG séquentiel, RAG parallèle, RAG hiérarchique

Module 2 - Ingestion et traitement des données

Stratégies de chunking : fixed-size, recursive, semantic, par structure de document
Gestion des formats complexes : PDF, HTML, tableaux, code, Markdown
Nettoyage, enrichissement et metadata tagging
Pipelines d'ingestion robustes : gestion des erreurs, mise à jour incrémentale
Atelier : construction d'un pipeline d'ingestion sur un corpus réel

Module 3 - Embeddings et bases vectorielles

Modèles d'embedding : comparatif OpenAI, Cohere, modèles open-source (BGE, E5, Nomic)
Métriques de similarité : cosine, dot product, euclidean
Bases vectorielles : Supabase pgvector, Pinecone, Chroma, Weaviate…
Indexation efficace et gestion des volumes importants
Hybrid search : combinaison BM25 + vectoriel pour de meilleures performances

Module 4 - Retrieval avancé et optimisation

Techniques de reranking : cross-encoders, Cohere Rerank
Query transformation : HyDE, multi-query, step-back prompting
Contextual retrieval : approche Anthropic pour améliorer la précision
Évaluation du retrieval : RAGAS, métriques de précision et recall
Atelier : optimisation d'un pipeline RAG existant avec mesure de l'amélioration

Module 5 - Gestion du contexte et génération

Structurer le prompt système pour un RAG fiable
Gestion des sources contradictoires et citations
Stratégies anti-hallucination : grounding, refusal, confidence scoring
Streaming et gestion des longues réponses

Module 6 - Model Context Protocol : architecture et enjeux

Pourquoi le MCP change la donne : du RAG statique aux données dynamiques
Architecture MCP : client, serveur, transport (stdio, SSE)
Différence fondamentale entre RAG batch et MCP temps réel
Écosystème MCP actuel : serveurs officiels et communauté

Module 7 - Développer et déployer des serveurs MCP

Structure d'un serveur MCP : tools, resources, prompts
Implémentation en Python (mcp SDK) et TypeScript
Créer un serveur MCP custom sur une source de données interne (base SQL, API REST, filesystem)
Authentification, sécurisation et gestion des permissions
Atelier : chaque participant développe son propre serveur MCP sur un cas réel

Module 8 - Combiner RAG et MCP dans un agent IA

Architecture hybride : quand utiliser le RAG, quand utiliser MCP, quand combiner les deux
Orchestration avec Claude API : tool use, agents multi-étapes
Construire un agent capable de requêter ses propres données en temps réel et d'une base vectorielle
Gestion de la mémoire long terme : short-term context vs long-term vector store
Atelier : agent complet combinant RAG + MCP sur un cas métier technique

Module 9 - Production, observabilité et gouvernance

Logging, tracing et monitoring d'un pipeline RAG en production
Gestion des coûts : optimisation des appels LLM et des embeddings
Sécurité : contrôle d'accès aux données, prévention des prompt injections
Stratégies de mise à jour et versionning de la base vectorielle
Checklist de mise en production et questions/réponses

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 ↗