Développer un assistant conversationnel avec Rasa et LlamaIndex
Version du programme : 1
Type de formation
MixteDurée de formation
21 heures (3 jours)Accessibilité
OuiDévelopper 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.
Profil des bénéficiaires
- Développeurs AI
- NLP engineers
- 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.
Équipe pédagogique
Suivi de l'exécution et évaluation des résultats
- 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.
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.
Délai d'accès
Accessibilité
Les modalités d’accueil, d’accompagnement et d’évaluation peuvent être adaptées aux besoins des participants en situation de handicap. Les adaptations peuvent notamment porter sur : • les supports pédagogiques ; • le rythme de progression ; • les modalités d’interaction ; • l’organisation des exercices ; • les conditions de réalisation des évaluations ; • les outils numériques utilisés. Toute adaptation est étudiée en amont afin de garantir l’accessibilité de la formation, la participation effective du stagiaire et l’atteinte des objectifs pédagogiques, dans le respect du cadre prévu.