Donner à chaque collaborateur un assistant qui connaît l'entreprise, en toute sécurité, et l'aider à l'adopter.
Les collaborateurs utilisent déjà des outils d'IA, parfois sans cadre (« shadow AI »). L'entreprise veut un assistant officiel, connecté à ses outils, avec des règles claires sur les données.
Comprendre en mots simples comment fonctionne un assistant comme Claude ou Gemini, ce qu'il sait faire, ses limites, et choisir un premier cas d'usage utile pour votre équipe.
IA generativa
Coder en Python un agent qui appelle des outils, lui donner une mémoire, le brancher via MCP puis le passer en production avec Google ADK et Cloud Run.
IA generativa
Construire un jeu de données doré, mesurer un assistant RAG avec des métriques et un LLM-juge, le protéger en production et bloquer les régressions en CI.
IA generativa
Identifier les risques d'un assistant IA (OWASP Top 10 LLM), poser les bonnes parades techniques, respecter le RGPD et l'AI Act, puis gouverner les usages en entreprise.
IA generativa
Un premier agent ADK (météo) derrière une API HTTPS privée sur Cloud Run, déployé de bout en bout avec Terraform.
Agents IA sur Google Cloud › Construire et publier des agents
Héberger un agent sur Agent Runtime, le rendre découvrable dans Agent Registry et l'ajouter à Gemini Enterprise.
Agents IA sur Google Cloud › Construire et publier des agents
Faire répondre votre agent dans Google Chat pour les personnes de votre entreprise, avec une authentification service à service.
Agents IA sur Google Cloud › Construire et publier des agents
Les 6 façons d'ajouter un agent à Gemini Enterprise, des agents d'autres projets GCP, un orchestrateur qui découvre et appelle les autres.
Agents IA sur Google Cloud › Construire et publier des agents
Gemini Enterprise entièrement en Terraform, protégé par 3 couches de Model Armor, moindre privilège, résidence UE et alertes.
Agents IA sur Google Cloud › Sécuriser Gemini Enterprise
Le socle de sécurité en 6 couches (identité, CMEK, connecteurs, Model Armor + DLP, exposition UE, détection), expliqué fichier par fichier.
Agents IA sur Google Cloud › Sécuriser Gemini Enterprise
Une note de sécurité d'entreprise appliquée : console d'abord, puis Terraform par paliers, plan de tests et exploitation quotidienne.
Agents IA sur Google Cloud › Sécuriser Gemini Enterprise
Appeler Gemini depuis Python avec le SDK google-genai (streaming, conversation, tokens et coût, erreurs et réessais) et livrer un mini-CLI « assistant de réunion » qui fonctionne avec une clé d'API comme sur Vertex AI.
Académie IA › Débuter
Construire, tester et mettre en ligne Alti, l'assistant d'une salle de sport fictive : cadrage, prompt système, mémoire, connaissances métier, page web en streaming, journal, satisfaction et Cloud Run.
Académie IA › Débuter
Connecter Gemini à une API REST interne avec google-genai : déclarer des fonctions, enchaîner des appels parallèles, valider les arguments, confirmer les actions sensibles et tout tracer dans un journal d'audit.
Académie IA › Pratiquer
Transcrire et diariser un appel, générer des voix naturelles et tenir une conversation vocale en temps réel avec l'API Gemini, jusqu'à un pipeline « compte rendu d'appel » testé de bout en bout.
Académie IA › Pratiquer
Traiter la fenêtre de contexte comme une ressource : l'ordonner, la compresser, la mettre en cache, et construire un assistant à mémoire long terme (SQLite + embeddings) évalué sur 10 scénarios de rappel.
Académie IA › Maîtriser
Instrumenter chaque appel LLM avec OpenTelemetry, journaliser en JSON, mesurer latence p50/p95, tokens, coût et erreurs, versionner les prompts et bloquer en CI une version qui dégrade les résultats.
Académie IA › Maîtriser
Choisir entre modèle ouvert et propriétaire, faire tourner Gemma en local (Ollama, llama.cpp, LM Studio) et mesurer qualité et latence face à Gemini avec un banc d'essai réutilisable.
Académie IA › Maîtriser
Faire dialoguer trois agents ADK sur trois serveurs avec le protocole Agent2Agent : Agent Card, tâches, streaming, registre, pannes, authentification, puis déploiement sur Cloud Run ou Agent Engine.
Académie IA › Expert
Évaluer un agent ADK sur ce qu'il fait (outils, ordre, arguments) et sur ce qu'il dit, calibrer un LLM-juge contre des annotations humaines, prouver ses garde-fous par des tests et bloquer une mise en production en CI.
Académie IA › Expert
Concevoir et coder en Terraform une landing zone sécurisée pour l'IA : IAM au moindre privilège, VPC privé et Private Service Connect, VPC Service Controls, CMEK, Model Armor, Cloud Run derrière IAP, audit, résidence UE et budgets, puis vérifier la posture d'un projet par script.
Académie IA › Expert
Mesurer TTFT, débit et p95 d'une application Gemini, puis réduire coût et latence avec le streaming, la mise en cache de contexte, un cache sémantique, le routage flash-lite vers flash, le batch et des budgets par requête, preuves chiffrées à l'appui sur un vrai banc de charge.
Académie IA › Expert
Construire avec Google ADK un pipeline qui lance trois agents de recherche en parallèle (transport, hébergement, activités), assemble un itinéraire structuré puis vérifie le budget en Python.
Labs Google ADK › Sans projet Google Cloud
Construire avec Google ADK un assistant qui note des CV fictifs critère par critère face à une fiche de poste, après anonymisation contrôlée par un callback, puis mesurer pour de vrai sa cohérence en permutant noms et genres, avec revue humaine obligatoire.
Labs Google ADK › Sans projet Google Cloud
Construire avec Google ADK un tuteur qui évalue le niveau, pose des questions adaptées, ajuste la difficulté et retrouve la progression de l'élève d'une session à l'autre grâce à SQLite.
Labs Google ADK › Sans projet Google Cloud
Déployer un agent Google ADK sur Vertex AI Agent Engine avec une mémoire long terme (Memory Bank), l'interroger à distance d'une session à l'autre, puis supprimer proprement toutes les ressources créées.
Labs Google ADK › Avec Google Cloud
Déployer un assistant interne ADK sur Cloud Run en service privé, avec un compte de service qui n'a que roles/aiplatform.user, l'appeler avec un jeton d'identité, lire ses journaux, puis tout supprimer.
Labs Google ADK › Avec Google Cloud
Construire en 200 lignes de Python un RAG qui lit des PDF, les indexe dans SQLite avec les embeddings Gemini, répond en citant la page et ne réindexe que les fichiers modifiés.
Labs RAG › En local
Construire un RAG sur des contrats qui découpe par articles et clauses, filtre par type, partie et date, répond aux questions comparatives par un tableau cité et produit un récapitulatif des contrats en sortie structurée.
Labs RAG › En local
Construire un assistant qui répond aux questions sur une base de code Python avec des liens fichier:ligne vérifiés : découpage par fonction et classe avec le module ast, recherche hybride embeddings + BM25, et « où est géré X ? » sans appel de génération.
Labs RAG › En local