Formation
Construire un RAG sur GCP
De l'ingestion de documents à l'agent en production : Vertex AI RAG Engine, Gemini et Cloud Run.
Cas d'usage📚 Interroger ses documents
Ce cours vous guide pas à pas dans la construction d'un système de Retrieval-Augmented Generation (RAG) entièrement hébergé sur Google Cloud.
Ce que vous allez construire
Un assistant qui répond aux questions de vos équipes à partir de la documentation interne, en citant ses sources :
- un corpus Vertex AI RAG Engine alimenté depuis Cloud Storage ;
- un job de synchronisation sur Cloud Run qui réindexe les documents modifiés ;
- un agent ADK exposé sur Cloud Run, qui interroge le corpus et appelle Gemini.
Organisation
| Module | Contenu | Durée |
|---|---|---|
| Fondamentaux | Architecture RAG, embeddings, similarité | 1h30 |
| Mise en œuvre | Installation, Terraform, déploiement, récapitulatif | 2h30 |
Prérequis
- Un projet Google Cloud avec la facturation activée.
- Des bases en Python et en ligne de commande.
- Des notions de Terraform sont un plus.
Les ressources (support PDF, guide d'installation, présentation, notebook et jeu de données) sont téléchargeables en bas de page.
Ressources
- csvdataset.csv1 KBVoir
- mp4demo.mp4386 KB
- docxguide-installation.docx37 KB
- ipynbnotebook.ipynb1 KBVoir
- pdfpresentation.pdf21 KB
- pptxpresentation.pptx32 KB
- pdfsupport-cours.pdf47 KB
Références
- awesome-llm-appsgithub.com — Collection d'applications LLM et de RAG open source
- GoogleCloudPlatform/generative-aigithub.com — Notebooks officiels Vertex AI et Gemini
- Vertex AI RAG Engine : vue d'ensemblecloud.google.com
- Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (Lewis et al., 2020)arxiv.org — Article fondateur du RAG