Développement agentique avec Mistral Vibe
- Durée
- Durée :3 jours
- Niveau
- Niveau :Avancé
- Certification
- Certification :Non
2090€ HT
Aucune session prévue
Formation RAG et Document AI avec Mistral Studio
Transformer un fonds documentaire hétérogène en corpus interrogeable et bâtir un système de réponse fiable, vérifiable et évaluable avec Mistral StudioDescription de la formation RAG Mistral
Qu'est-ce que la chaîne documentaire de Mistral Studio ?
Répondre à une question à partir de ses propres documents suppose trois étapes successives, chacune capable de ruiner les suivantes. Il faut d'abord extraire : convertir un fichier numérisé, un formulaire ou un tableau en données structurées, ce que prend en charge la reconnaissance documentaire de Studio. Il faut ensuite constituer un corpus interrogeable, en découpant les documents, en les dotant de métadonnées et en gérant leur cycle de vie, rôle des bibliothèques de Studio. Il faut enfin rechercher et répondre, en combinant recherche lexicale et recherche vectorielle, puis en construisant une réponse qui cite ses sources et sait reconnaître qu'elle n'en a pas.
Pourquoi suivre une formation RAG et Document AI avec Mistral Studio ?
Parce que la qualité d'un système de réponse documentaire se joue rarement sur le modèle et presque toujours en amont : une extraction approximative ou un découpage mal calibré produisent des réponses fausses qu'aucun choix de modèle ne rattrapera. Parce que la recherche dense, souvent présentée comme supérieure, échoue précisément là où la recherche lexicale réussit, et que l'enjeu est de savoir quand combiner les deux. Parce qu'un système qui invente plutôt que d'admettre son ignorance est inexploitable en entreprise, et que ce comportement se conçoit, se mesure et se corrige. Ces deux jours privilégient une chaîne managée de bout en bout plutôt que l'assemblage de briques indépendantes, et se terminent sur l'évaluation chiffrée du système produit.
Programme de la formation
Objectif opérationnel :
Savoir construire, évaluer et exploiter un système de réponse documentaire fondé sur les briques de reconnaissance documentaire et de recherche de Mistral Studio.
Objectif pédagogiques :
À l'issue de cette formation RAG et Document AI avec Mistral Studio, vous aurez acquis les connaissances nécessaires pour :
- Extraire des données structurées d'un document numérisé, d'un formulaire ou d'un tableau.
- Mesurer la qualité d'une extraction et fixer le seuil de reprise humaine.
- Constituer un corpus interrogeable et en choisir la granularité de découpage.
- Exploiter les métadonnées pour filtrer avant de rechercher.
- Gérer le cycle de vie d'un corpus : mise à jour, suppression, cloisonnement des droits.
- Distinguer ce que trouvent respectivement la recherche lexicale, dense et hybride.
- Évaluer le coût d'un changement de modèle d'embedding sur un corpus existant.
- Construire une réponse citant ses sources et vérifiable par son lecteur.
- Obtenir d'un système qu'il refuse de répondre en l'absence d'information.
- Évaluer un système documentaire de bout en bout au moyen d'un jeu de questions de référence.
Jour 1
La sortie structurée : localisation dans la page, nature des blocs, ordre de lecture restitué
Les documents qui résistent : scans dégradés, écriture manuscrite, formulaires, multilingue
Extraction ciblée : passer d'un document quelconque à un schéma métier renseigné
Mesurer la qualité d'extraction et décider du seuil de reprise humaineTravaux pratiquesObjectif :Savoir extraire des données structurées d'un fonds hétérogène et en qualifier la fiabilité.
Description :Les participants traitent un lot d'une trentaine de documents hétérogènes ( factures numérisées, comptes rendus, formulaires manuscrits, pages multilingues ) et confrontent la sortie obtenue au contenu réel. Ils repèrent les catégories sur lesquelles l'extraction se dégrade et quantifient le taux d'erreur pour chacune. Où placer le seuil à partir duquel une extraction doit repasser par un humain plutôt que d'alimenter la chaîne automatiquement ? Le formateur ajoute trois documents volontairement illisibles afin d'observer si le dispositif les signale ou les laisse passer silencieusement. La validation repose sur une grille de qualité par catégorie de document, assortie du seuil retenu et de sa justification.
Le découpage : pourquoi la granularité décide de la qualité des réponses
Les métadonnées : filtrer avant de chercher plutôt que trier après
Cycle de vie d'un corpus : mise à jour, suppression, versions successives d'un même document
Cloisonner les droits : un corpus ne doit pas répondre à qui n'y a pas accèsTravaux pratiquesObjectif :Être capable de constituer un corpus et d'en calibrer la granularité de découpage.
Description :Chaque groupe constitue un corpus à partir des documents extraits le matin, en choisissant une granularité de découpage et un jeu de métadonnées. Il interroge ce corpus avec une série de questions, puis le reconstruit avec une granularité deux fois plus fine et rejoue la même série. Qu'est-ce qui se dégrade lorsque les fragments deviennent trop petits, alors même que la recherche paraît plus précise ? Le formateur impose enfin une contrainte de droits d'accès obligeant à cloisonner une partie du corpus. La validation repose sur un corpus qui répond correctement aux questions autorisées et refuse celles portant sur la partie cloisonnée.Jour 2
Les modèles d'embedding disponibles et l'espace vectoriel qu'ils définissent
Le coût caché d'un changement de modèle : la réindexation intégrale du corpus
Reformulation de la requête et filtrage préalable par métadonnées
Reclasser les résultats et diagnostiquer une recherche qui ne remonte pas le bon passageTravaux pratiquesObjectif :Savoir choisir une stratégie de recherche à partir de mesures plutôt que d'a priori.
Description :Les participants constituent un jeu de vingt questions dont ils connaissent la réponse attendue et le passage source. Ils exécutent ce jeu successivement en recherche lexicale seule, en recherche dense seule, puis en recherche hybride, et consignent pour chaque mode le rang auquel remonte le bon passage. Pourquoi certaines questions ne trouvent leur réponse qu'en lexical, là où d'autres l'exigent en dense ? Le formateur fait ensuite changer de modèle d'embedding afin de mesurer concrètement le coût de réindexation du corpus. Les acquis sont validés par un tableau comparatif des trois modes et par le choix argumenté d'une stratégie.
Citer ses sources et rendre chaque réponse vérifiable par son lecteur
Reconnaître l'absence d'information dans le corpus plutôt que de l'inventer
Évaluer de bout en bout : jeu de questions de référence, réponses exactes, partielles, inventées
Exploitation dans la durée : fraîcheur du corpus, coût par question, suivi de la qualitéTravaux pratiquesObjectif :Savoir mesurer la fiabilité d'un système documentaire et lui faire admettre son ignorance.
Description :Les groupes assemblent la chaîne complète et produisent des réponses citant systématiquement les passages sur lesquels elles s'appuient. Ils exécutent leur jeu de questions de référence et mesurent la proportion de réponses exactes, de réponses partielles et d'inventions. Comment obtenir d'un système qu'il reconnaisse qu'une information est absente du corpus au lieu de la fabriquer ? Le formateur retire ensuite du corpus les documents répondant à cinq des questions afin d'observer le comportement obtenu. La validation repose sur un système qui refuse explicitement de répondre à ces cinq questions, sans dégrader ses réponses aux quinze autres.
Extraire : de l'image au document structuré
Ce que la reconnaissance documentaire moderne change : mise en page, tableaux, hiérarchie des blocsLa sortie structurée : localisation dans la page, nature des blocs, ordre de lecture restitué
Les documents qui résistent : scans dégradés, écriture manuscrite, formulaires, multilingue
Extraction ciblée : passer d'un document quelconque à un schéma métier renseigné
Mesurer la qualité d'extraction et décider du seuil de reprise humaineTravaux pratiquesObjectif :Savoir extraire des données structurées d'un fonds hétérogène et en qualifier la fiabilité.
Description :Les participants traitent un lot d'une trentaine de documents hétérogènes ( factures numérisées, comptes rendus, formulaires manuscrits, pages multilingues ) et confrontent la sortie obtenue au contenu réel. Ils repèrent les catégories sur lesquelles l'extraction se dégrade et quantifient le taux d'erreur pour chacune. Où placer le seuil à partir duquel une extraction doit repasser par un humain plutôt que d'alimenter la chaîne automatiquement ? Le formateur ajoute trois documents volontairement illisibles afin d'observer si le dispositif les signale ou les laisse passer silencieusement. La validation repose sur une grille de qualité par catégorie de document, assortie du seuil retenu et de sa justification.
Constituer un corpus interrogeable
Ce que les bibliothèques de Studio prennent en charge, et ce qui reste à votre mainLe découpage : pourquoi la granularité décide de la qualité des réponses
Les métadonnées : filtrer avant de chercher plutôt que trier après
Cycle de vie d'un corpus : mise à jour, suppression, versions successives d'un même document
Cloisonner les droits : un corpus ne doit pas répondre à qui n'y a pas accèsTravaux pratiquesObjectif :Être capable de constituer un corpus et d'en calibrer la granularité de découpage.
Description :Chaque groupe constitue un corpus à partir des documents extraits le matin, en choisissant une granularité de découpage et un jeu de métadonnées. Il interroge ce corpus avec une série de questions, puis le reconstruit avec une granularité deux fois plus fine et rejoue la même série. Qu'est-ce qui se dégrade lorsque les fragments deviennent trop petits, alors même que la recherche paraît plus précise ? Le formateur impose enfin une contrainte de droits d'accès obligeant à cloisonner une partie du corpus. La validation repose sur un corpus qui répond correctement aux questions autorisées et refuse celles portant sur la partie cloisonnée.Jour 2
Rechercher : lexical, dense et hybride
Ce que trouve chaque mode de recherche, et ce que chacun manque systématiquementLes modèles d'embedding disponibles et l'espace vectoriel qu'ils définissent
Le coût caché d'un changement de modèle : la réindexation intégrale du corpus
Reformulation de la requête et filtrage préalable par métadonnées
Reclasser les résultats et diagnostiquer une recherche qui ne remonte pas le bon passageTravaux pratiquesObjectif :Savoir choisir une stratégie de recherche à partir de mesures plutôt que d'a priori.
Description :Les participants constituent un jeu de vingt questions dont ils connaissent la réponse attendue et le passage source. Ils exécutent ce jeu successivement en recherche lexicale seule, en recherche dense seule, puis en recherche hybride, et consignent pour chaque mode le rang auquel remonte le bon passage. Pourquoi certaines questions ne trouvent leur réponse qu'en lexical, là où d'autres l'exigent en dense ? Le formateur fait ensuite changer de modèle d'embedding afin de mesurer concrètement le coût de réindexation du corpus. Les acquis sont validés par un tableau comparatif des trois modes et par le choix argumenté d'une stratégie.
Répondre : fiabilité, citations et évaluation
Construire le contexte transmis au modèle : combien de passages, dans quel ordre, à quel coûtCiter ses sources et rendre chaque réponse vérifiable par son lecteur
Reconnaître l'absence d'information dans le corpus plutôt que de l'inventer
Évaluer de bout en bout : jeu de questions de référence, réponses exactes, partielles, inventées
Exploitation dans la durée : fraîcheur du corpus, coût par question, suivi de la qualitéTravaux pratiquesObjectif :Savoir mesurer la fiabilité d'un système documentaire et lui faire admettre son ignorance.
Description :Les groupes assemblent la chaîne complète et produisent des réponses citant systématiquement les passages sur lesquels elles s'appuient. Ils exécutent leur jeu de questions de référence et mesurent la proportion de réponses exactes, de réponses partielles et d'inventions. Comment obtenir d'un système qu'il reconnaisse qu'une information est absente du corpus au lieu de la fabriquer ? Le formateur retire ensuite du corpus les documents répondant à cinq des questions afin d'observer le comportement obtenu. La validation repose sur un système qui refuse explicitement de répondre à ces cinq questions, sans dégrader ses réponses aux quinze autres.
Public cible :
Développeurs, ingénieurs IA et architectes applicatifs chargés de rendre un fonds documentaire interrogeable ou d'automatiser un traitement documentaire. Les équipes recherchant un assemblage sur mesure à base de bibliothèques Python indépendantes sont orientées vers les formations dédiées au RAG dans l'écosystème Python.
Prérequis :
Maîtrise du socle de l'API Mistral : gestion des clés, complétion conversationnelle, sorties structurées , acquise par la formation Mistral Studio : développer avec l'API Mistral (MSDA) ou par une pratique équivalente. Maîtrise de Python ou de TypeScript à un niveau permettant d'écrire et de déboguer un module de façon autonome. Aucune connaissance préalable des bases vectorielles, des embeddings ou des architectures de recherche augmentée n'est requise : ces notions sont construites au fil des deux jours. La conception d'agents autonomes n'est pas traitée ici et fait l'objet d'une formation dédiée.
J'évalue mes connaissances pour vérifier que je dispose des prérequis nécessaires pour profiter pleinement de cette formation en faisant le test de prérequis.
Les participants construisent une chaîne documentaire complète sur un fonds réaliste fourni en séance, de l'extraction jusqu'à l'évaluation chiffrée du système. Environ 60 % de la formation est consacré au code. Chacun repart avec un dépôt fonctionnel, son jeu de questions de référence et les mesures de qualité associées.
Date de mise à jour du programme : 19/08/2026
Dates et lieux
Période souhaitée
Lieux
Type d'affichage
Aucune session disponible pour cette période.