Formation : LangChain & LangGraph

Introduction

• Situer LangChain et LangGraph dans l'écosystème LLM (orchestration, outils, mémoire, RAG, agents).
• Distinguer LangChain (composants et chaînes) et LangGraph (graphes d'états pour des agents contrôlables).
• Prérequis : bonne maîtrise de Python et premières notions d'API de modèles.
• Objectif du parcours : construire, tester et fiabiliser des agents jusqu'à la mise en production.

LangChain

Module 1 — Fondamentaux de LangChain

• Architecture et composants : modèles, prompts, parsers, chaînes.
• Le langage d'expression LCEL pour composer des traitements.
• Interface unifiée multi-fournisseurs (OpenAI, Anthropic, Mistral…).
• Structurer les sorties : parsing, formats JSON, validation.

Module 2 — Outils et function calling

• Définir des outils (tools) et le function calling.
• Connecter des API et des services externes.
• Gérer erreurs, délais d'attente et limites de débit.
• Sécuriser les accès et les données transmises.

Module 3 — Mémoire et RAG

• Ajouter de la mémoire conversationnelle.
• Charger et découper des documents (loaders, splitters).
• Embeddings et bases vectorielles (retrieval).
• Construire une chaîne RAG : question → contexte → réponse sourcée.

Module 4 — Fiabilité et observabilité

• Tracer et déboguer avec LangSmith.
• Évaluer la qualité des réponses (tests, jeux d'évaluation).
• Gérer le streaming et suivre les coûts (tokens).
• Bonnes pratiques de mise en production.

LangGraph

Module 1 — Concepts de LangGraph

• Modéliser un agent comme un graphe d'états.
• Nœuds, arêtes et état partagé (state).
• Transitions conditionnelles et boucles.
• Différences avec les chaînes LangChain classiques.

Module 2 — Construire un agent

• Définir l'état et les nœuds (réflexion, action, observation).
• Intégrer des outils dans le graphe.
• Boucle agentique et critères d'arrêt.
• Gérer les cas d'erreur et les impasses.

Module 3 — Contrôle humain et persistance

• Points de contrôle humain (human-in-the-loop).
• Persistance de l'état (checkpointing) et reprise.
• Mémoire longue durée entre sessions.
• Time-travel : rejouer et corriger une exécution.

Module 4 — Multi-agents et industrialisation

• Orchestrer plusieurs agents (superviseur, sous-agents).
• Parallélisme et sous-graphes.
• Observabilité et tests d'un graphe.
• Déploiement et supervision en production.

Module — 5 projets d'IA agentique avec LangChain et LangGraph

• Projet 1 — Assistant documentaire (RAG) : questions-réponses sur une base de documents, avec citations des sources.
• Projet 2 — Agent de recherche web : recherche, synthèse et rapport sourcé sur un sujet donné.
• Projet 3 — Agent analyste de données : interroge une base ou un fichier (CSV) et produit analyses et graphiques.
• Projet 4 — Agent support client multi-outils : base de connaissances, création de tickets et escalade.
• Projet 5 — Système multi-agents supervisé : plusieurs agents coordonnés par un superviseur sur une tâche complexe.