Parcours réseau agentique IA : 59 jours vers votre propre réseau d'agents
Cinquante-neuf séances d'une heure, une par jour, du 3 novembre au 31 décembre, en quatre modules. Vous partez de ce que calcule un modèle de langage et finissez avec votre propre petit réseau d'agents qui tourne chez vous : modèles locaux, outils, un serveur MCP, un orchestrateur qui répartit le travail, un index de recherche, des tests, des garde-fous et des mesures, le tout documenté dans un dépôt public.
Pour qui, et vers quoi
Pour qui est à l'aise avec un terminal et prêt à écrire de petits scripts Python, en apprenant seul, avec des ressources gratuites, sans diplôme exigé. Le parcours vise le cœur pratique des postes publiés sous les noms d'ingénieur IA (AI engineer), développeur d'applications LLM, ingénieur en automatisation IA ou technicien MLOps/LLMOps : intégrer des modèles dans du logiciel, construire et tester des agents, les faire tourner de façon sûre et économe. Il n'apprend pas à entraîner des modèles de zéro : c'est la recherche en apprentissage automatique, un autre parcours.
Ce que vous montrez à un recruteur à la fin : un dépôt, ainet-lab, avec quatre livrables, un par module.
- Module 1 : une fiche machine : modèles lancés, vitesses mesurées, un banc vérifié par code.
- Module 2 : un serveur MCP à trois outils, testé, utilisé par un modèle local.
- Module 3 : un réseau de deux agents avec routage et recherche documentaire, avec son schéma.
- Module 4 : le projet final : votre réseau d'agents à la maison, avec évaluations, modèle de menaces, chiffres de coût et de vitesse, automatisation et documentation.
La méthode, la même chaque jour
| Temps | Phase | Ce que vous faites |
|---|---|---|
| 20 min | Théorie | Le cours de la séance sur la page du module, en répondant à chaque exercice avant de continuer. |
| 30 min | Pratique | Commandes, code et mesures sur votre machine, versionnés dans ainet-lab. |
| 10 min | Synthèse | Trois lignes dans le carnet, puis refaire l'exercice du jour sans notes. |
La synthèse est la phase qu'on saute, et c'est celle qui fait retenir : retrouver de mémoire, c'est ce qui ancre.
Les outils, installés une fois (jours 1, 8 et 9)
- Un ordinateur avec 8 Go de RAM au strict minimum ; 16 Go ou une carte graphique de 8 Go ou plus rendent le parcours plus confortable. Une machine sans GPU convient avec de petits modèles.
- llama.cpp et Ollama, deux moteurs locaux gratuits.
- Python avec uv, Git et un éditeur.
- Docker, à partir du module 4 (pour n8n) ; l'article du site Docker avec accès au GPU couvre le cas du GPU.
- Un carnet : un dossier de fichiers Markdown, un par jour.
Tout est gratuit. Un modèle hébergé est facultatif : quelques séances comparent local et hébergé, et plusieurs fournisseurs ont des offres gratuites (voir les modèles cloud gratuits derrière votre passerelle). Ne mettez jamais une clé payante dans un fichier ni dans un prompt (jour 49).
Apprendre avec une IA comme tuteur
Ce parcours s'apprend avec une IA à côté de vous, de préférence un modèle local que vous faites tourner vous-même dès le jour 8 (votre premier modèle local). Servez-vous-en pour vous faire interroger, pour vous faire réexpliquer une notion autrement, pour faire relire votre code ou votre prompt. Trois règles :
- Faites le travail d'abord. Écrivez votre script, votre réponse, votre prompt, puis demandez une relecture. Ne collez jamais sa réponse comme la vôtre : vous apprendriez à copier, pas à faire.
- Vérifiez ce qu'elle dit. Un modèle peut se tromper avec assurance, surtout sur les versions, les options et les dates. Comparez avec la documentation officielle donnée à chaque séance.
- Demandez des questions, pas des réponses. « Interroge-moi », « qu'est-ce qui ne va pas ici », « explique pourquoi » apprennent plus que « fais-le ».
Chaque séance termine sa pratique par une ligne Avec votre IA qui donne un prompt prêt à l'emploi pour le jour. Une fois une tâche faite à la main, une note Le faire faire par un agent montre comment un agent peut la reprendre et ce que vous vérifiez encore.
Prompter pour le travail d'agents
Dans ce métier, un prompt est une spécification lue par un programme. Un bon prompt a six parties : rôle et contexte (qui répond, dans quelle situation), tâche (un résultat vérifiable), contraintes (ce qui est interdit, les limites), entrées (les vraies données, collées, pas décrites), format de sortie (souvent du JSON selon un schéma) avec un exemple quand le format sort de l'ordinaire, et comment vous vérifierez la réponse (par du code chaque fois que possible). Chaque module a une leçon sur le prompt propre à son travail : jour 10 (anatomie d'un prompt), jour 15 (prompts système), jour 28 (descriptions d'outils), jour 42 (intentions pour agents exécutants) et jour 50 (revues de sécurité). Une sortie de modèle n'est jamais un fait vérifié tant que du code ou une source ne l'a pas contrôlée.
La règle d'or
Mieux vaut une heure tous les jours que sept heures le dimanche. Si vous ratez un jour, ne rattrapez pas le lendemain : décalez tout d'un jour et rognez sur le module 4. Les dates indiquées sont celles d'un départ le 3 novembre ; seules comptent l'ordre et la régularité.
Les quatre modules
Chaque module est une page : les séances s'y suivent, chacune avec son objectif, son cours, sa pratique pas à pas et sa synthèse. Cochez un module quand toutes ses séances sont faites ; votre progression reste dans votre navigateur.
Ressources gratuites
- Hugging Face — cours LLM, en français (module 1)
- Anthropic — tutoriel interactif de prompt engineering (en anglais, module 2)
- Model Context Protocol — documentation et cours MCP de Hugging Face (module 2)
- Hugging Face — cours sur les agents IA, en français et Microsoft — AI agents for beginners (module 3)
- Anthropic — Building effective agents (module 3)
- OWASP — Top 10 des applications LLM (module 4)
- n8n — documentation IA avancée (module 4)
- Les séries du site : faire tourner un modèle 7B, choisir son harnais d'agent, la doctrine déterministe.
La check-list de fin de parcours, à cocher le 31/12
- J'explique tokens, contexte, cache KV, échantillonnage et quantification avec mes mots.
- Je lance et je mesure un modèle avec llama.cpp et Ollama, et je dis lequel convient à ma machine et pourquoi.
- J'écris un prompt en six parties et j'obtiens un JSON qui valide contre un schéma.
- J'écris un outil et un serveur MCP, et un modèle local les appelle.
- J'écris une boucle d'agent avec une limite d'étapes, et je répartis le travail entre un petit et un grand modèle.
- Je construis un index de recherche et je mesure son rappel.
- Je teste un agent avec des cas vérifiés par code, et je connais les limites d'un modèle juge.
- J'explique l'injection de prompt et la triade létale, et mes agents tournent au moindre privilège, sans secret dans leurs prompts.
- Je sais ce que coûtent mes agents en tokens, en temps et en énergie.
- J'ai un réseau d'agents à la maison, documenté, dans un dépôt public.
Une case qui ne se coche pas n'est pas un échec : c'est la liste de ce que vous travaillerez en premier en janvier.
- 1Réseau agentique IA module 1 : comprendre et faire tourner un modèleJours 1 à 14 : ce que calcule un modèle de langage, les tokens, le contexte, l'échantillonnage, les fichiers de modèle et la quantification, llama.cpp et Ollama, l'API, et la mesure de votre propre machine.
- 2Réseau agentique IA module 2 : prompts, sortie structurée, outils et MCPJours 15 à 29 : prompts système, exemples et raisonnement, JSON et schémas, décodage contraint, appeler un modèle depuis du code, appels d'outils, conception d'outils, le Model Context Protocol, et votre propre serveur MCP.
- 3Réseau agentique IA module 3 : agents, orchestration, routage, RAG et mémoireJours 30 à 44 : la boucle d'agent, les harnais, l'ingénierie du contexte, les patrons de workflow, orchestrateurs et exécutants, le routage entre modèles locaux et hébergés, les petits juges, les embeddings, le RAG, la mémoire et les agents sur plusieurs machines.
- 4Réseau agentique IA module 4 : évaluer, sécuriser, mesurer, automatiser, livrerJours 45 à 59 : évaluer et tester les agents, l'injection de prompt, le moindre privilège, les secrets, les revues de sécurité, le coût et l'énergie, l'observabilité, l'automatisation par scripts et n8n, et le projet final : votre propre réseau d'agents à la maison, documenté.