Identifier les différences entre agents conversationnels classiques et agents autonomes modernes, et comprendre les architectures avancées (Agentic RAG, GraphRAG, StructRAG). Concevoir des agents intelligents adaptés à des cas d’usage métier (finance, juridique, support, etc.) en intégrant des pipelines RAG et des modèles génératifs. Maitriser l’orchestration des systèmes multi-agents avec LangGraph, en appliquant les patterns d’interaction (supervisor, swarm) et la communication inter-agents. Mettre en œuvre des techniques de fine-tuning (RLHF, RLAIF, Constitutional AI) pour aligner les agents avec les objectifs et valeurs de l’entreprise et Évaluer les choix techniques entre solutions propriétaires et open source pour un déploiement sécurisé et optimisé en production.