All training courses

Training courseFOR-IA-M3-A

RAG & IA en Local

Mon assistant IA en local

  • 7 h
  • 450 € HT
  • Companies & individuals
  • Qualiopi certification being prepared
Bookcase filled with old books

Content currently available in French.

Learning objectives

  • Installer et faire fonctionner une IA en local
  • Mettre en place son RAG (Retrieval Augmented Generation)

Target audience

  • Tout public curieux d'explorer l'IA pour simplifier son quotidien professionnel, même sans compétences techniques
  • Consultants, coachs, formateurs ou entrepreneurs cherchant à intégrer l'IA en toute confiance
  • Collaborateurs et créatifs souhaitant exploiter leurs données en local
  • Cadres, chefs de projet et responsables souhaitant déployer des modèles IA en local
  • Tout public cherchant à déployer des modèles IA en local pour garantir la confidentialité

Prerequisites

  • Savoir installer un logiciel sur son ordinateur.
  • Être à l'aise avec la gestion de fichiers (dossiers, PDF, CSV).
  • Avoir des notions de base sur l'IA générative (un atout).
  • Disposer d'un PC avec au moins 8 Go de RAM.

Programme

Theory Module Théorique — Utiliser l'IA en local

Ce module traite de l'installation et de l'utilisation d'un modèle IA sur sa propre machine (LM Studio, Ollama) : téléchargement d'un modèle GGUF, configuration, tests et personnalisation. Il aborde aussi le RAG (Retrieval Augmented Generation) pour créer un assistant qui exploite des données locales (documents, PDF, CSV…).

Objective : offrir aux participants les compétences pour héberger un modèle IA en local, garantir la confidentialité des données, réduire les coûts cloud et construire un assistant personnel à base de RAG.

  • Approche on-premise pour rassurer sur la sécurité et la maîtrise des données.
  • Guide pas-à-pas d'installation, même pour un public non expert.
  • Mise en place concrète d'un assistant RAG, avec import de documents.

Assessment : QCM sur les avantages on-premise, check-list d'installation, observation du TP de test et personnalisation, démonstration finale de l'assistant local construit.

  1. Accueil & présentation

    Présenter le programme, les objectifs et le déroulé.

    Présentation orale, support visuel (slides), tour de table.

    15 min
  2. Pourquoi l'IA en local ?

    Avantages on-premise : confidentialité, coûts, maîtrise des données.

    Exposé interactif, cas d'usage, échanges.

    Assessment : QCM sur les avantages on-premise.

    40 min
  3. Installer un modèle local

    LM Studio / Ollama, téléchargement d'un modèle GGUF, configuration.

    Démonstration pas-à-pas, check-list d'installation.

    Assessment : Check-list d'installation complétée.

    1h05
  4. Comprendre le RAG

    Principe du Retrieval Augmented Generation ; exploiter ses documents.

    Exposé illustré, schéma d'architecture RAG.

    Assessment : Questions orales ; exercice de définition.

    45 min
  5. TP de test & personnalisation

    Tester et personnaliser le modèle installé.

    Manipulation guidée par les participants.

    Assessment : Observation du TP.

    30 min
  6. Synthèse

    Résumer les points clés et préparer l'atelier.

    Récapitulatif, feedback des participants.

    Assessment : QCM rapide de fin de module.

    10 min
Workshop Atelier Pratique — Héberger et personnaliser un modèle IA en local avec RAG

Cet atelier permet de réaliser l'installation, la configuration et l'utilisation d'un modèle IA en local (via LM Studio ou Ollama) et de mettre en place un assistant personnel exploitant ses données grâce au RAG. À l'issue, chaque participant dispose d'un assistant IA fonctionnel, sécurisé et adapté à ses besoins.

Objective : télécharger et installer un modèle LLM avec LM Studio ou Ollama, le configurer et le tester en local, mettre en place un système RAG pour interroger ses documents personnels (PDF, CSV…) et personnaliser l'assistant.

  • Approche concrète et rassurante pour la sécurité des données.
  • Zéro dépendance cloud : réduction des coûts et maîtrise totale des informations.
  • Résultat directement utilisable après la session.
  • Adapté aux profils non techniques grâce au guidage pas-à-pas.

Assessment : QCM, démonstrations live, travaux pratiques et démonstration finale de l'assistant local construit.

  1. Lancement de l'atelier

    Présenter l'objectif : un assistant RAG fonctionnel.

    Présentation, vérification des environnements.

    15 min
  2. Installation & configuration

    Installer et configurer le modèle en local.

    TP guidé pas-à-pas, accompagnement du formateur.

    Assessment : Modèle installé et fonctionnel.

    1h00
  3. Mettre en place le RAG

    Importer ses documents (PDF, CSV…) et configurer le RAG.

    TP guidé, import de documents, tests d'interrogation.

    Assessment : Livrable : système RAG opérationnel.

    1h05
  4. Personnalisation

    Adapter l'assistant à ses besoins.

    TP, ajustements, essais personnalisés.

    Assessment : Démonstration de l'assistant.

    40 min
  5. Restitution & évaluation

    Démontrer l'assistant construit ; conclure.

    Démonstrations live, revue collective, feedback.

    Assessment : Évaluation sommative : QCM + démonstration finale.

    20 min
  6. Enquête de satisfaction

    Recueillir la satisfaction à chaud.

    Questionnaire de satisfaction.

    Assessment : Enquête de satisfaction.

    10 min

Teaching methods and resources

In-person training at our premises or yours, in small groups. A mix of theory, hands-on workshops and practical scenarios.

Required equipment :

8 Go de Ram

Assessment methods

Learning outcomes are assessed during and at the end of the training; an attendance certificate is given to every learner.

Accessibility for people with disabilities

Training accessible to people with disabilities. Contact us before registering so we can study the adjustments needed.

Funding

Quote or training agreement on request. Qualiopi certification is being prepared: eligibility for OPCO funding will open once it is obtained.

Certification audit planned for T1 2027. No OPCO eligibility before it is obtained.

Share this article