Data & intelligence artificielle

🧠 Context Engineering & Prompt Caching

Contexte Long & Mémoire Persistante : Context Engineering & Mémoire des Agents

Orchestrez des contextes longs sans perte d'attention : gestion de la dégradation attentionnelle (Lost in the Middle), benchmark NIAH, compression LLMLingua, prompt caching et mémoire épisodique pérenne.

  • 4 modules
  • 16 leçons
  • 4 h de contenu
  • Exercices Python exécutables
  • Évaluation finale
#Contexte Long LLM#Lost in the Middle#Prompt Caching#Mémoire Épisodique#MemGPT Letta

Ce que vous allez apprendre

  • La fenêtre de contexte : limites et dégradation
  • Sélection, compression et résumé du contexte
  • Prompt caching et optimisation des coûts
  • Mémoire à long terme et agents multi-sessions

Programme

4 modules · 16 leçons · 4 h de contenu

1La fenêtre de contexte : limites et dégradation4 leçons · 1 h
  1. 1.1L'illusion du million de tokens : scaling de l'attention vs capacité réelle de raisonnement
  2. 1.2Le phénomène « Lost in the Middle » et biais de récence positionnelle
  3. 1.3Évaluation du rappel : Needle in a Haystack (NIAH) et tests multi-aiguilles
  4. 1.4Mesure de la perplexité effective à grande échelle : passkey retrieval et babi tasks
2Sélection, compression et résumé du contexte4 leçons · 1 h
  1. 2.1Context engineering vs RAG naïf : principes de sélection d'information dense
  2. 2.2Résumé hiérarchique et map-reduce pour documents massifs
  3. 2.3Compression de prompt : token pruning, LLMLingua et filtrage sémantique
  4. 2.4Reranking contextuel et fenêtrage glissant avec préservation des faits pivots
3Prompt caching et optimisation des coûts4 leçons · 1 h
  1. 3.1Mécanisme du Prompt Caching chez les fournisseurs (Anthropic, OpenAI, DeepSeek)
  2. 3.2Structuration du préfixe invariant : organisation optimale du system prompt et des outils
  3. 3.3Mesure de la latence de premier token (TTFT) et économie de coûts
  4. 3.4KV Cache offloading et gestion de cache distribué pour architectures multi-agents
4Mémoire à long terme et agents multi-sessions4 leçons · 1 h
  1. 4.1Taxonomie de la mémoire cognitive en IA : sensorielle, court terme, de travail, épisodique, sémantique
  2. 4.2Implémentation d'une mémoire épisodique : base vectorielle + métadonnées temporelles
  3. 4.3Consolidation et mise à jour de la mémoire : extraction de profils et réflexion périodique (MemGPT / Letta)
  4. 4.4Orchestration complète d'un agent autonome persistant avec gestionnaire de contexte adaptatif

Comment se déroule la formation

À votre rythme

Des leçons courtes ; votre progression est enregistrée et vous reprenez là où vous vous êtes arrêté.

En pratiquant

Des exemples de code Python à modifier et exécuter dans le navigateur, sans rien installer.

Une validation

Une évaluation finale s'ouvre quand vous avez parcouru l'essentiel de la formation.

Dans le même domaine

  • Data & intelligence artificielle📊 Intermédiaire · Calcul Vectorisé

    Data Science avec NumPy & Pandas

    Calcul matriciel vectorisé, manipulation de DataFrames, séries temporelles et modélisation statistique avancée avec NumPy et Pandas.

    ▶ Exercices Python

    4 modules · 16 leçons · 8 h

    Voir le programme Accès sur attribution
  • Data & intelligence artificielle🤖 Avancé · Deep Learning & MLOps

    Intelligence artificielle avec Python

    Deep Learning avec PyTorch, réseaux convolutifs, Transformers pour le NLP, quantification et déploiement d'API d'inférence en production.

    ▶ Exercices Python

    4 modules · 16 leçons · 8 h

    Voir le programme Accès sur attribution
  • Data & intelligence artificielle🐘 Avancé · Architecture Interne & PostGIS

    PostgreSQL Avancé & Données Spatiales PostGIS

    Maîtrisez les rouages de PostgreSQL (MVCC, WAL, EXPLAIN ANALYZE), l'indexation avancée GIN et BRIN, l'extension spatiale PostGIS et le part…

    4 modules · 16 leçons · 8 h

    Voir le programme Accès sur attribution