INTRODUCTION

• Positionnement de l’IA générative par rapport a l’IA conventionnelle.
• Peut-on tout faire avec l’IA générative ?
• Compréhension des principaux modèles disponibles en IA générative (OpenAI, Mistral AI, Llama…)

UTILISATION DE LangChain4J

• Présentation de LangChain4J
• Création d’un projet LangChain4J
• Mise en place d’un appel OpenAI avec LangChain4J et le ChatLanguageModel
• Utilisation des paramètres de prompt
• Comment LangChain4J utilise JSON Schema pour convertir une réponse de chat en objet Java (entité)
• Interfaçage avec un modèle visuel pour l'interprétation d’images et vidéos
• Notion de conversation: comment effectuer des appels ChatGPT qui gardent un context conversationnel avec ChatMemory

UTILISATION DE MODÈLES EN LOCAL AVEC OLLAMA

• Introduction à Ollama
• Passage en revue des principaux modèles locaux proposés par Ollama
• Intégration de LangChain4J avec Ollama
• Ollama, un outil à utiliser en production ?

RAG ET LES BASES DE DONNÉES VECTORIELLES

• Introduction au RAG (Retrieval Augmented Generation).
• Pourquoi les LLMs ont-ils besoin de contexte ?
• Bases de données vectorielles : qu’est-ce qu’un vecteur ?
• Génération de vecteurs avec un modèle
• Recherche de vecteurs par similarité
• Mise en pratique avec EmbeddingModel et EmbeddingStore
• Introduction à pgvector et aux nombreuses bases vectorielles du marché