Objectifs de la formation

• Comprendre l’environnement CrewAI et ses divers concepts
• Programmer des tâches de prompt de l’intelligence artificielle et les synchroniser
• Appréhender la syntaxe du langage Python pour construire des équipes CrewAI
• Maîtriser les mécanismes de collaboration et intégrer des outils externes pour rendre les agents autonomes

---

Programme de la formation

Introduction et concepts clés de l’IA

• Les fondamentaux et introduction à l’IA.
• Agent IA : définition, composants (modèle de langage, mémoire, outils, planification).
• Système multiagent (SMA) : avantages (spécialisation, robustesse, complexité).
• Aperçu des frameworks d’orchestration (CrewAI, LangChain, AutoGen).

CrewAI : l’orchestrateur d’équipes d’agents IA

• Les fondamentaux de l’IA Agent et premiers pas avec CrewAI.
• Les bases de la programmation par agents avec CrewAI.

Travaux pratiques

Mise en place de l’environnement CrewAI pour créer un premier agent.

CrewAI : focus sur la collaboration

• Les concepts fondamentaux de CrewAI.
• Agent : définition des rôles, des objectifs et de la personnalité.
• Task (tâche) : définition de l’objectif à atteindre et des outils nécessaires.
• Crew (équipe) : l’orchestrateur de la collaboration, définition des processus (séquentiel versus hiérarchique).
• Le rôle du manager ou de l’orchestrateur.

Travaux pratiques

Installation et configuration de CrewAI, configuration de l’environnement Python (pip, venv). Installation de la librairie CrewAI. Configuration des clés API (OpenAI ou autres modèles locaux/ouverts).

Création d’un agent et de tâches simples

• Création d’un premier agent.
• Code pas-à-pas pour instancier un agent.
• Implémentation des attributs : rôle, goal, backstory, verbose.
• Bonnes pratiques de prompt engineering pour définir un rôle efficace.
• Définir et exécuter des tâches statiques.
• Définition d’une task simple avec un seul agent.
• Exécution d’une crew simple avec une seule tâche et un seul agent.
• Analyse du processus d’exécution (l’agent réfléchit, exécute la tâche, donne le résultat).

Travaux pratiques

Objectif : créer un agent capable de générer un contenu court sur un sujet donné. Mise en application des concepts.

Collaboration interagents

• Mise en place d’une équipe de base.
• Création de deux agents aux rôles distincts (ex : chercheur et analyste).
• Définition de tâches en séquence.
• Instanciation de la crew avec un processus séquentiel (Process.sequential).

Maîtriser le langage de collaboration

• Comment les agents communiquent-ils ?
• Optimisation de la consigne (task) pour assurer un bon transfert d’information.
• Débogage des erreurs de collaboration (boucle infinie, mauvaise sortie).

Travaux pratiques

Construire une équipe dans laquelle un agent rassemble l’information et l’autre la synthétise.

Intégration d’outils et autonomie

• Le concept des outils (tools).
• Qu’est-ce qu’un tool dans CrewAI : capacités d’action externes.
• Utilisation d’outils prédéfinis : Google Search Tool avec crewai-tools.
• Assignation des outils aux agents.
• Création d’un outil personnalisé.
• Les bases de la création d’une classe BaseTool.
• Définir la description et la fonction de l’outil.
• Intégration de l’outil personnalisé dans un agent.

Travaux pratiques

Créer une équipe, par exemple un journaliste et un éditeur, dans laquelle l’agent journaliste utilise un outil de recherche pour collecter des faits avant de rédiger son article, et l’éditeur corrige le style.

Processus avancés et bonnes pratiques

• Structuration avancée et cas d’usage.
• Processus hiérarchique (Process.hierarchical).
• Comprendre le rôle du manager dans un processus hiérarchique.
• Quand utiliser l’approche hiérarchique ?
• Exemple de mise en œuvre.
• Gestion des sorties et des livrables.
• Extraction structurée des résultats (Pydantic models ou formats JSON).
• Gestion de l’historique et des étapes intermédiaires.
• Ajout de la validation et des conditions logicielles.

Travaux pratiques

Concevoir un système hiérarchique dans lequel un manager délègue une analyse à plusieurs agents, puis consolide leurs rapports pour prendre une décision.

Optimisation, éthique et futures étapes

• Optimisation et amélioration.
• Gestion des coûts et des performances : choix du Modèle de langage (LLM) par agent.
• Utiliser un modèle léger pour les tâches simples, un modèle puissant pour l’analyse.
• Techniques pour réduire les tokens et les appels API.
• Introduction aux mémoires : ajout de persistance des connaissances.
• Patterns de conception recommandés pour les équipes CrewAI.
• Considérations éthiques : biais, responsabilités, et transparence des actions d’agents autonomes.
• Sécurité et gestion des données sensibles lors de l’utilisation d’outils.

Travaux pratiques

Lancement d’un projet réaliste (ex : création d’un plan marketing complet).