Aller au contenu principal
  • Cours pratique
  • Informatique

Formation Quarkus AI

Demander un devis
Une formatrice accompagne deux participants penchés sur leurs notes, en salle de formation
Durée
3 jours
Niveau
Intermédiaire
Modalités
Présentiel / Distanciel

Description de la formation Quarkus AI

Quarkus est idéal pour les applications IA. Il offre une intégration native de l'IA générative via LangChain4j, prend en charge les services d'IA déclaratifs, divers LLM et l'ingénierie avancée des prompts. Il gère également l'IA prédictive et l'automatisation des pipelines de données grâce à des kits d'outils ML pour des flux de travail ETL et d'intégration évolutifs.

L'expérience de développement optimisée par l'IA de Quarkus garantit des démarrages rapides, une faible consommation de mémoire et un noyau réactif pour l'IA native du cloud. Il accélère le développement grâce au codage en direct, une pile Java unifiée et une observabilité/sécurité robuste pour des services d'IA fiables.

Cette formation présente les nouvelles extensions, les nouveaux supports de Quarkus pour l’IA ainsi que les principaux cas d’usage des LLMs dans les applications modernes

Atelier en salle : une participante présente des notes au tableau

Objectifs pédagogiques

Objectif pédagogiques :

À l’issue de cette formation Quarkus AI, les participants seront capables de :

  • Identifier les différents types de supports proposés par Quarkus pour l’IA et repositionner le vocabulaire de l’IA
  • Comprendre l’impact de l’IA générative sur le métier de développeur et sur les nouveaux types d’applications d’entreprise
  • Utiliser l’intégration native de l’IA générative via LangChain4j dans Quarkus
  • Exploiter l’ingénierie avancée des prompts et les services d’IA déclaratifs
  • Mettre en œuvre des applications IA cloud native bénéficiant des performances, de la faible consommation mémoire et du noyau réactif de Quarkus
  • S’appuyer sur l’observabilité et la sécurité de Quarkus pour construire des services d’IA fiables

Objectifs opérationnels

Objectif opérationnel :

Savoir concevoir, développer et intégrer des applications Quarkus exploitant l’IA générative, l’IA prédictive et les nouveaux services d’IA proposés par Quarkus dans un contexte cloud native, performant, sécurisé et observable.

Programme

Contenu du cours

Jour 1 – Fondamentaux et développement assisté par l’IA

IntroductionRappels Quarkus : Extensions, Dev Services, Cloud Native,
AI Generative : LLMs, Prompt, Token, Embedding…
L’impact de l’AI générative sur le développement d’applications
Introduction à LangChain4j : rôle, fonctionnement, avantages.
Le support pour l’intégration de l’IA dans les applications QuarkusDéveloppement assisté par l’IASupport de MCP dans Quarkus, intégration dans les IDEs
Les apports de l’extension Chapie, intégration dans le workspace
Résolution d’Exception, génération de tests documentation, implémentation de TODO, explication de code
Intégration Chapie dans les autres extensions QuarkusTravaux pratiquesMise en place de Chapie dans l’environnement de développement

Jour 2 – Interaction avec les LLMs et LangChain4j

Appels REST aux APIs de LLMsUtilisation des APIs OpenAI, Mistral, Anthropic, etc.
Gestion des clés API et sécurité
Construction et optimisation des prompts
Parsing et traitement des réponsesTravaux pratiquesObjectif : Construire un service REST qui interagit avec un LLM.
Description : Création d’un endpoint /chat avec configuration dynamique des options du modèle.Exécution de LLMs locaux avec Ollama

Installation et configuration d’Ollama
Chargement et gestion de modèles open source (Llama 3, Mistral, Phi-3, etc.)
Interaction via LangChain4J ou API locale
Avantages et contraintes des modèles locaux

Travaux pratiquesObjectif : Connecter une application Quarkus à un modèle Ollama local.
Description : Créer un service local “/ask” qui interroge Ollama. Quelle latence et qualité de réponse comparer avec les APIs cloud ?Quarkus et LangChain4j : simplifier l’intégration IAPrésentation du framework LangChain4j
Gestion des chaînes et contextes conversationnels
Intégration native avec Quarkus (quarkus-langchain4j)
Comparaison entre API directe et usage de LangChain4jTravaux pratiquesObjectif : Créer un agent conversationnel basique avec LangChain4j et Quarkus.
Description : Implémentation d’un agent qui appelle plusieurs endpoints pour répondre à une question métier.
Quelle différence d’approche entre LangChain4j et un simple appel REST ?

Jour 3 – Agents, RAG et IA multimodale

Agents, Tools et exécution de tâches complexesNotions de Tool, Chain et Agent
Création d’agents avec LangChain4j
Utilisation des outils (par ex. recherche, calcul, base de données)
Orchestration de workflows IATravaux pratiquesObjectif : Développer un agent capable de planifier et exécuter plusieurs actions selon une requête complexe.
Description : Mise en œuvre d’un agent Quarkus capable d’interagir avec un système externe. Quels outils lui donner pour réussir sa mission ?Retrieval-Augmented Generation (RAG) avec QuarkusPrincipes du RAG (indexation, embeddings, recherche vectorielle)
Intégration avec les bases vectorielles : Qdrant, Chroma, Milvus
Utilisation du support natif Quarkus pour la recherche vectorielle
Association RAG + LangChain4J pour un agent contextuel completTravaux pratiquesObjectif : Construire une application RAG complète avec Quarkus.
Description : Indexation d’un corpus documentaire, recherche contextuelle, génération enrichie. Comment valider la pertinence des résultats ?Ouverture vers l’IA multimodalePrésentation des modèles de génération d’images (Stable Diffusion, Flux, SDXL…)
Appels aux APIs Hugging Face et OpenAI (images, audio, TTS, STT)
Utilisation de LangChain4J pour orchestrer des pipelines multimodaux
Gestion des retours binaires et intégration dans une app web Quarkus
Notions de filtrage de contenu et de modérationTravaux pratiquesObjectif : Créer un microservice Quarkus qui génère une image ou une voix à partir d’un texte.
Description : Implémentation d’un endpoint /generate-media interrogeant un modèle d’image ou de TTS (Hugging Face / OpenAI). Quelle architecture adopter pour traiter et renvoyer des médias efficacement ?

Travaux pratiques

80 % de travaux pratiques et de démonstration.

Programme mis à jour le 14/01/2026

Formations liées