Partie 1 │ Comprendre les tendances du LLM

Chapitre 1 : L'émergence du LLM et la transformation de l'écosystème de l'IA
1.1 La naissance du LLM
1.2 L'évolution du LLM : LLM multimodal
1.3 Développement du LLM : passage à l’échelle supérieure
1.4 L'évolution du LLM : élargissement du rôle de l'open source et de la communauté

Chapitre 2 : L’évolution du LLM et l’émergence des agents d’IA
__2.1 L'émergence de o1
____2.1.1 Comparaison de GPT-4o et o1
____2.1.2 Comprendre o1 à travers des scénarios
2.2 L'émergence des agents d'IA

Partie 2 │ Comprendre les agents d'IA

Chapitre 3 : Le concept d'agents IA
__3.1 Qu'est-ce qu'un agent IA ?
3.2 Comparaison des agents LLM, RAG et IA

Chapitre 4 : Configuration et fonctionnement des agents d’IA
4.1 Composants de l'agent IA
4.2 Fonctionnement des agents d'IA
4.3 Types d'agents

Chapitre 5 Modèles de conception d'agents d'IA
5.1 Modèles de réponse
__5.2 Modèles de planification
__5.3 Modèles d'utilisation des outils
5.4 Modèle multi-agents
Modèle d'incitation CoT 5.5

Chapitre 6 Cadre d'agent IA
__6.1 Autogénération
__6.2 Chaîne de langage
__6.3 Langgraph
6.4 IA de l'équipage
__6.5 Indice Rama
__6.6 AutoGPT

Partie 3 : Utilisation d'agents d'IA

Chapitre 7 : Se préparer à utiliser des agents d’IA
7.1 Configuration de l'environnement Colab
____7.1.1 Connexion à Colab
____7.1.2 Utilisation de Colab
____7.1.3 Accès à Google Drive
7.2 Émission de clés API
7.2.1 Générer une clé API OpenAI
____7.2.2 Génération d'une clé API Tavily
____7.2.3 Génération d'une clé API Langsmith
____7.2.4 Génération d'une clé API Serper

Chapitre 8 : Mise en œuvre des agents d’IA
__8.1 Agent Langchain
____8.1.1 Fonctionnement de l'agent d'IA Langchain
8.1.2 Implémentation d'un agent avec Langchain
__8.2 AutoGPT
__8.3 Autogénération
____8.3.1 Comprendre le concept d'autogénération
____8.3.2 Implémentation d'un agent avec Autogen
__8.4 Indice Rama
____8.4.1 Comprendre le concept de l'indice Rama
____8.4.2 Implémentation d'un agent avec RamaIndex
8.5 IA de l'équipage
____8.5.1 Comprendre le concept d'IA de l'équipage
____8.5.2 Création d'un agent avec l'IA de l'équipage
8.6 Utilisation de Langgraph
____8.6.1 Comprendre le concept de Langgraph
____8.6.2 Création d'un agent avec LangGraph

Chapitre 9 : Débogage et évaluation d’agents à l’aide de Langsmith
__9.1 Qu'est-ce que Langsmith ?
__9.2 Utilisation de Langsmith
____9.2.1 Débogage
____9.2.2 Intégration de LangGraph au débogage
____9.2.3 Évaluation des performances
____9.2.4 Surveillance

Partie 4 │ Agent copilote M365

Chapitre 10 : M365 Copilot et agent M365 Copilot
__10.1 M365 Copilot
____10.1.1 Fonctionnalités du copilote M365
____10.1.2 Fonctionnement de Copilot
__10.2 Agent Copilote M365

Chapitre 11 : Comparaison des agents M365 Copilot et des agents d’IA
__11.1 Limitations de l'agent copilote M365
__11.2 Agent copilote M365 vs. Agent IA

Recherche

N'importe qui peut apprendre rapidement et facilement à utiliser les agents d'IA et divers frameworks !
Introduction aux agents IA : apprenez par la pratique ! Un seul livre vous permettra de découvrir rapidement les concepts, les applications et la pratique !

Ce livre aborde les concepts d'agents d'IA et les cadres de travail associés.
N'importe qui peut apprendre à créer des agents d'IA en utilisant différents frameworks.
Ce seul ouvrage vous permettra d'apprendre plus efficacement en comprenant les concepts fondamentaux des agents d'IA, en maîtrisant les cadres d'utilisation de ces concepts et en implémentant divers agents d'IA grâce à eux.

[concept]

Explorez les tendances LLM et découvrez les concepts et les modèles de conception des agents d'IA.
• Approfondissons notre compréhension des changements survenus dans les écosystèmes LLM et IA et examinons la question de l'évolutivité.
Nous examinerons comment mettre en œuvre des agents LLM et IA et quels services peuvent être développés.

[Cadre]

ㆍ Présentation de différents frameworks tels que LangChain, LangGraph, RamaIndex et LangSmith.
• Mettre en œuvre des agents d'IA qui puissent réellement être utilisés dans chaque framework.
ㆍ Comparez les agents IA et les agents Microsoft 365 (M365) Copilot.

Les différents scénarios pratiques proposés dans ce livre : Création d’agents d’IA à l’aide de huit frameworks.
Apprenez à implémenter différents agents d'IA dans des frameworks tels que LangChain, LangGraph, LangSmith, AutoGen, AutoGPT, CrewAI, RamaIndex et M365 Copilot.
Il se compose d'exemples de base qui fonctionnent dans Koreb afin que chacun puisse facilement les suivre.

[Langchain] ReAct zéro-shot, ReAct conversationnel, Auto-question avec recherche, ReAct docstore
[Langgraph] Recherche d'informations utilisant Tavily, l'agent ReAct, RAG et l'agent de recherche, multi-agent
[Crew AI] Recherche de données et création de contenu, recherche de données sur des chaînes YouTube spécifiques
ㆍ [AutoGen] Agent de questions-réponses, création de deux agents assistants ou plus
ㆍ [AutoGPT] Utilisation de l'agent AutoGPT comme « mentor de code »
[RamaIndex] Création d'un agent de recherche de documents PDF et de calcul mathématique
[Langsmith] Débogage, évaluation des performances et surveillance
[M365 Copilot] Analyse comparative de M365 Copilot et des agents d'IA

[Préface de l'auteur]

Après le LLM, l'intérêt pour les agents IA s'accroît.
Pourquoi se tourne-t-on vers les agents IA ? L’automatisation est essentielle. LLM, en tant que modèle de langage, est spécialisé dans la génération de contenu.
Bien sûr, l'activité humaine commence par la création de contenu.
Créer du contenu pour réaliser des vidéos promotionnelles, envoyer des e-mails ou donner des conférences.
Vous pouvez également utiliser RAG pour vérifier l'état de livraison de votre commande ou consulter les vols disponibles.
Mais est-il possible d'effectuer des tâches comme la réservation de billets d'avion en utilisant uniquement un LLM ? Cela est possible grâce à un agent d'IA.
Dans ce livre, nous aborderons les méthodes les plus fondamentales pour la mise en œuvre de tels agents d'IA.
Nous présentons différents frameworks permettant d'implémenter des agents d'IA.
Nous expliquons comment implémenter des agents d'IA dans différents frameworks, notamment LangChain, LangGraph, AutoGPT et AutoGen.