AWS Events. Cette courte intervention nomme les moments métier où un contrôle humain est nécessaire : décisions à forts enjeux, actions irréversibles, exigences réglementaires, phases de construction de la confiance, cas limites ambigus et dégradation maîtrisée. Elle montre aussi des mécanismes de mise en œuvre concrets, notamment les sollicitations MCP, les attentes de callback dans Step Functions et les nœuds d’approbation.
Les noms des services AWS et les fonctionnalités en préversion peuvent changer. Retenez les critères de décision et le schéma pause/reprise, puis mettez en œuvre les mêmes contrôles avec l’infrastructure que vous exploitez réellement.
Comprendre comment mettre en œuvre les points d’approbation comme des contrôles explicites du flux de travail, plutôt que comme une vérification manuelle informelle après un incident.
Avoir une certaine expérience des flux de travail événementiels, de l’orchestration dans le cloud ou de l’intégration entre agents et outils.
Dernière révision : 19 mai 2026
Continuez dans le même parcours d’apprentissage avec les prochaines vidéos d’accompagnement sélectionnées.
32 minutesApprendre à introduire l’IA dans la localisation sans retirer aux humains la responsabilité du sens, du ton, de la terminologie et de l’approbation finale.
30 minutesComprendre les déclencheurs, les actions et le flux d'automatisation simple avant d'ajouter l'IA à un processus métier.
17 minutesExpliquer le concept d'« économie de l'attention » et citer une technique de conception utilisée pour capter l'attention.
Des cours externes sélectionnés pour approfondir ce sujet.
Anthropic AcademyAnthropic Academy
Le protocole de contexte des modèles (MCP) remplace progressivement les intégrations ponctuelles d'outils dans tout l'écosystème de l'IA. Apprenez-le directement à la source. À la fin, vous aurez construit et déployé votre propre serveur MCP, connecté un client LLM et compris pourquoi cette norme est ce qui se rapproche le plus de l'USB-C dans ce domaine.
DeepLearning.AIJoão Moura (Founder, CrewAI)
Doubles as our sales and customer-support vertical pick and a genuinely practical agent-building course: you build an agentic sales pipeline (lead scoring, personalized outreach) and a customer-support data-insights pipeline as two of the five hands-on projects, taught by CrewAI's own founder. Requires basic Python, so it sits with our other builder-track courses rather than the no-code picks.
Hugging FaceHugging Face
La présentation la plus claire et la plus ouverte des systèmes agentiques. Elle s'appuie sur les trois frameworks que les ingénieurs évaluent réellement — smolagents, LlamaIndex et LangGraph — plutôt que sur la pile d'un seul fournisseur. Le cours se conclut par une évaluation comparative et un classement public, offrant un résultat vérifiable par votre équipe.
