Dans ce module, vous endosserez le rôle d’architecte en chef chez Praxis AI afin de relever des défis complexes d’orchestration pour deux clients distincts. Tout d’abord, vous remettrez sur pied l’assistant de voyage Urban Hop en mettant en œuvre le modèle « Planner-Executor », qui sépare le raisonnement de haut niveau de l’exécution déterministe afin de garantir la fiabilité du système. Ensuite, vous endosserez le rôle d’ingénieur en fiabilité des sites (SRE) pour Global Freight, en utilisant le traçage distribué et l’observabilité pour diagnostiquer et corriger les conditions de concurrence dans un moteur logistique à forte concurrence. À la fin de ce module, vous maîtriserez les modèles architecturaux nécessaires à la construction de systèmes agentiques qui ne sont pas seulement intelligents, mais aussi prévisibles, évolutifs et faciles à déboguer.

Dans ce module, vous aborderez la complexité de la mémoire persistante dans les systèmes distribués. Vous endosserez le rôle d’ingénieur système chez Global Freight afin de résoudre des conditions de concurrence critiques de type « Lost Update » à l’aide de Redis et du verrouillage pessimiste. Parallèlement, vous endosserez le rôle d’architecte IA chez Urban Hop, où vous mettrez en œuvre des magasins vectoriels (destinés à la « Retrieval Augmented Generation », également appelée RAG) ainsi que des stratégies d’optimisation de la mémoire afin de doter votre agent d’une capacité de rappel sémantique à long terme sans saturer la fenêtre de contexte.

Dans ce dernier module, nous allons passer de la fonctionnalité à la viabilité. Vous passerez du rôle d’architecte IA à celui d’ingénieur en fiabilité des sites (SRE) chez Global Freight Co., où vous devrez résoudre des problèmes critiques dans un environnement de préproduction en production. Le système est actuellement opérationnel sur le plan technique, mais non viable sur le plan commercial en raison de graves failles de sécurité (fuites de données à caractère personnel) et d’une utilisation inefficace des ressources (coûts élevés et latence importante). Vous commencerez par sécuriser le système à l’aide des mécanismes de protection natifs du SDK Agents afin d’intercepter et de masquer les données sensibles. Ensuite, vous optimiserez les performances en mettant en œuvre des stratégies de mise en cache et l’orchestration des modèles afin de réduire la latence et les coûts, garantissant ainsi que le système est prêt pour un déploiement en production.