🏆SFEIR est le Google Cloud EMEA Training Partner of the Year 2025🤝Nouveau partenariat : Formations GitLab officielles🤖Nouvelle formation : Développeur Augmenté par l'IA
🏆SFEIR est le Google Cloud EMEA Training Partner of the Year 2025🤝Nouveau partenariat : Formations GitLab officielles🤖Nouvelle formation : Développeur Augmenté par l'IA
GCPSPARKSPERFENG

Formation Ingénierie des performances pour les systèmes autonomes sur Google Cloud

Cette formation propose un guide forensique de l'ingénierie des performances, déplaçant l'attention opérationnelle de la surveillance passive des systèmes vers un réglage et un débogage actifs au niveau du code sur le Google Cloud Agent Platform. Les participants apprendront à isoler les ruptures logiques en production à l'aide du cadre Failure Quartet, en évaluant les traces d'exécution selon les quatre piliers (Brain, Past, Hands et Perimeter) afin d'éliminer la taxe de latence (Latency Tax) du système.

La formation comble l'écart entre une vérification subjective des systèmes « au ressenti » et une optimisation continue et quantitative. Les apprenants maîtriseront des méthodes de diagnostic technique avancées, des DAG de gouvernance parallélisés et le journal de bord du pilote (Pilot's Logbook) de jeux de données de référence (Golden Datasets) nécessaires au maintien de systèmes autonomes performants, garantissant une fiabilité absolue de l'IA tout en protégeant le ROI de l'infrastructure d'entreprise.

Google Cloud
✓ Formation officielle Google CloudNiveau Intermédiaire⏱️ 0.5 jour (3h)

Ce que vous allez apprendre

  • Dans le Module 1 : auditer les traces en direct pour trouver exactement où et pourquoi un agent échoue en production. (Analyser)
  • Dans le Module 2 : corriger les temps de réponse lents et les erreurs de logique à l'aide de l'élagage du contexte et de schémas d'outils précis. (Appliquer)
  • Dans le Module 3 : évaluer la sûreté et la conformité des agents à l'aide de métriques claires et quantitatives plutôt que par approximation. (Évaluer)
  • Dans le Module 4 : construire un journal de bord maître de jeux de données de référence (golden datasets) pour empêcher la dégradation des performances au fil du temps. (Créer)
  • Dans le Module 5 : évaluer la compréhension des concepts fondamentaux du cours à travers des questions basées sur des scénarios de production. (Évaluer)

Prérequis

  • Construction d'agents fondamentaux : expérience de l'aide à la construction de l'infrastructure sous-jacente de l'agentivité autonome.
  • Rôle en architecture système : aisance à naviguer dans les architectures cloud, car la formation passe rapidement au diagnostic forensique.
  • La réalisation préalable du cours « Agentic Infrastructure for the Autonomous Enterprise on Google Cloud » est fortement recommandée.
  • Utile de connaître : infrastructure et sécurité (familiarité avec les garde-fous de périmètre cloud et les couches de sécurité système).
  • Utile de connaître : orchestration des API et des données (comprendre comment les workflows se connectent aux API externes et aux boucles de récupération de données).
  • Utile de connaître : le SDK Google Cloud pour Python (capacité à lire et interpréter des scripts d'exécution programmatiques de base).
  • Utile de connaître : les bases de BigQuery (comprendre comment exécuter des requêtes de base pour l'analyse des tendances de performance).
  • Utile de connaître : le dépannage de systèmes (familiarité avec les méthodologies de base d'analyse forensique de traces ou de journalisation).

Public cible

  • Ingénieurs AIOps / MLOps : responsables du diagnostic forensique, du réglage et de la certification des performances des agents au sein du Google Cloud Agent Platform., Architectes de plateforme IA / cloud : chargés de concevoir des topologies d'agents stables et évolutives et de sécuriser les garde-fous du périmètre., Responsables des opérations IA / d'ingénierie : chargés de traduire la télémétrie technique des performances (comme la Logic Faithfulness) en registres de capacité métier et en indicateurs de ROI présentables en comité de direction., En somme, toute personne responsable de l'opérationnalisation, du renforcement et de la justification financière des flottes d'agents autonomes en tant qu'actifs d'entreprise à forte valeur.

Programme de la Formation

5 modules pour maîtriser les fondamentaux

Objectifs
  • Isoler les défaillances racines : associer directement les erreurs d'exécution au pilier spécifique du Failure Quartet (Brain, Past, Hands ou Perimeter) à l'origine de la panne.
  • Diagnostiquer les raisonnements perdus : réaliser une analyse forensique des traces pour identifier le moment exact où un agent dévie de son chemin d'exécution logique.
  • Corriger les goulots d'étranglement de latence : identifier et éliminer l'erreur de la « force brute » où le surprovisionnement de tokens de calcul détruit les temps de réponse du système.
Sujets abordés
  • →Le Failure Quartet (théorie)
  • →La taxe de latence (la contrainte)
  • →L'analyse des traces (l'outil)
Activités

1 cas d'usage

2 démonstrations

Objectifs
  • Remédier à la saturation de la mémoire : appliquer l'élagage du contexte et la synthèse des tokens pour que l'agent reste strictement concentré sur des données pertinentes et à forte valeur.
  • Éliminer les erreurs d'exécution : structurer les schémas d'outils et la documentation des API pour que l'agent exécute du code externe sans saut de logique.
  • Alléger les prompts : utiliser la distillation des instructions pour réduire des instructions système volumineuses et coûteuses en une logique d'exécution concise et déterministe.
Sujets abordés
  • →Régler le Past (optimisation de la récupération)
  • →Régler les Hands (raffinement des appels d'outils)
  • →Régler le Brain (distillation des instructions)
Activités

2 cas d'usage

2 démonstrations

Objectifs
  • Remplacer les contrôles au ressenti : déployer des fiches d'évaluation de sûreté quantitatives pour mesurer la conformité à l'aide de métriques strictes et reproductibles plutôt que par approximation.
  • Optimiser la latence de sécurité : régler les couches de sûreté de la plateforme pour atteindre une protection maximale des données sans provoquer de latence perceptible par l'utilisateur.
  • Maîtriser le Human-in-the-Loop : déployer un workflow d'intervention basé sur un score de confiance pour solliciter un humain uniquement lorsque le score logique de l'agent chute.
Sujets abordés
  • →La RAI comme métrique de performance (conformité)
  • →Régler le Perimeter (sécurité de la passerelle)
  • →Le tampon HITL forensique (boucle humaine)
Activités

1 cas d'usage

2 démonstrations

Objectifs
  • Construire une base de référence de performance : constituer un journal de bord maître de « Golden Datasets » qui servira de vérité terrain absolue pour les tests.
  • Automatiser les défenses : établir une boucle de rétroaction automatisée qui signale et corrige la dérive logique dès qu'un agent commence à se dégrader en production.
  • Prouver le ROI financier : traduire la télémétrie technique en indicateurs présentables au conseil d'administration qui démontrent des gains réels de capacité pour l'entreprise face aux coûts de l'infrastructure cloud.
Sujets abordés
  • →Le journal de bord du pilote (Golden Datasets)
  • →L'optimisation continue (CI/CO)
  • →La feuille de route du réglage des performances
Activités

1 cas d'usage

2 démonstrations

Objectifs
  • Évaluer la compréhension des concepts fondamentaux du cours à travers des questions basées sur des scénarios.
Sujets abordés
  • →Révision des concepts fondamentaux
Activités

5 questions à choix multiples basées sur des scénarios

Formations associées

Google Cloud

Infrastructure agentique pour l'entreprise autonome sur Google Cloud

Ce cours propose un guide technique permettant aux architectes de solutions de passer de la création de chatbots isolés au déploiement de travailleurs IA persistants, activés par Gemini Enterprise, sur Google Cloud. Les participants maîtriseront la conception de la mémoire agentique, l'orchestration d'outils pilotée par API et la gouvernance de l'infrastructure à l'aide de la Google Cloud Agent Platform, y compris l'Agent Platform Reasoning Engine pour la gestion de l'état persistant et les Agent Extensions pour l'intégration départementale. Les apprenants dépasseront le stade de l'« Instructional Hope » pour aller vers l'application technique, en construisant la « Paved Road » nécessaire pour orchestrer des flottes multi-agents et sécuriser les identités non humaines.

0.5 j
Intermédiaire
Google Cloud

Observabilité des agents sur Google Cloud

Ce cours propose un guide appliqué de niveau intermédiaire pour opérationnaliser les agents d'IA, en se concentrant spécifiquement sur l'obtention d'une confiance en production et d'une prévisibilité des coûts pour les workflows propulsés par Gemini sur Google Cloud. Les participants apprendront la méthodologie et les compétences concrètes nécessaires pour transformer la logique non déterministe des agents en systèmes transparents, auditables et évolutifs. Le cours couvre les disciplines opérationnelles fondamentales, notamment la mise en correspondance du processus de réflexion complexe de l'agent (boucles ReAct) avec les spans de Cloud Trace pour le débogage, la mise en œuvre de métriques de sécurité basées sur les logs (Logs-Based Security Metrics) pour la conformité, ainsi que la configuration d'alertes exploitables et de tableaux de bord personnalisés dans Cloud Monitoring pour contrôler de manière proactive les dépassements de coûts et la dérive de qualité. Le cours s'appuie sur des présentations, des visites guidées visuelles et des discussions stratégiques pour garantir un apprentissage efficace et directement applicable à l'écosystème Agent Platform.

0.5 j
Intermédiaire
Google Cloud

Opérationnaliser les agents d'IA sur Google Cloud

Cette formation dote les professionnels techniques et les architectes cloud des compétences spécialisées nécessaires pour déployer, gérer et optimiser des agents d'IA autonomes à grande échelle dans un environnement d'entreprise. Elle couvre la taxonomie fondamentale et le cycle de vie opérationnel de l'IA agentique, les modèles de conception multi-agents, les cadres de gouvernance et de sécurité d'entreprise, ainsi que des métriques d'évaluation avancées couvrant l'ensemble de la pile (full-stack). Les participants apprendront à tirer parti des services Google Cloud, tels que Gemini Enterprise Agent Platform, Google Kubernetes Engine (GKE) Autopilot et Spanner Graph, pour construire des systèmes multi-agents autonomes sécurisés, évolutifs et économiques qui génèrent de la valeur métier tout en atténuant les risques opérationnels, d'identité et économiques.

0.5 j
Avancé
Voir toutes les formations →

Prochaines sessions

Aucune date ne vous convient ?

Nous organisons régulièrement de nouvelles sessions. Contactez-nous pour connaître les prochaines dates disponibles ou pour organiser une session à la date de votre choix.

S'inscrire à une date personnalisée

Processus Qualité

L'engagement de SFEIR Institute : une démarche d'excellence pour garantir la qualité et la réussite de toutes nos formations. En savoir plus sur notre démarche qualité

Méthodes pédagogiques mobilisées
  • Lectures / Apports théoriques (Slides) — Présentation de concepts via des supports visuels (PowerPoint, PDF).
  • Démonstration technique (Démos) — Le formateur réalise une manipulation ou une procédure devant les apprenants.
  • Étude de cas — Analyse d'une situation réelle ou fictive d'entreprise pour en tirer des solutions.
  • Quiz / QCM — Test rapide de connaissances (format papier ou numérique type Kahoot/Klaxoon).
Dispositif d'évaluation et de suivi

L'atteinte des objectifs de la formation est évaluée à plusieurs niveaux pour garantir la qualité de la prestation :

  • Évaluation continue des acquis : Vérification des connaissances tout au long de la formation via des méthodes participatives (en fonction de la formation: quiz, exercices pratiques, mises en situation) sous la supervision du formateur.
  • Mesure de la progression : Dispositif d'auto-évaluation comparatif comprenant un diagnostic initial pour situer le niveau de départ, suivi d'une évaluation finale pour valider l'évolution des compétences.
  • Évaluation de la qualité : Questionnaire de satisfaction en fin de session pour mesurer la pertinence et l'efficacité de la formation ressentie par les participants.

Questions fréquentes

Aux ingénieurs AIOps et MLOps, aux architectes de plateformes IA et cloud, et aux responsables des opérations IA ou d'ingénierie : toute personne chargée d'opérationnaliser, de renforcer et de justifier financièrement des flottes d'agents autonomes.
Une expérience de la construction de l'infrastructure d'agents autonomes et une aisance avec les architectures cloud. Il est fortement recommandé d'avoir suivi Infrastructure agentique pour l'entreprise autonome sur Google Cloud.
Vous auditerez des traces en direct pour identifier où et pourquoi un agent échoue en production, vous corrigerez les temps de réponse lents et les erreurs de logique grâce à l'élagage du contexte et à des schémas d'outils précis, vous évaluerez la sûreté et la conformité des agents avec des indicateurs quantitatifs, et vous constituerez un journal de jeux de données de référence pour empêcher la dégradation des performances.
C'est le cadre de diagnostic utilisé dans la formation pour isoler les ruptures de logique en production. Il évalue les traces d'exécution selon quatre piliers, le Brain, le Past, les Hands et le Perimeter, afin d'éliminer la « Latency Tax » du système.
La formation dure 3 heures et est animée par un formateur SFEIR Institute. Chaque module s'appuie sur des cas d'usage et des démos, et la formation se termine par un quiz de questions basées sur des scénarios.
Oui. Il s'agit d'une formation officielle Google Cloud Sparks dispensée par SFEIR Institute, partenaire certifié Google Cloud Training.

790€ € HT

par apprenant

RéserverDevis