Construire un agent IA permettant la rédaction de mémo d’investissement

Formation à destination des professionnels du Private Equity, Private Debt, Immobilier, Venture, Infra avec des connaissances en développement (Python).

Objectifs pédagogiques

Dans ce cours, vous apprendrez à créer un agent IA complet, capable d’assister les équipes dans la rédaction de mémos d’investissement.

À l’issue de ce module, vous serez capable de :

• Comprendre la logique interne d’un agent IA
• Ingestion et préparation des données
• Recherche d’information via RAG (Retrieval Augmented Generation)
• Génération de contenu structuré
• Intégration dans des modèles prédéfinis (Word / PowerPoint)
• Contrôle qualité et vérification du rendu

Contenu

Le module est organisé en 6 séquences courtes, chacune centrée sur une notion technique clé :

1. Conception globale de la chaîne IA (9 min)

La construction d’une chaîne IA en partant de la définition de l’architecture fonctionnelle cible et de ses composants nécessaires pour produire un mémo d’investissement. Un zoom est ensuite fait sur la partie RAG, qui illustre comment l’agent s’appuie sur une base documentaire et sélectionne les passages pertinents avant génération. Le flux global de traitement est détaillé, de la question de l’utilisateur jusqu’à la réponse finale, en montrant l’articulation entre données, modèle et restitution. Enfin, les choix technologiques sont présentés, avec Python 3.13 et Poetry pour l’environnement, Mistral AI et Atomic-Agents pour l’IA, ainsi que ChromaDB et divers formats de stockage pour la gestion des données.

2. Mise en place de la logique d’agent IA et outils associés (15 min)

Cette section explique comment préparer l’environnement de développement, depuis l’installation des outils nécessaires (VSCode, Python, Poetry, Git) et la vérification de la connexion Internet, jusqu’à la récupération du code source fourni par BODIC Learning, à décompresser et ouvrir dans l’IDE. Il détaille ensuite la configuration des accès aux modèles d’IA via les clés API, puis l’organisation du workspace avec une structure claire séparant code, données et configurations. Enfin, il décrit l’installation des dépendances avec Poetry et la réalisation d’un test simple pour s’assurer du bon fonctionnement de l’ensemble.

3. Mise en place de la logique d’agent IA et outils associés (16 min)

Cette session présente la mise en place de la logique d’un agent IA à l’aide du framework Atomic-Agent, en détaillant son organisation interne, la gestion des échanges entre l’utilisateur, la base de connaissances et le modèle, ainsi que l’usage du dépôt open-source associé. Elle explore ensuite les différentes briques du code, avec les modules dédiés au traitement des données, la gestion des prompts et des interactions avec le modèle, et l’architecture logicielle pensée pour accompagner l’évolution du projet.

4. Ingestion & préparation des données (16 min)

Cette étape décrit le processus d’ingestion et de préparation des données, depuis la collecte de différentes sources comme les comptes-rendus, les KPIs, les documents financiers ou les pitch decks, jusqu’à leur transformation en formats structurés enrichis de métadonnées pour être exploitables par les modèles. Elle se conclut par l’indexation et la vectorisation, qui consistent à découper les documents en passages pertinents, à les transformer en vecteurs pour une recherche efficace et à les relier aux prompts dans le cadre d’un processus RAG.

5. Génération du mémo et export (15 min)

Cette session est consacrée à la génération d’un mémo d’investissement sous la forme d’un One Pager produit uniquement à partir des documents fournis, avec un modèle IA français et sans recours à des sources externes. Le contenu s’appuie sur un template prédéfini qui assure une mise en page claire et homogène, puis est construit grâce à l’IA en intégrant les extraits pertinents issus de la base documentaire. Enfin, une étape de contrôle qualité permet de vérifier la complétude, la cohérence du style et le respect du format, avec d’éventuels ajustements avant la diffusion finale.

6. Ouverture & next steps (7 min)

Cette dernière partie propose un bilan de la formation en soulignant les avancées réalisées, avec une chaîne complète allant de l’ingestion des données à l’export automatisé, mais aussi certaines limites comme la nécessité de vérifications manuelles, l’absence d’interface utilisateur ou un RAG encore simpliste. Elle ouvre ensuite sur les évolutions possibles, qu’il s’agisse d’améliorer la traçabilité, la cohérence et l’expérience utilisateur, ou encore de travailler sur le déploiement et la montée en charge. La conclusion clôture le module en invitant les participants à partager leurs retours et à poser leurs questions pour finaliser la session.

Format

• Durée estimée : 78 minutes de contenu en ligne interactif

• Inclus : Synthèse PDF téléchargeable, code source