Nos formations pour vos projets

Comprendre le fonctionnement, les capacités et les limites des grands modèles de langage.

Définir métriques, logs et alertes pertinents pour superviser applications et pipelines.

Maîtriser Git au quotidien : branches, merge, rebase, workflows collaboratifs (Git Flow, trunk-based).

Créer, exécuter et publier des conteneurs : images, Dockerfile, volumes, réseaux, registres.

Intégrer la sécurité en continu dans le cycle DevOps : shift-left, SAST/DAST, culture partagée.

Identifier les enjeux business et l'outillage IA pertinent pour son organisation.

Collecter, indexer et visualiser les logs applicatifs avec la suite Elastic.

Optimiser images et builds multi-stage, orchestrer avec Docker Compose, sécuriser l'exécution.

Comprendre la culture, les principes (CALMS) et les apports du DevOps dans le cycle de vie applicatif.

Mettre en place une chaîne d'intégration continue complète avec pipeline, qualité de code et tests automatisés.

Premiers repères sur l'IA et l'apprentissage automatique, sans prérequis techniques.

Découvrir l'architecture Kubernetes et déployer ses premières applications : pods, services, deployments.

Détecter et corriger les vulnérabilités du code avec SonarQube et les référentiels OWASP.

Mettre en place la collecte de métriques, PromQL, alerting et tableaux de bord Grafana.

Installer, configurer et administrer Jenkins ; concevoir des pipelines déclaratifs.

Administrer un cluster : scaling, ingress, stockage, ConfigMaps/Secrets, mises à jour progressives.

Concevoir une stratégie d'automatisation robuste : locators, waits, Page Object Model.

Comprendre la logique algorithmique qui sous-tend les systèmes d'IA.

Passer du monitoring à l'observabilité : traces, métriques, logs et APM.

Décrire son infrastructure en HCL et provisionner des ressources multi-cloud avec Terraform.

Évaluer les enjeux d'une stratégie de conteneurisation : cas d'usage, sécurité, organisation.

Construire des pipelines GitLab CI/CD : stages, runners, artefacts, environnements et déploiements.

Durcir images, runtime et cluster : scan d'images, RBAC, network policies, secrets.

Approfondir le langage HCL : modules, variables, state, workspaces et bonnes pratiques d'industrialisation.

Parcours intensif pour acquérir l'ensemble du socle IA en une semaine.

Instrumenter ses applications avec le standard OpenTelemetry : traces distribuées, métriques et export vers les backends.

Industrialiser la gestion de configuration et les déploiements applicatifs avec Ansible dans un pipeline CI/CD.

Atelier intensif : concevoir de bout en bout l'infrastructure as code d'un projet réel.

Protéger la chaîne logicielle : gestion des secrets, signature d'artefacts, supply chain security.

Maîtriser Python et ses bibliothèques pour développer des applications d'IA.

Définir des indicateurs et objectifs de service, gérer un budget d'erreur, organiser l'astreinte et les post-mortems sans blâme. Articulation avec les pratiques DevOps existantes.

Gérer la configuration de parcs de serveurs avec manifests, modules et Puppet Server.

Comprendre l'évolution du DevOps vers le platform engineering : IDP, golden paths, self-service développeur.

Mettre en œuvre le pattern GitOps : Git comme source de vérité, synchronisation et rollback avec ArgoCD.

Maîtriser les dépendances et l'intégrité des artefacts : génération de SBOM, niveaux SLSA, signature et vérification. Exigences issues du Cyber Resilience Act et de NIS2.

Déployer une plateforme conteneurisée sur Azure (AKS) avec Terraform et les pratiques GitOps.

Mettre en œuvre CI/CD, IaC et supervision sur AWS : CodePipeline, CloudFormation, CloudWatch.