Avancé

CrewAI : Orchestration Multi-Agents en Production — 2 jours

Formation technique intensive pour les développeurs et praticiens IA qui veulent dépasser les agents mono-tâches et construire des équipes d'agents autonomes capables de résoudre des problèmes complexes. Vous comparerez CrewAI, LangGraph et AutoGen, définirez des rôles et des tâches structurés, et livrerez un pipeline multi-agents en production automatisant un processus métier réel.

✓Inclus dans l'abonnement — 9,99 €/mois sans engagement

S'abonner — 9,99 €/mois

2 jours

14h de formation

6 modules

Max 12 participants

CrewAIMulti-AgentsLangGraphAutoGenPython

9,99 €/mois

Acces a toutes les formations · Sans engagement

Prochaine session : Juillet 2026

S'abonner — 9,99 €/mois

✓Acces illimite a toutes les formations

✓Nouveaux contenus chaque mois

✓Resiliable a tout moment

AI Act : la formation IA devient obligatoire avant le 2 aout 2026

Anticipez la mise en conformite de votre entreprise. Voir nos formations

Ce que vous allez construire et apprendre

Des competences immediatement applicables dans votre contexte professionnel

✓Comprendre les différences architecturales entre CrewAI, LangGraph et AutoGen
✓Définir des agents avec des rôles, backstories et objectifs précis
✓Composer des tâches séquentielles et parallèles avec gestion des dépendances
✓Intégrer des outils externes (web search, code, API, bases de données) dans un crew
✓Implémenter une revue humaine (human-in-the-loop) sur les décisions critiques
✓Déployer un crew en production avec monitoring, retry et observabilité

Programme detaille

6 modules · 14h de formation intensive

01CrewAI vs. LangGraph vs. AutoGen : choisir son framework

2h30

●Anatomie d'un système multi-agents : orchestrateur, workers, mémoire partagée
●CrewAI : philosophie role-based, simplicité de la définition des crews
●LangGraph : graphe d'états explicite, contrôle fin des transitions
●AutoGen : conversations entre agents, pattern GroupChat
●Critères de choix : complexité, contrôle, observabilité, écosystème
●Atelier : choisir le bon framework pour 3 scénarios métier différents

02Définir agents, rôles et tâches CrewAI

●Agent : role, goal, backstory — l'impact sur la qualité des sorties
●Tâche : description, expected_output, contexte et dépendances
●Crew : process séquentiel vs. hiérarchique, manager LLM
●Mémoire des agents : short-term, long-term, entity, contextual
●Outil natifs CrewAI : SerperDevTool, FileReadTool, CodeInterpreterTool
●Atelier : construire un crew Analyste/Rédacteur/Éditeur qui produit un article de veille

03Outils personnalisés et intégrations externes

2h30

●Créer un tool CrewAI personnalisé avec @tool décorateur
●Intégration d'API REST : wrapper pour Notion, Airtable, Slack
●Exécution de code sandboxée avec CodeInterpreterTool
●Accès bases de données : SQLite, PostgreSQL, DynamoDB depuis un agent
●Gestion des erreurs d'outils : retry, fallback, escalade vers un humain
●Atelier : ajouter un outil de scraping et un outil de base de données à un crew existant

04Pipelines complexes et human-in-the-loop

●Crew hiérarchique : manager agent qui délègue et évalue
●Pipelines : chaîner plusieurs crews avec CrewAI Flows (kickoff_for_each, router)
●Human-in-the-loop : pause pour validation humaine sur les décisions critiques
●Gestion de l'état entre étapes : mémoire partagée et artifacts
●Cas réel : pipeline de qualification de leads (recherche → scoring → rédaction → validation CRM)
●Atelier : implémenter un point de contrôle humain dans un pipeline de contenu

05Production : déploiement, monitoring et optimisation des coûts

●Observabilité avec Langfuse : traces d'agents, coût par crew, latence par tâche
●Optimisation des coûts : LLM léger pour les agents simples, Haiku pour les tâches de routing
●Retry logic et gestion des timeouts dans les crews longue durée
●Déploiement sur AWS Lambda + SQS pour les crews asynchrones
●Alerting : seuils d'erreur, cost spike detection

06Projet capstone : automatiser un processus métier complet

●Spécifier et livrer un crew autonome sur un cas métier réel
●Code review collectif : architecture, sécurité, coût
●Présentation et feedback individualisé du formateur
●Ressources, communauté CrewAI et roadmap post-formation

Programme détaillé par demi-journée

6 demi-journées · 14h de formation

Demi-journée 1 — CrewAI vs. LangGraph vs. AutoGen

Objectif : Choisir le framework multi-agents approprié selon les contraintes du projet

2h30

●Anatomie d'un système multi-agents : orchestrateur, workers, mémoire partagée, bus de messages
●CrewAI v0.80+ : philosophie role-based, YAML config, processus séquentiel vs. hiérarchique
●LangGraph : graphe d'états explicite, nœuds, edges conditionnels, checkpointing
●AutoGen 0.4 : conversation multi-agents, GroupChat, AssistantAgent vs. UserProxyAgent
●Benchmark comparatif : autonomie, contrôle, débogage, coût, adoption
●Quand choisir CrewAI : workflows bien définis, équipes d'agents stables, rapidité de prototypage

Cas pratiqueCas pratique : implémenter le même pipeline (recherche web → analyse → rédaction) dans CrewAI et LangGraph. Comparer le code, la lisibilité et les traces d'exécution. Identifier les forces et limites de chaque approche.

Evaluation : Quiz d'ancrage (8 questions) : associer des cas d'usage aux frameworks et justifier le choix

Demi-journée 1 (suite) — Agents, rôles et tâches CrewAI

Objectif : Définir des agents avec des rôles précis et composer des tâches avec dépendances

●Agent CrewAI : role, goal, backstory — comment chaque paramètre influence le comportement du LLM
●Tâche CrewAI : description, expected_output, context (dépendances entre tâches), output_file
●Crew : process séquentiel (tâches en chaîne) vs. hiérarchique (manager qui délègue)
●Mémoire des agents : short-term (dans le crew), long-term (vectorielle), entity (entités nommées), contextual
●Outils natifs CrewAI : SerperDevTool (Google Search), FileReadTool, ScrapeWebsiteTool, CodeInterpreterTool
●Débogage d'un crew : verbose mode, inspection des thoughts et des tool calls

Cas pratiqueCas pratique : construire un crew Veilleur/Analyste/Rédacteur qui recherche automatiquement les actualités IA de la semaine, les analyse et produit un article de veille en Markdown. Objectif : 0 intervention humaine, qualité > 80% au test éditorial.

Evaluation : Quiz d'ancrage (10 questions) : diagnostiquer les erreurs courantes de configuration d'un crew

Demi-journée 2 — Outils personnalisés et intégrations externes

Objectif : Créer des outils CrewAI sur mesure et les connecter à des systèmes externes réels

2h30

●Créer un outil CrewAI personnalisé avec le décorateur @tool et BaseTool
●Typage des inputs/outputs avec Pydantic pour la validation automatique
●Wrapper d'API REST : intégrer Notion, Airtable, HubSpot ou Slack comme outil d'agent
●Exécution de code sandboxée : CodeInterpreterTool avec Docker pour l'isolation
●Accès bases de données depuis un agent : SQLite (local), PostgreSQL (prod), DynamoDB (serverless)
●Gestion des erreurs d'outils : ToolException, retry automatique, escalade vers human-in-the-loop

Cas pratiqueCas pratique : ajouter deux outils personnalisés au crew de veille — (1) un outil de scoring de pertinence qui interroge une base SQLite d'articles historiques, (2) un outil de publication qui envoie l'article final vers un webhook Slack. Tester la résilience avec un mock d'API défaillante.

Evaluation : Quiz d'ancrage (8 questions) : concevoir l'interface d'un outil CrewAI pour un cas d'usage donné

Demi-journée 2 (suite) — Pipelines complexes et human-in-the-loop

Objectif : Orchestrer plusieurs crews en pipeline et intégrer des points de contrôle humain

●CrewAI Flows : orchestrer plusieurs crews avec kickoff(), kickoff_for_each(), router()
●État partagé entre crews : BaseModel Pydantic comme état du flow, persistence entre étapes
●Crew hiérarchique : manager_llm, délégation automatique, évaluation des sous-tâches
●Human-in-the-loop : human_input=True sur une tâche critique, CLI interactif vs. webhook HTTP
●Cas réel complet : pipeline de qualification de leads (Discovery crew → Scoring crew → Outreach crew → validation humaine → CRM update)
●Gestion des timeouts et circuits breakers pour les pipelines longue durée

Cas pratiqueCas pratique : implémenter le pipeline de qualification de leads en entier. Étape 1 — Discovery crew (3 agents) recherche et enrichit 10 leads fictifs. Étape 2 — Scoring crew note chaque lead sur 100. Étape 3 — point de validation humaine CLI. Étape 4 — Outreach crew rédige un email personnalisé et le marque dans un CSV CRM. Mesurer : taux de complétion, coût total, temps d'exécution.

Evaluation : Quiz d'ancrage (10 questions) : concevoir l'architecture d'un flow multi-crews pour un cas d'usage donné

Demi-journée 3 — Production, monitoring et optimisation des coûts

Objectif : Déployer un crew en production avec observabilité complète et coût maîtrisé

●Intégration Langfuse : tracer chaque thought, tool call et LLM call d'un crew automatiquement
●Métriques clés : coût par run, tokens par agent, taux d'erreur outil, latence P95
●Optimisation des coûts : affecter claude-haiku-4-5 aux agents de routing, claude-sonnet-4-6 aux agents de rédaction
●Retry logic : max_iter, max_rpm (rate limit), gestion des 429 et 500 avec backoff exponentiel
●Déploiement asynchrone : AWS Lambda (cold start < 3s) + SQS pour les crews longue durée (> 30s)
●Alerting : cost spike > 2× baseline, error rate > 5%, timeout detection

Cas pratiqueCas pratique : instrumenter le pipeline de qualification de leads avec Langfuse, identifier l'agent le plus coûteux, le remplacer par un modèle moins cher et mesurer la dégradation qualitative. Objectif : réduire le coût de 40% avec < 5% de régression qualitative.

Evaluation : Quiz d'ancrage (8 questions) : diagnostiquer un problème de coût ou de performance dans un crew en production

Demi-journée 3 (suite) — Projet capstone

Objectif : Livrer un crew autonome opérationnel sur un cas métier réel

●Spécification du cas métier par l'apprenant (parmi 3 sujets proposés ou libre choix)
●Développement guidé : architecture du crew, définition des agents et tâches, intégration des outils
●Code review collectif : lisibilité, sécurité, coût, robustesse
●Présentation en 5 minutes : démo live du crew + métriques d'exécution
●Feedback individualisé du formateur et recommandations pour aller plus loin

Cas pratiqueProjets proposés : (A) Crew de veille concurrentielle automatisée (recherche + analyse + rapport PDF) ; (B) Crew de traitement de CV (parsing + scoring + email de réponse) ; (C) Crew de support client tier-1 (classification + réponse + escalade). Chaque apprenant choisit son sujet et livre un crew fonctionnel.

Evaluation : Évaluation finale (15 questions) : valider l'ensemble des compétences du programme

Public cible et prérequis

Ce programme est fait pour vous si vous êtes

✓Développeurs Python souhaitant construire des systèmes IA autonomes
✓Ingénieurs IA ayant déjà travaillé avec des agents mono-tâches
✓Architectes logiciel cherchant à orchestrer plusieurs LLM en production
✓Data engineers voulant automatiser des pipelines complexes avec des agents

Prérequis détaillés

Niveau : Perfectionnement

●Maîtriser Python à un niveau intermédiaire (classes, décorateurs, gestion d'exceptions)
●Avoir une expérience pratique avec au moins un LLM via API (Claude, OpenAI ou équivalent)
●Comprendre le concept de tool use / function calling (avoir suivi 'Agents IA' ou équivalent)
●Python 3.11+, pip, un IDE (VS Code recommandé) et une clé API LLM disponibles

Modalités pédagogiques et moyens

Approche pédagogique

●Apprentissage par la pratique : chaque module intègre un atelier de code sur des cas métier réels
●Progressivité : du crew minimal (2 agents) au pipeline multi-crews en production
●Comparatif hands-on : les apprenants testent CrewAI, LangGraph et AutoGen sur le même scénario
●Alternance théorie (25%) / pratique sur cas réels (75%)
●Projet capstone individuel présenté en fin de formation

Moyens et ressources fournis

✓Plateforme e-learning Talki Academy avec accès post-formation (6 mois)
✓Crédits API Claude fournis pour toute la durée de la formation
✓Environnement sandbox préconfiguré : CrewAI, LangGraph, AutoGen installés, notebooks Jupyter
✓Dépôt GitHub privé avec tout le code des exercices, crews exemples et solutions commentées
✓Support de cours PDF téléchargeable (150+ pages avec diagrammes d'architecture)
✓Enregistrements vidéo des sessions (accès 6 mois)

Évaluation et suivi

Modalités d'évaluation

●Auto-positionnement en amont (questionnaire technique en ligne)
●Quiz d'évaluation à la fin de chaque module (5 quiz, seuil de réussite : 70%)
●Projet capstone : livrer un crew autonome opérationnel sur un cas métier réel
●Auto-évaluation des compétences acquises en fin de formation
●Évaluation à froid à 60 jours : questionnaire de transfert des acquis

Accompagnement

Assistance technique et pédagogique joignable entre 9h et 18h (jours ouvrés) par email à support@talki-academy.fr. Réponse sous 24h ouvrées. Accès au forum communautaire des apprenants.

Résultats de la formation

Indicateurs mesurés auprès des apprenants sur les 12 derniers mois

94%

Taux de satisfaction

89%

Taux de réussite

83%

Mise en oeuvre à J+60

☉

Accessibilité

Formation accessible aux personnes en situation de handicap. Contactez-nous à accessibilite@talki-academy.fr pour étudier les adaptations nécessaires (supports, rythme, outils).

Prochaines sessions

Places limitées à 12 participants par session

Ville / Format	Dates	Inscription
Paris	7 Juil. 2026 · 14 Oct. 2026	S'inscrire
À distance	7 Juil. 2026 · 14 Oct. 2026	S'inscrire

Parcours apprenant avant et après la formation

Avant la formation

Engagement apprenant

En amont de la formation : installez Python 3.11+, créez un compte Anthropic pour obtenir une clé API, et complétez le questionnaire de positionnement dans votre espace apprenant. Un guide de setup vous sera envoyé par email.

Après la formation

Transfert de compétences

À l'issue de la formation : accédez à vos ressources, auto-évaluez vos compétences et retrouvez votre dépôt GitHub avec tout le code produit. Un point de suivi individuel est proposé à J+30.

Pour qui est cette formation ?

Profils vises

✓Développeurs

Avancé14h · 12 personnes max

Prerequis

●Python intermédiaire (fonctions, classes, gestion d'erreurs)
●Avoir suivi 'Agents IA' ou équivalent (bases du tool use et des LLM)
●Environnement Python 3.11+ configuré

Modalites

Format

Présentiel ou distanciel — groupe de 6 à 12 personnes

Duree

2 jours (14h)

Prochaine session

Juillet 2026

Certification

Attestation de formation + templates de crews réutilisables + scripts d'observabilité

Financement

Reste à charge potentiel : 0€

Nos formations sont éligibles à la prise en charge OPCO dans le cadre du plan de développement des compétences. Selon votre OPCO (ATLAS, OPCO2i, AFDAS, AKTO...), la formation peut être financée à 100%.

✓Nous gérons les démarches administratives OPCO
✓Convention de formation et programme fournis
✓Attestation officielle en fin de formation
✓Déductible en charges pour votre entreprise

Prochaine session : Juillet 2026

CrewAI : Orchestration Multi-Agents en Production

9,99 €/mois

Abonnement mensuel

Acces a toutes les formations

Sans engagement, resiliable a tout moment

✓2 jours intensifs
✓12 participants max
✓Livrables production-ready
✓Support post-formation 30 jours

S'abonner — 9,99 €/mois Vérifier mon éligibilité OPCO

* Dans le cadre du plan de développement des compétences. Consultez votre OPCO.

Aller plus loin

Ressources vidéo recommandées

Une sélection de vidéos des meilleurs experts pour approfondir chaque module de la formation.

Module 1

45 min

CrewAI Full Tutorial: Automate YouTube with AI Agents

Brandon Hancock

Tutoriel complet CrewAI par Brandon Hancock. Construction d'un système multi-agents pour automatiser la création de contenu.

25 min

CrewAI vs AutoGen vs LangGraph

Matt Berman

Comparaison des frameworks d'orchestration multi-agents. Forces et faiblesses de chaque approche.

Module 2

50 min

CrewAI Crash Course — Build Multi-Agent Systems

Tech With Tim

Cours intensif CrewAI par Tech With Tim. De l'installation à l'orchestration multi-agents en production.

Module 3

1h12

AI Agents avec CrewAI — Conférence

Professeur Mohamed YOUSSFI

Conférence complète en français sur CrewAI. Outils personnalisés, intégrations externes et orchestration multi-agents.

Module 4

38 min

Advanced CrewAI: Flows, Tools and Memory

Brandon Hancock

Fonctionnalités avancées de CrewAI : flows, outils personnalisés et mémoire persistante entre agents.

Module 5

9 min

100% LOCAL AI Agents with CrewAI and Ollama

Tyler AI

Agents IA 100% locaux avec CrewAI et Ollama. Déploiement autonome sans dépendance cloud.

Module 6

41 min

Guide Complet n8n : Ton 1er Agent IA en 30 Minutes

Aurélien FAGIOLI

Guide complet en français pour automatiser un processus métier avec un agent IA. Projet capstone no-code.

ⓘ Ces vidéos sont des contenus externes produits par des créateurs indépendants et ne sont pas la propriété d'Academy Talki. Elles sont recommandées à titre pédagogique pour compléter et vulgariser le contenu de la formation.