AS300 — AI Platform Engineer
Cursus intensif de 3 mois pour maîtriser Red Hat OpenShift AI (RHOAI), le déploiement de modèles LLM/ML, les pipelines MLOps/LLMOps et les applications GenAI en production.
399 heures (57 jours)
57 jours ouvrés
Red Hat Certified Specialist in AI/ML (EX267)
11 janvier 2027
→ 02 avril 2027
7 490 € TTC
TVA 20% incluse
Présentation du cursus
Le cursus AS300 — AI Platform Engineer est une formation intensive de 399 heures pour maîtriser le déploiement, l’industrialisation et l’exploitation de plateformes d’IA sur Kubernetes et Red Hat OpenShift AI.
Méthode : De l’orchestration de conteneurs jusqu’au serving LLM distribué (vLLM, KServe) et à l’alignement de modèles avec InstructLab.
Ce cursus couvre 8 cours officiels Red Hat (dont AI267 et AI296 spécifiques IA), une phase de préparation à la certification, un projet final de 105 heures sur un cas d’usage GenAI complet, et une soutenance devant jury.
Première promotion (Hiver 2027) : Ada Lovelace (11 janvier 2027 → 02 avril 2027).
Objectifs de la formation
Compétences Opérationnelles Visées
Maîtriser la chaîne complète de l'IA d'entreprise sur Kubernetes : déploiement de modèles, pipelines MLOps, LLMOps et sécurité des infrastructures IA.
À l’issue du cursus AS300, vous serez capable de :
- Maîtriser Red Hat OpenShift AI (RHOAI) pour le déploiement de modèles IA/ML en production
- Déployer et servir des modèles génératifs (LLM via vLLM) et prédictifs (OpenVINO) sur OpenShift
- Construire des pipelines de données et de modèles (MLOps/LLMOps) avec Kubeflow Pipelines
- Concevoir et déployer des applications GenAI (RAG, agents, guardrails) avec Llama Stack
- Monitorer des modèles IA avec TrustyAI (équité, fiabilité, dérive)
- Entraîner et fine-tuner des LLMs avec Red Hat Enterprise Linux AI (RHEL AI) et InstructLab
- Obtenir la certification Red Hat EX267 (Red Hat Certified Specialist in AI/ML)
Public visé
Ce cursus s’adresse aux profils souhaitant se positionner sur les infrastructures de l’intelligence artificielle :
- Profils en reconversion technique ou scientifique (mathématiques, data, physique, ingénierie) voulant maîtriser les plateformes d’IA
- Étudiants post-graduate et jeunes diplômés désireux d’acquérir une double compétence recherchée en infrastructure cloud et LLMOps
- Professionnels de l’IT et développeurs souhaitant opérer des clusters GPU et industrialiser des modèles d’entreprise
- Data Engineers et MLOps voulant déployer, superviser et sécuriser des modèles en production
Prérequis
Pour intégrer l’AS300, vous devez :
- Aisance opérationnelle en ligne de commande Linux : navigation, fichiers et permissions, utilisateurs, processus, édition avec vim/nano et utilisation de
sudo - Notions élémentaires sur les conteneurs : l’apprentissage complet d’OpenShift est intégré au cursus
- Avoir des notions de base en réseau : TCP/IP, DNS, HTTP
Programme détaillé
Programme Intensif — 399 Heures / 57 Jours
Une formation d'élite combinant socle OpenShift d'entreprise, modules avancés RHOAI & GenAI, et un projet fil rouge d'ingénierie de 105 heures.
Structure globale — 399 heures / 57 jours
| # | Cours | Intitulé du module | Jours | Heures |
|---|---|---|---|---|
| 00 | BOOTCAMP | Bootcamp RHLS + Linux fondamentaux | 2 j | 14 h |
| 01 | DO188 | Podman & Containers | 3 j | 21 h |
| 02 | DO180 | Kubernetes & OpenShift Basics | 5 j | 35 h |
| 03 | DO280 | OpenShift Administration I | 5 j | 35 h |
| 04 | DO380 | OpenShift Administration II | 5 j | 35 h |
| 05 | DO288 | OpenShift Development | 5 j | 35 h |
| 06 | DO322 | OpenShift Installation Lab | 2 j | 14 h |
| 07 | AI267 | Red Hat OpenShift AI (RHOAI) | 5 j | 35 h |
| 08 | AI296 | GenAI Fundamentals + Granite + RHEL AI | 3 j | 21 h |
| 09 | PREP | Préparation intensive à la certification EX267 | 5 j | 35 h |
| 10 | EXAM | Passage certification officielle Red Hat EX267 | 1 j | 7 h |
| 11 | PROJET | Projet pratique d'ingénierie IA & MLOps en équipe | 15 j | 105 h |
| 12 | JURY | Soutenance devant jury de professionnels | 1 j | 7 h |
| Total cursus | 57 jours | 399 heures | ||
Phase Red Hat (8 cours)
231h (58%)
Bootcamp, prépa & jury
63h (16%)
Projet d'ingénierie
105h (26%)
Ratio Cours / Projet
74 / 26
Module 0 — Bootcamp RHLS & Fondamentaux Linux (14h / 2 jours)
RHLS & Fondamentaux Linux
🎯 Objectif pédagogique
Naviguer dans le système de fichiers Linux, éditer des fichiers et prendre en main l'environnement de formation Red Hat (RHLS).
📚 Programme détaillé par chapitre
- Pt.1 Prise en main de la plateforme RHLS
- Pt.2 Ligne de commande Linux (navigation, manipulation)
- Pt.3 Édition de texte (vim/nano)
- Pt.4 Gestion des utilisateurs, privilèges (`sudo`) et permissions
Module 1 — DO188 : Podman & Containers (21h / 3 jours)
Podman & Containers
🎯 Objectif pédagogique
Construire, exécuter et gérer des conteneurs isolés avec Podman, et assurer la persistance des données.
📚 Programme détaillé par chapitre
- Ch.1 Introduction et vue d'ensemble des conteneurs
- Ch.2 Bases de Podman : gérer et exécuter des conteneurs
- Ch.3 Images de conteneurs : naviguer dans les registres
- Ch.4 Images personnalisées : construire avec Containerfile
- Ch.5 Persistance des données : conteneurs de bases de données
- Ch.6 Dépannage des conteneurs : journaux et débogueur distant
- Ch.7 Applications multi-conteneurs avec Podman Compose
- Ch.8 Orchestration K8s/OpenShift
- Ch.9 Révision complète (Compreview)
Module 2 — DO180 : Kubernetes & OpenShift Basics (35h / 5 jours)
Kubernetes & OpenShift Basics
🎯 Objectif pédagogique
Déployer, gérer et dépanner des applications conteneurisées sur un cluster OpenShift.
📚 Programme détaillé par chapitre
- Ch.1 Introduction à Kubernetes et OpenShift : identifier les services principaux et surveiller
- Ch.2 CLI et APIs : accéder à OpenShift et interroger les ressources API
- Ch.3 Conteneurs et pods : exécuter et dépanner des apps en tant que pods
- Ch.4 Applications managées et en réseau : déployer et exposer au réseau
- Ch.5 Stockage et configuration : volumes persistants et gestion des secrets
- Ch.6 Fiabilité : haute disponibilité avec liveness/readiness probes
- Ch.7 Mises à jour applicatives : updates reproductibles et rollbacks
- Ch.8 Révision complète (Compreview)
Module 3 — DO280 : OpenShift Administration I (35h / 5 jours)
OpenShift Administration I
🎯 Objectif pédagogique
Configurer et administrer les composants vitaux d'un cluster OpenShift.
📚 Programme détaillé par chapitre
- Ch.1 Gestion déclarative des ressources (YAML/Kustomize)
- Ch.2 Applications packagées (Helm)
- Ch.3 Authentification et autorisation (RBAC/HTPasswd)
- Ch.4 Sécurité réseau (NetworkPolicies)
- Ch.5 Exposition d'applications non-HTTP/SNI
- Ch.6 Self-service développeur par équipe
- Ch.7 Gestion des opérateurs (OLM)
- Ch.8 Sécurité applicative (SCC)
- Ch.9 Mises à jour du cluster
- Ch.10 Révision complète (Compreview)
Module 4 — DO380 : OpenShift Administration II (35h / 5 jours)
OpenShift Administration II
🎯 Objectif pédagogique
Automatiser les opérations "Jour 2" et configurer le monitoring.
📚 Programme détaillé par chapitre
- Ch.1 Identity Management (LDAP/OIDC)
- Ch.2 Sauvegarde et restauration (OADP)
- Ch.3 Pod Scheduling
- Ch.4 OpenShift GitOps (ArgoCD)
- Ch.5 Supervision OpenShift (Prometheus/Grafana)
- Ch.6 Journalisation (Logging stack)
- Ch.7 Partitionnement du cluster
- Ch.8 Révision complète (Compreview)
Module 5 — DO288 : OpenShift Development (35h / 5 jours)
OpenShift Development
🎯 Objectif pédagogique
Concevoir, construire et déployer des applications cloud-natives sur OpenShift.
📚 Programme détaillé par chapitre
- Ch.1 OpenShift pour les développeurs : architecture et environnement
- Ch.2 Déploiement d'applications simples
- Ch.3 Construction et publication d'images de conteneurs
- Ch.4 Gestion des builds OpenShift
- Ch.5 Stratégies de déploiement et monitoring de la santé
- Ch.6 Applications multi-conteneurs (Templates, Helm, Kustomize)
- Ch.7 Déploiement continu avec OpenShift Pipelines (Tekton)
- Ch.8 Comprehensive Review
Module 6 — DO322 : OpenShift Installation Lab (14h / 2 jours)
OpenShift Installation Lab
🎯 Objectif pédagogique
Planifier et exécuter l'installation automatisée d'un cluster OpenShift complet.
📚 Programme détaillé par chapitre
- Pt.1 Installation IPI et UPI, sur cloud provider et environnement virtualisé, validation post-installation
Module 7 — AI267 : Red Hat OpenShift AI — RHOAI (35h / 5 jours)
Red Hat OpenShift AI — RHOAI
🎯 Objectif pédagogique
Déployer des environnements IA, construire des pipelines de données et servir des modèles MLOps/LLMOps.
📚 Programme détaillé par chapitre
- Ch.1 Introduction à RHOAI : plateforme de construction, déploiement et surveillance de modèles IA
- Ch.2 Workbenches Jupyter : créer et gérer des environnements de développement IA/ML
- Ch.3 Fondamentaux du service de modèles (KServe) : modes de déploiement, routes, ressources
- Ch.4 Service de modèles génératifs (LLM via vLLM) et prédictifs (OpenVINO)
- Ch.5 Supervision des modèles avec TrustyAI : fiabilité, équité, métriques de dérive
- Ch.6 Introduction aux pipelines de Data Science (Kubeflow) : automatiser les workflows IA/ML
- Ch.7 Développement avancé de pipelines Kubeflow : composants conteneurisés, artefacts, expérimentations
- Ch.8 Sélection, optimisation et évaluation de LLMs : catalogue RHOAI, Red Hat AI repository
- Ch.9 Construction d'applications GenAI : RAG, agents, Llama Stack
Module 8 — AI296 : GenAI Fundamentals + Granite + RHEL AI (21h / 3 jours)
L'IA Générative et l'Alignement Open Source
GenAI Fundamentals + Granite + RHEL AI
🎯 Objectif pédagogique
Entraîner, optimiser et évaluer des modèles de langage (LLMs) à l'aide des outils Red Hat.
📚 Programme détaillé par chapitre
- Ch.1 Fondamentaux de l'IA Générative : cas d'usage, limites, modèles de fondation, stratégies d'adaptation
- Ch.2 Modèles Granite pour l'entreprise : positionnement, évaluation de l'adéquation aux cas d'usage
- Ch.3 Entraînement de LLMs avec Red Hat Enterprise Linux AI (RHEL AI) : InstructLab, fine-tuning, génération de données synthétiques
- Ch.4 Déploiement de modèles avec RHEL AI : vLLM comme runtime d'inférence, release de modèles
Module 9 — Préparation à la certification (35h / 5 jours)
Préparation à la certification Red Hat EX267
🎯 Objectif pédagogique
Consolider les acquis techniques et se préparer aux conditions réelles de passage de l'examen officiel Red Hat EX267 (Red Hat Certified Specialist in AI/ML).
📚 Programme détaillé par chapitre
- Pt.1 Révisions intensives ciblées sur les objectifs de l'examen EX267 (RHOAI, Model Serving, Pipelines)
- Pt.2 Ateliers pratiques de troubleshooting et remédiation d'incidents IA sous pression
- Pt.3 Examens blancs en temps limité avec contraintes réelles (sans accès internet externe)
- Pt.4 Débriefing individuel et renforcement personnalisé sur les points de fragilité
Module 10 — Passage certifications (7h / 1 jour)
Passage de l'examen officiel Red Hat EX267
🎯 Objectif pédagogique
Valider officiellement les compétences acquises en obtenant la certification Red Hat Certified Specialist in AI/ML (EX267).
Module 11 — Projet final (105h / 15 jours)
Projet Pratique d'Ingénierie IA & Rituels Agiles
Mise en pratique en conditions réelles : cadrage d'architecture IA, déploiement OpenShift AI, pipelines MLOps/LLMOps et soutenance devant jury.
Projet pratique d'ingénierie IA & MLOps en équipe
🎯 Objectif pédagogique
Concevoir, déployer, sécuriser et exploiter une plateforme IA/ML complète sur OpenShift AI (RHOAI) hébergeant des pipelines MLOps, du serving de LLM (vLLM) et des applications RAG intelligentes.
📚 Déroulement par phase & sprints
- J1–J3 Setup & Cadrage : Constitution des équipes, initialisation GitOps, provisioning OpenShift, déploiement RHOAI & outillage
- J4–J6 Sprint 1 : Ingestion/préparation des données, entraînement/fine-tuning (Workbenches) et pipelines Kubeflow
- J7–J9 Sprint 2 : Model Serving (vLLM, OpenVINO, KServe), intégration applicative (RAG, Agents) et chaîne d'inférence
- J10–J11 Sprint 3 : Monitoring IA (TrustyAI), garde-fous éthiques, observabilité et sécurisation des endpoints
- J12–J14 Finalisation : Livrables documentaires, Code Freeze et dry-run des soutenances orales
- J15 Préparation finale : Répétitions et alignement final avant passage devant le jury
Module 12 — Jury & Validation (7h / 1 jour par groupe)
Soutenance devant jury de professionnels
🎯 Objectif pédagogique
Démontrer l'acquisition globale des compétences d'ingénierie de plateforme IA lors d'une soutenance professionnelle en conditions réelles.
📚 Déroulement de la soutenance
- Phase 1 Présentation de l'architecture IA, des choix techniques et des pipelines MLOps
- Phase 2 Démonstration live fonctionnelle : inférence temps réel, modèle fine-tuné et garde-fous TrustyAI
- Phase 3 Session approfondie de Questions / Réponses avec le jury d'experts
- Phase 4 Délibération du jury, débriefing collectif et communication des résultats
Indicateurs de résultats & Engagements de performance
Organisme en lancement : Conformément à la réglementation de la formation professionnelle, Aperta Scientia est un organisme nouvellement déclaré (NDA
11 78 89002 78). Les données statistiques consolidées seront publiées dès la fin de la première promotion.
| Indicateur de Performance | Objectif cible 2027 | Modalité de recueil |
|---|---|---|
| Taux d’assiduité / complétion | ≥ 90 % | Émargement dématérialisé Edusign (399h) |
| Satisfaction globale des apprenants | ≥ 85 % | Enquête à chaud de fin de cursus |
| Satisfaction des entreprises | ≥ 85 % | Enquête tuteurs & commanditaires |
| Réussite aux certifications Red Hat | ≥ 75 % | Examens officiels Red Hat |
| Insertion professionnelle à 6 mois | ≥ 80 % | Enquête de suivi d’insertion à froid |
| Taux d’abandon | ≤ 5 % | Suivi et prévention des décrochages |
Technologies & Versions Cibles
Technologies officielles enseignées dans la version 2026.08-3 du cursus.
Red Hat OpenShift AI (RHOAI)
v3.3 / v2.25+Plateforme d'entreprise IA/ML complète & Llama Stack Operator (AI267)
vLLM
v0.8+ / v0.7+Moteur d'inférence LLM haute performance & PagedAttention
InstructLab
v0.22+Méthode LAB & fine-tuning open source de LLMs (AI296)
RHEL AI & Granite Models
Granite 3.0/3.1 & RHEL AI 1.3+Modèles fondation d'entreprise et environnement serveur d'inférence
KServe & ModelMesh
v0.14+Serving serverless multi-modèles et autoscaling GPU
OpenVINO Model Server
v2025.1+Accélération matérielle et optimisation CPU/GPU/NPU
Kubeflow Pipelines
v2.4+Orchestration reproductible des workflows de données et de modèles
LangChain & LlamaIndex
LangChain v0.3+ / LlamaIndex v0.12+Frameworks d'orchestration d'agents IA et pipelines RAG avancés
Bases Vectorielles
Milvus 2.5+ / Chroma 0.6+ / pgvectorStockage et recherche sémantique haute performance
TrustyAI
v1.32+Explicabilité, détection des biais et garde-fous éthiques IA
PyTorch
v2.6+ / v2.5+Framework de Deep Learning standard pour l'entraînement et l'inférence
Sessions & Promotions 2027
Formations intensives de 399 heures réparties sur 59 jours ouvrés incluant 3 jours de jurys de soutenance individuelle. Clôture recommandée des candidatures à J-28 pour l'instruction des dossiers et financements. Les dates sont prévisionnelles et peuvent être sujettes à changements*.
Promotion Ada Lovelace
AS300-2027-WIN-RMT-FR-01
Jalons clés du cursus
Cohort Alan Turing
AS300-2027-WIN-RMT-EN-01
Jalons clés du cursus
Promotion Claude Shannon
AS300-2027-SPR-RMT-FR-02
Jalons clés du cursus
Cohort John von Neumann
AS300-2027-SPR-RMT-EN-02
Jalons clés du cursus
Promotion Margaret Hamilton
AS300-2027-AUT-RMT-FR-03
Jalons clés du cursus
Cohort Larry Wall
AS300-2027-AUT-RMT-EN-03
Jalons clés du cursus
* Les dates et plannings indiqués sont donnés à titre prévisionnel et peuvent être sujets à modifications selon l'organisation des promotions.
Informations pratiques & Modalités
Objectifs de la formation
Détaillés dans le programme pédagogique ci-dessus.
Prérequis
- ✓ Aisance opérationnelle en ligne de commande Linux : navigation, fichiers et permissions, utilisateurs, processus, édition avec vim/nano et utilisation de sudo
- ✓ Notions élémentaires sur les conteneurs (l'apprentissage complet d'OpenShift est intégré au cursus)
- ✓ Notions de base en réseau : TCP/IP, DNS, HTTP
Public visé
- → Personnes souhaitant devenir ingénieur de plateforme IA
- → Ingénieurs et scientifiques d'autres domaines visant une reconversion tech
- → Professionnels IT avec base OpenShift souhaitant acquérir des compétences IA/ML
- → Data Engineers ou ML Engineers souhaitant opérer des plateformes IA sur Kubernetes
- → DevOps/Platform Engineers souhaitant intégrer l'IA dans leurs pipelines
Durée et calendrier
Durée : 399 heures (57 jours)
Structure : 57 jours ouvrés consécutifs (hors fériés)
Format : Distanciel — 7h effectives par jour (classe virtuelle synchrone et labs pratiques RHLS)
Horaires journaliers : 9h00 – 12h30 & 14h00 – 17h30 (7h / jour, 35h / semaine)
Démarrage : 11 janvier 2027
Modalités et délais d'accès
Formation en distanciel (classe virtuelle interactive et labs pratiques). Inscription par formulaire de contact ou directement par email à [email protected]. Entretien de positionnement préalable pour validation des prérequis.
Délai d'accès : sous 4 semaines après validation du dossier et des prérequis. Dates d'ouverture de promotion communiquées sur le site et par email.
Tarif 2027 et financements
Tarif 2027 : 7 490 € TTC
TVA 20% incluse
Financements éligibles : OPCO, plan de développement des compétences, transition professionnelle, financement individuel ou entreprise. Nous contacter
Méthodes pédagogiques et évaluation
Méthodes mobilisées
Pédagogie active et itérative : alternance théorie → pratique immédiate sur labs cloud RHLS. Cas d'usage Data Science de bout en bout sur notebooks Jupyter. Ateliers d'ingénierie de prompt, fine-tuning sur jeux de données réduits, déploiement de pipelines MLOps/LLMOps. Projet final en équipe avec rituels agiles.
Modalités d'évaluation
Évaluation continue : Guided Exercises (GE), quiz Compreview en fin de module, exécution réussie de pipelines d'inférence. Évaluation finale : examen officiel Red Hat EX267 (Red Hat Certified Specialist in AI/ML) 100% pratique, puis soutenance de projet devant jury de professionnels.
Accessibilité & Handicap (PSH)
Référent Handicap ([email protected])
Aperta Scientia s'engage à rendre ses formations accessibles aux personnes en situation de handicap (PSH). Contactez-nous avant l'inscription pour que nous puissions étudier ensemble les aménagements nécessaires (supports adaptés, temps supplémentaire, accompagnement spécifique).
Référent handicap : [email protected]
Indicateurs de résultats
Taux de satisfaction
Données disponibles à l'issue de la 1re promotion
Taux de réussite
Données disponibles à l'issue de la 1re promotion
Taux d'insertion
Données disponibles à l'issue de la 1re promotion
Les indicateurs de résultats seront publiés à l'issue de la première promotion (janvier–mars 2027).