microsoft/ai-agents-for-beginners

microsoft/ai-agents-for-beginners has 79,380 GitHub stars and 25,997 forks. GitHot measured +74 stars in 24 hours and +470 in 7 days. Last checked 2026-11-11 04:23 UTC. Last push 2026-10-31.

Comment ces chiffres sont mesurés

18 leçons pour commencer à créer des agents d’IA

79,380 étoiles 25,997 forks +74 in 24h

Progression mesurée des étoiles

in 24h: +74
in 7 days: +470
in 15 days: Mise à jour retardée
in 1 month: Mise à jour retardée

Variations nettes sur des périodes qui se chevauchent, pas des totaux quotidiens. Les mesures absentes restent vides. Les étoiles indiquent l’intérêt, pas la qualité.

translations/fr/README.md

Original

Agents IA pour Débutants - Un cours

Agents IA pour Débutants

Un cours enseignant tout ce que vous devez savoir pour commencer à construire des agents IA

🌐 Support Multilingue

Traductions maintenues avec Co-op Translator

Vous préférez cloner localement ?

Ce dépôt inclut plus de 50 traductions ce qui augmente considérablement la taille du téléchargement. Pour cloner sans les traductions, utilisez le sparse checkout :

Bash / macOS / Linux :
git clone --filter=blob:none --sparse https://github.com/microsoft/ai-agents-for-beginners.git
cd ai-agents-for-beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
CMD (Windows) :
git clone --filter=blob:none --sparse https://github.com/microsoft/ai-agents-for-beginners.git
cd ai-agents-for-beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
Cela vous donne tout ce dont vous avez besoin pour compléter le cours avec un téléchargement bien plus rapide.

Pour d'autres options linguistiques, voir les langues prises en charge par Co-op Translator.

🌱 Pour Commencer

Ce cours contient des leçons couvrant les fondamentaux de la création d'Agents IA. Chaque leçon aborde un sujet spécifique, commencez donc où vous voulez !

Il y a un support multilingue pour ce cours. Consultez nos langues disponibles ici.

Si c'est votre première fois à construire avec des modèles d'IA Générative, consultez notre cours IA Générative Pour Débutants, qui comprend 21 leçons sur la construction avec GenAI.

N'oubliez pas de étoiler (🌟) ce dépôt et de fork ce dépôt pour exécuter le code.

Rencontrez d'autres apprenants, obtenez des réponses à vos questions

Si vous êtes bloqué ou avez des questions sur la construction d'Agents IA, rejoignez notre canal Discord dédié dans le Microsoft Foundry Discord.

Ce dont vous avez besoin

Chaque leçon de ce cours comprend des exemples de code, que vous pouvez trouver dans le dossier code_samples. Vous pouvez fork ce dépôt pour créer votre propre copie.

Les exemples de code dans ces exercices utilisent Microsoft Agent Framework avec Microsoft Foundry Agent Service V2 :

Microsoft Foundry - Compte Azure requis

Ce cours utilise les cadres et services d'agents IA suivants de Microsoft :

Certains exemples de code prennent aussi en charge des fournisseurs alternatifs compatibles OpenAI tels que MiniMax, qui offre des modèles à contexte large (jusqu'à 204K tokens). Voir la mise en place du cours pour les détails de configuration.

Pour plus d'informations sur l'exécution du code pour ce cours, consultez la mise en place du cours.

🙏 Vous voulez aider ?

Avez-vous des suggestions ou avez-vous trouvé des erreurs d'orthographe ou de code ? Ouvrez un problème ou Créez une pull request

📂 Chaque leçon comprend

Une leçon écrite située dans le README et une courte vidéo
Des exemples de code Python utilisant Microsoft Agent Framework avec Microsoft Foundry
Des liens vers des ressources supplémentaires pour continuer votre apprentissage

🗃️ Leçons

Leçon	Texte & Code	Vidéo	Apprentissage Supplémentaire
Introduction aux Agents IA et Cas d'utilisation des agents	Lien	Vidéo	Lien
Exploration des cadres agentiques IA	Lien	Vidéo	Lien
Compréhension des modèles de conception agentique IA	Lien	Vidéo	Lien
Modèle de conception d'utilisation d'outils	Lien	Vidéo	Lien
Agentic RAG	Lien	Vidéo	Lien
Construire des Agents IA fiables	Lien	Vidéo	Lien
Modèle de conception de planification	Lien	Vidéo	Lien
Modèle de conception multi-agent	Lien	Vidéo	Lien
Modèle de conception de métacognition	Lien	Vidéo	Lien
Agents IA en production	Lien	Vidéo	Lien
Utilisation des protocoles agentiques (MCP, A2A et NLWeb)	Lien	Vidéo	Lien
Ingénierie du contexte pour Agents IA	Lien	Vidéo	Lien
Gestion de la mémoire agentique	Lien	Vidéo
Exploration du Microsoft Agent Framework	Lien
Construction d'agents d'utilisation informatique (CUA)	Lien		Lien
Déploiement d'agents évolutifs	Lien		Lien
Création d'agents IA locaux	Lien		Lien
Sécurisation des agents IA	Lien		Lien

🎒 Autres cours

Notre équipe produit d'autres cours ! Découvrez :

LangChain

Azure / Edge / MCP / Agents

Série IA Générative

Apprentissage Fondamental

Série Copilot

🌟 Remerciements à la communauté

Merci à Shivam Goyal pour avoir contribué d’importants exemples de code démontrant Agentic RAG.

Contribution

Ce projet accueille les contributions et suggestions. La plupart des contributions requièrent que vous acceptiez un Accord de Licence de Contributeur (CLA) déclarant que vous avez le droit, et que vous accordez effectivement, les droits d’utilisation de votre contribution. Pour plus de détails, visitez https://cla.opensource.microsoft.com.

Lorsque vous soumettez une pull request, un bot CLA déterminera automatiquement si vous devez fournir un CLA et décorera la PR en conséquence (par exemple, vérification de statut, commentaire). Suivez simplement les instructions fournies par le bot. Vous n’aurez besoin de le faire qu’une seule fois pour tous les dépôts utilisant notre CLA.

Ce projet a adopté le Code de conduite pour les projets open source Microsoft. Pour plus d’informations, consultez la FAQ du Code de conduite ou contactez [email protected] pour toute question ou commentaire supplémentaire.

Marques déposées

Ce projet peut contenir des marques ou logos de projets, produits ou services. L’utilisation autorisée des marques ou logos Microsoft est soumise à et doit suivre les Directives sur les marques commerciales et les marques de Microsoft. L’utilisation des marques ou logos Microsoft dans des versions modifiées de ce projet ne doit pas causer de confusion ni laisser entendre un parrainage de Microsoft. Toute utilisation de marques ou logos tiers est soumise aux politiques de ces tiers.

Obtenir de l’aide

Si vous êtes bloqué ou avez des questions sur la création d’applications IA, rejoignez :

Si vous avez des retours sur les produits ou rencontrez des erreurs lors de la création, visitez :

Avertissement : Ce document a été traduit à l'aide du service de traduction automatique Co-op Translator. Bien que nous nous efforçions d'assurer l'exactitude, veuillez noter que les traductions automatisées peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue native doit être considéré comme la source faisant autorité. Pour les informations critiques, il est recommandé de recourir à une traduction professionnelle réalisée par un humain. Nous ne saurions être tenus responsables des malentendus ou erreurs d'interprétation découlant de l'utilisation de cette traduction.

Explorer des projets similaires

affaan-m/ECC

Système d'optimisation des performances du framework d'exécution et de contrôle des agents. Il couvre les skills, les instincts, la mémoire, la sécurité et le développement qui privilégie la recherche, pour Claude Code, Codex, Opencode, Cursor et au-delà.

301,296 étoiles