LangChain4j pour débutants

April 6, 2026 · View on GitHub

LangChain4j pour débutants

Un cours pour créer des applications IA avec LangChain4j et Azure OpenAI GPT-5.2, du chat basique aux agents IA.

🌐 Support multilingue

Pris en charge via GitHub Action (Automatisé & Toujours à jour)

Préférez cloner localement ?

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

Bash / macOS / Linux :
git clone --filter=blob:none --sparse https://github.com/microsoft/LangChain4j-for-Beginners.git
cd LangChain4j-for-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
CMD (Windows) :
git clone --filter=blob:none --sparse https://github.com/microsoft/LangChain4j-for-Beginners.git
cd LangChain4j-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.

Table des matières

Démarrage rapide - Démarrez avec LangChain4j
Introduction - Apprenez les fondamentaux de LangChain4j
Conception de prompt - Maîtrisez la conception efficace de prompts
RAG (Génération augmentée par récupération) - Créez des systèmes intelligents basés sur la connaissance
Outils - Intégrez des outils externes et assistants simples
MCP (Protocole de Contexte Modèle) - Travaillez avec le Protocole de Contexte Modèle (MCP) et les modules Agentiques

Vidéos explicatives

Chaque module est accompagné d'une session en direct où nous parcourons les concepts et le code étape par étape.

Module	Vidéo
01 - Introduction	Premiers pas avec LangChain4j
02 - Conception de prompt	Conception de prompt avec LangChain4j
03 - RAG	RAG avec LangChain4j
04 - Outils & 05 - MCP	Agents IA avec Outils et MCP

Parcours d'apprentissage

Nouveau sur LangChain4j ? Consultez le Glossaire pour les définitions des termes et concepts clés.

Démarrage rapide

Forkez ce dépôt vers votre compte GitHub
Cliquez sur Code → onglet Codespaces → ... → Nouveau avec options...
Utilisez les paramètres par défaut – cela sélectionnera le conteneur de développement créé pour ce cours
Cliquez sur Créer codespace
Patientez 5-10 minutes que l'environnement soit prêt
Allez directement à Démarrage rapide pour commencer !

Après avoir complété les modules, explorez le Guide de test pour voir les concepts de test LangChain4j en action.

Note : Cette formation utilise à la fois les modèles GitHub et Azure OpenAI. Le module Démarrage rapide utilise les modèles GitHub (abonnement Azure non requis), tandis que les modules 1 à 5 utilisent Azure OpenAI. Commencez avec un compte Azure GRATUIT si vous n'en avez pas.

Apprentissage avec GitHub Copilot

Pour coder rapidement, ouvrez ce projet dans un GitHub Codespace ou votre IDE local avec le devcontainer fourni. Le devcontainer utilisé dans ce cours est préconfiguré avec GitHub Copilot pour une programmation assistée IA en binôme.

Chaque exemple de code inclut des questions suggérées que vous pouvez poser à GitHub Copilot pour approfondir votre compréhension. Cherchez les invites 💡/🤖 dans :

En-têtes de fichiers Java - Questions spécifiques à chaque exemple
README des modules - Invites d'exploration après les exemples de code

Comment utiliser : Ouvrez n'importe quel fichier de code et posez à Copilot les questions suggérées. Il a le contexte complet du code et peut expliquer, étendre et suggérer des alternatives.

Envie d'en savoir plus ? Découvrez Copilot pour la programmation assistée IA.

Ressources supplémentaires

LangChain

Azure / Edge / MCP / Agents

Série IA générative

Apprentissages fondamentaux

Série Copilot

Obtenir de l'aide

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

Si vous avez des retours produit ou des erreurs lors de la création, visitez :

Licence

Licence MIT - Voir le fichier LICENSE pour plus de détails.

Avertissement :
Ce document a été traduit à l’aide du service de traduction automatisée Co-op Translator. Bien que nous nous efforçions d’assurer l’exactitude, veuillez noter que les traductions automatiques peuvent contenir des erreurs ou des imprécisions. Le document original dans sa langue native doit être considéré comme la source faisant foi. Pour les informations critiques, une traduction professionnelle humaine est recommandée. Nous déclinons toute responsabilité en cas de malentendus ou de mauvaises interprétations résultant de l’utilisation de cette traduction.