Capacités IA de MuleSoft (Course #ai-capabilities)
For développeurs, architectes, product owners.
À la fin, vous saurez
À l'issue de cette formation, vous serez capable de piloter l'évaluation des capacités IA de MuleSoft — connecteurs LLM, actions Agentforce, ancrage RAG — afin que toute décision d'adoption repose sur coût, latence et risque mesurés.
Cas fil rouge
Meridian Assurance veut un assistant sinistres adossé aux données exposées par 45 API Mule ; la conformité interdit toute donnée personnelle hors zones UE, la finance plafonne le LLM à 5 k€/mois et le comité attend un verdict de pilote go/no-go sous 90 jours. À évaluer : connecteurs LLM, actions Agentforce et patterns RAG, sous garde-fous imposés à la gateway.
Programme chaque ligne est quelque chose que vous faites
8 modules · 20 sujets · dans l'ordre du cours
-
Module 1
Cartographier le paysage IA
Objectif. Positionner chaque offre IA de MuleSoft face à des critères de pilote et livrer une shortlist notée.
- Cartographier points de contact Einstein/Agentforce, fonctionnalités Anypoint AI et connecteurs IA en une vue unique
- Noter chaque offre pour un pilote assistant sinistres : signaux de maturité, résidence des données, options de sortie
-
Module 2
Appeler des LLM avec méthode
Objectif. Paramétrer les appels LLM depuis les applications Mule et benchmarker coût et latence par pattern de prompt.
- Invoquer OpenAI, Anthropic ou Azure OpenAI depuis les flows en fixant température, plafonds de tokens et timeouts
- Externaliser les prompts en actifs versionnés et comparer leurs sorties à chaque suite de régression
- Consommer le streaming par lots bornés (vidange tous les 256 Ko) pour réduire le time-to-first-token
-
Module 3
Des actions dignes de confiance
Objectif. Exposer des API Mule curatées comme actions d'agent et borner ce que chaque action peut faire.
- Enregistrer des API Mule comme actions Agentforce avec entrées/sorties typées et garanties d'idempotence
- Circonscrire chaque action (lecture seule vs transactionnelle) et répéter les opérations risquées en sandbox
-
Module 4
Data Cloud et crochets Copilot
Objectif. Évaluer les déclencheurs Data Cloud et Einstein Copilot pour des invocations de flows gouvernées et auditées.
- Relier les flows aux data spaces de Salesforce Data Cloud en alignant les clés d'identité avec les appels d'API
- Déclencher des actions Einstein Copilot depuis les événements de flow en journalisant chaque invocation pour audit
-
Module 5
L'IA en période d'essai
Objectif. Benchmarker l'assistance IA intégrée à Anypoint face à vos standards de code avant toute généralisation.
- Noter code et documentation générés sur un projet témoin à l'aune de votre checklist de revue
- Mesurer le taux d'acceptation des suggestions sans retouche (métrique cible : ≥ 60 %) sur deux sprints
- Poser les garde-fous : aucun secret dans les prompts, revue humaine obligatoire du DataWeave généré
-
Module 6
Réponses sourcées, preuves citées
Objectif. Prototyper une réponse augmentée par récupération sur le contenu d'entreprise servi via les API Mule.
- Enchaîner connecteurs de vector DB — embeddings puis recherche par similarité — derrière les API process pour ancrer les réponses
- Quantifier l'ancrage par vérification des citations (cible : ≥ 95 % des réponses citant les extraits retrouvés)
-
Module 7
Garde-fous avant passage à l'échelle
Objectif. Durcir la surface IA : défenses contre l'injection, masquage des données personnelles et quotas à la gateway.
- Red-teamer les prompts contre injection et jailbreak, en consignant les constats dans un registre de menaces
- Masquer les données personnelles avant appel au modèle et cantonner le traitement aux régions autorisées
- Appliquer quotas de tokens et filtrage de contenu à Flex Gateway (alertes à 80 % et 100 % du budget mensuel)
-
Module 8
Labs : la pile du pilote
Objectif. Livrer la pile de démonstration — API adossée à un LLM, action d'agent, garde-fous gateway — métriques à l'appui.
- Construire une API adossée à un LLM avec retries, streaming borné et réponses d'erreur structurées
- L'exposer comme action Agentforce et conduire une conversation scénarisée de bout en bout
- Sécuriser l'endpoint par policies Flex Gateway et capturer un instantané de métriques pour le verdict du pilote
Références & documentation officielle chaque affirmation ci-dessus a une source
Module 1
- Présentation de MuleSoft Agent FabricDoc MuleSoft
Module 2
- Configurer les opérations de génération de texteDoc MuleSoft
- Connecteur MuleSoft InferenceDoc MuleSoft
Module 3
Module 4
- Connecteur Salesforce Data CloudDoc MuleSoft
Module 5
- Développer des intégrations avec MuleSoft VibesDoc MuleSoft
Module 6
- Connecteur MuleSoft VectorsDoc MuleSoft