Formation Introduction à l’intelligence artificielle : outils & enjeux
| 1 490€ HT / personne |
| 2 jours (14 heures) |
Présentation
L’intelligence artificielle, après avoir bouleversé de nombreux domaines scientifiques, a commencé à révolutionner un grand nombre de secteurs économiques (industrie, médecine, communication, etc.). Néanmoins, sa présentation dans les grands médias relève souvent du fantasme, très éloignée de ce que sont réellement les domaines du Machine Learning ou du Deep Learning. L’objet de cette formation est de présenter ces approches et ce qu’elles apportent dans la résolution de problèmes considérés comme « intelligents ».
Un grand nombre d’applications sont présentées, du traitement de données brutes à la création de contenus « originaux » en passant par le contrôle d’agents, la classification automatisée ou l’approximation d’une donnée pour faciliter sa compréhension et sa manipulation.
Enfin, nous aborderons les sujets de l’opportunité et de la méthodologie de mise en oeuvre de tels projets. Le Deep Learning connaît comme tout outil de nombreuses limites, et son application suppose une réelle méthode pour comprendre, contrôler et garantir un résultat final de qualité.
Comme toutes nos formations, celle-ci vous présentera la dernière version stable de la technologie et ses nouveautés.
Objectifs
- Présentation des concepts fondamentaux du deep learning
- Étude des principaux algorithmes et applications pratiques du deep learning
- Détail des différentes étapes de mise en oeuvre d’un projet, de la construction du dataset à l’industrialisation
Public visé
Développeurs, Chef de projet, Architectes, Big Data Data analyst / Data Scientist
Pré-requis
- Connaissance de base en mathématique et statistique
Pour aller plus loin
- Nous vous proposons en introduction un séminaire sur l’Intelligence Artificielle
- En complément la technologie Pytorch de Facebook ou TensorFlow de Google
Programme de notre formation : Introduction à l’intelligence artificielle, outils & enjeux
[Jour 1 – Matin]
Fondations de l’IA : du Machine Learning à la révolution de l’IA Générative
- Démystifier l’intelligence artificielle : histoire, réalités du marché et rupture des Transformers.
- Différencier Machine Learning, Deep Learning et IA Générative (LLM, modèles multimodaux).
- Comprendre les principes d’apprentissage : supervisé, non supervisé, par renforcement (RLHF/DPO) et auto-supervisé.
- Cartographier l’écosystème actuel : modèles propriétaires (OpenAI, Anthropic, Google) vs modèles Open Source (Meta Llama, Mistral AI).
- Panorama des cas d’usage métiers : texte, génération d’images, audio, vidéo et analyse de données.
- Atelier pratique : tour d’horizon comparatif des outils phares (ChatGPT, Claude, Midjourney, Hugging Face) et prise en main.
[Jour 1 – Après-midi]
Maîtrise des LLM : Prompt Engineering, RAG & Agents IA
- Fondamentaux du Prompt Engineering : rôles, structuration, zéro/few-shot prompting et chaîne de pensée (Chain-of-Thought).
- Comprendre les fenêtres de contexte, la gestion de la mémoire et la maîtrise des hallucinations.
- Introduction au RAG (Retrieval-Augmented Generation) : connecter les modèles aux données privées de l’entreprise.
- Émergence des Agents IA autonomes : automatisation de tâches et appel d’outils externes (Tool Calling).
- Atelier pratique : conception de prompts avancés, création d’un assistant personnalisé et expérimentation d’un RAG simplifié.
[Jour 2 – Matin]
Cadrage d’un projet IA : Données, opportunités et choix technologiques
- Qualifier un besoin métier : arbitrages entre Machine Learning classique et LLM / IA Générative (coûts, latence, précision).
- La donnée au cœur du projet : collecte, qualité, nettoyage, gestion des biais et confidentialité.
- Panorama des stratégies d’adaptation : Prompting vs RAG vs Fine-Tuning (LoRA).
- Écosystème et stack technique : frameworks (PyTorch, LangChain, LlamaIndex) et plateformes Cloud (Azure OpenAI, AWS Bedrock, GCP Vertex AI).
- Atelier pratique : étude de cas concrète — cadrage de la grille d’évaluation et architecture cible d’un projet IA d’entreprise.
[Jour 2 – Après-midi]
Industrialisation (LLMOps), Éthique, Sécurité & Réglementation
- Introduction au LLMOps / MLOps : déploiement, monitoring des coûts (tokens), évaluation de la qualité (Evals) et réapprentissage.
- Risques applicatifs et sécurité : prompt injection, fuite de données et souveraineté numérique.
- Cadre juridique et éthique : décrypter l’EU AI Act, la conformité RGPD et la propriété intellectuelle.
- Conduite du changement : accompagner les collaborateurs et définir une charte d’usage responsable de l’IA (AI Policy).
- Atelier pratique : audit de conformité d’un projet IA (EU AI Act & RGPD) et élaboration d’une feuille de route d’adoption responsable.
Langues et Lieux disponibles
Langues
- Français
- Anglais / English
Lieux
-
France entière
- Paris
- Lille
- Reims
- Lyon
- Toulouse
- Bordeaux
- Montpellier
- Nice
- Sophia Antipolis
- Marseille
- Aix-en-Provence
- Nantes
- Rennes
- Strasbourg
- Grenoble
- Dijon
- Tours
- Saint-Étienne
- Toulon
- Angers
-
Belgique
- Bruxelles
- Liège
-
Suisse
- Genève
- Zurich
- Lausanne
-
Luxembourg
Nos Formateurs Référents
Ali
Témoignages
Les + : Complète et pertinente pour l’objectif visé.
Formateur très clair.
Les – : Un peu trop de place donné au deep learning au détriment sans doute d’un approfondissement sur les autres types d’IA.
Je souhaite suivre : RAS à ce stade.
Afficher tous les témoignages
Les + : Complète et pertinente pour l’objectif visé.
Formateur très clair.
Les – : Un peu trop de place donné au deep learning au détriment sans doute d’un approfondissement sur les autres types d’IA.
Je souhaite suivre : RAS à ce stade.
Je recommande la formation
Noter la formation
| 1 490€ HT / personne |
| 2 jours (14 heures) |
UNE QUESTION ? UN PROJET ? UN AUDIT DE CODE / D'INFRASTRUCTURE ?
Pour vos besoins d’expertise que vous ne trouvez nulle part ailleurs, n’hésitez pas à nous contacter.
ILS SE SONT FORMÉS CHEZ NOUS
