Programme L’INTELLIGENCE ARTIFICIELLE (IA) AU SERVICE DE LA PERFORMANCE INDUSTRIELLE
Durée : 2 jours - 14 heures
Tarif : Nous contacter pour une formation INTER – INTRA ou en COURS PARTICULIER
La formation est délivrée en présentiel ou distanciel (e-learning, classe virtuelle, présentiel et à distance). Le formateur alterne entre méthodes démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation). La validation des acquis peut se faire via des études de cas, des quiz et/ou une certification.
Cette formation est animée par un consultant-formateur dont les compétences techniques, professionnelles et pédagogiques ont été validées par des diplômes et/ou testées et approuvées par l’éditeur et/ou par Audit Conseil Formation.
Les objectifs
pré-requis
Aucun
Moyens pédagogiques, techniques et d'encadrement
- 1 poste de travail complet par personne
- De nombreux exercices d'application
- Mise en place d'ateliers pratiques
- Remise d'un support de cours
- Remise d'une attestation de stage
Modalités d'évaluation des acquis
- Evaluation des besoins et objectifs en pré et post formation
- Evaluation technique des connaissances en pré et post formation
- Evaluation générale du stage
Accessibilité handicapés
- Au centre d’affaires ELITE partenaire d’ACF à 20 m.
- Guide d’accessibilité à l’accueil.
Le Programme
1 – Introduction à l’IA et fondamentaux théoriques appliqués à l’industrie
Comprendre les définitions, l’histoire et les grandes familles de l’IA (approches symboliques, statistiques et connexionnistes)
Découvrir les principaux cas d’usage de l’IA dans l’industrie
Analyser les enjeux économiques et technologiques liés à l’IA
Maîtriser les bases du machine learning (régression, classification, clustering)
Explorer les fondamentaux du deep learning (réseaux de neurones, descente de gradient, notions de CNN et RNN)
Mettre en œuvre les techniques de préparation des données (extraction de features et réduction de dimensionnalité [PCA, t-SNE, UMAP])
2 – IA générative et modèles avancés
Comprendre les principes des modèles génératifs (LLM (Large Language Models) et VLM [Vision Language Models], leurs forces et leurs limites)
Exploiter des outils d’IA générative pour interagir avec ses données (ex. NotebookLM)
Mettre en œuvre des approches RAG (Retrieval-Augmented Generation) pour dialoguer avec ses documents et bases de connaissances
Maîtriser les bonnes pratiques de prompt engineering à travers des cas d’usage industriels
3 – Applications industrielles de l’IA
Mettre en œuvre des solutions de contrôle qualité visuel (détection d’anomalies par vision industrielle [ex. StorkVision])
Exploiter l’IA pour la maintenance prédictive (analyse des signaux issus de capteurs et anticipation des défaillances)
Automatiser le traitement documentaire (OCR, intelligence artificielle et RAG pour la gestion des devis, factures et documents normatifs)
4 – L’IA, levier de compétitivité industrielle
Identifier les gains apportés par l’intelligence artificielle (amélioration de la qualité, augmentation de la productivité, renforcement de la sécurité et réduction du time-to-market)
Mesurer le retour sur investissement (ROI) à travers des approches simples (analyse avant / après et indicateurs de performance)
Détecter et prioriser des “quick wins” IA adaptés aux PME industrielles
5 – De l’expérimentation au déploiement de l’IA
Structurer les étapes de mise en œuvre d’un projet IA (POC (Proof of Concept), MVP [Minimum Viable Product] et passage en production)
Mettre en place une gouvernance des données et assurer la sécurité des systèmes
Suivre et maintenir les modèles en production (monitoring des performances, détection de dérive des données et réentraînement)
Accompagner la conduite du changement pour favoriser l’adoption par les équipes
6 – Cadre réglementaire : l’AI Act européen
Comprendre les principes du règlement européen sur l’IA (AI Act) et ses enjeux
Identifier la classification des systèmes d’IA selon leur niveau de risque (interdit, haut risque, risque limité, risque minimal)
Maîtriser les obligations applicables aux systèmes à haut risque (documentation, supervision humaine, traçabilité et conformité)
Exploiter les opportunités pour les PME (faire de la conformité un levier de différenciation et d’avantage concurrentiel)
7 – Limites, risques et bonnes pratiques de l’IA en industrie
Identifier les principales limites et risques de l’IA (biais algorithmiques, hallucinations, enjeux de confidentialité et de souveraineté des données)
Comparer les approches d’IA locale et cloud (avantages, contraintes et cas d’usage)
Mettre en œuvre les bonnes pratiques pour un déploiement responsable de l’IA en PME industrielle