Programme L’INTELLIGENCE ARTIFICIELLE (IA) AU SERVICE DES MÉTIERS ET DES INNOVATIONS IT
Durée : 3 jours - 21 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
Avoir des connaissances en Python et en analyse de données
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’intelligence artificielle : concepts, usages et écosystème
Définir l’intelligence artificielle et comprendre ses fondamentaux
Explorer les origines et l’évolution de l’IA ainsi que les grandes étapes de son développement
Analyser le marché de l’IA et ses dynamiques actuelles
Identifier les principales branches de l’IA et leurs domaines d’application
Découvrir les principaux cas d’usage de l’IA dans différents secteurs
Technologies et écosystème (Découvrir les principales technologies de l’IA, Identifier les nouveaux métiers liés à l’IA, Comprendre les innovations de rupture, Comparer les approches open source et closed source)
2 – Techniques fondamentales de l’intelligence artificielle
Comprendre les bases du machine learning et ses principes de fonctionnement
Découvrir les réseaux de neurones artificiels (ANN) et leur rôle dans les systèmes d’IA
Explorer les concepts du deep learning et ses applications
Identifier les principaux types de réseaux de neurones (réseaux de neurones convolutifs [CNN], réseaux de neurones récurrents [RNN])
Distinguer les différents types d’apprentissage (apprentissage supervisé, non supervisé et par renforcement)
Prendre en main les outils et frameworks clés comme TensorFlow
3 – Pipelines de Machine Learning et introduction au MLOps
Définir le problème métier et les objectifs du modèle
Collecter et ingérer les données à partir de sources internes et externes
Préparer et nettoyer les données pour garantir leur qualité
Séparer les jeux de données (entraînement, validation, test)
Sélectionner et créer des variables pertinentes (sélection et feature engineering)
Entraîner et évaluer les modèles de machine learning
Déployer les modèles en production dans un environnement opérationnel
Mettre en place le suivi et la maintenance des modèles (surveillance des performances et réentraînement)
Découvrir les principes du MLOps pour industrialiser les projets d’IA
4 – Traitement du langage naturel (NLP)
Comprendre les fondamentaux du NLP (Natural Language Processing) et ses enjeux
Identifier les principaux composants du NLP
Explorer les applications du NLP en entreprise
Mettre en œuvre les bases du traitement de texte (tokenisation, racinisation [stemming] et lemmatisation)
Utiliser des modèles de représentation du langage (approche “bag-of-words”)
Analyser les défis du NLP (ambiguïté du langage, contexte, multilinguisme, qualité des données)
5 – LLM, LCM et ingénierie des modèles génératifs
Comprendre les principes des grands modèles de langage (LLM) et leurs capacités
Identifier les différentes typologies de modèles : modèles polyvalents (Claude, ChatGPT, Mistral, LLaMA, Falcon), modèles légers (Phi-3, Gemma, TinyLLaMA), modèles spécialisés (CodeLLaMA, Meditron)
Explorer les cas d’usage des LLM en entreprise
Découvrir les modèles de génération d’images (LCM) et leurs applications
Appliquer les bonnes pratiques de prompting pour optimiser les résultats
Utiliser les outils d’ingénierie de prompt (LangChain, Guidance, DSPy…)
Mettre en place des infrastructures pour les modèles génératifs (Ollama, Hugging Face, Hub / Spaces)
Exploiter des sources de données externes avec les approches RAG (Retrieval-Augmented Generation)
Utiliser les frameworks RAG (LangChain, LlamaIndex)
Identifier les défis de mise en production des modèles génératifs (performance, coût, sécurité, gouvernance)
Découvrir les principes du LLMOps pour industrialiser les usages
6 – Architectures composables et agents intelligents
Comprendre les principes des architectures composables en intelligence artificielle
Concevoir des systèmes autonomes basés sur des agents intelligents
Mettre en œuvre l’interaction entre l’IA et les applications via des protocoles d’intégration (ex. MCP)
Identifier les avantages des architectures basées sur le protocole MCP (intégrations prêtes à l’emploi, flexibilité et évolutivité des systèmes, sécurité et gouvernance des données)
7 – Perspectives et enjeux futurs de l’intelligence artificielle
Identifier les principaux défis de l’IA (performance, qualité des données, coûts et industrialisation)
Analyser les tendances émergentes et les opportunités offertes par l’intelligence artificielle
Comprendre les enjeux de scalabilité des systèmes d’IA et leur passage à l’échelle
Appréhender les implications éthiques, sociales et de sécurité (safety) liées au développement et à l’usage de l’IA
8 – Enjeux, limites et bonnes pratiques de l’IA
Évaluer la qualité et la fiabilité des résultats générés par l’IA
Identifier et maîtriser les biais et les hallucinations des modèles
Comprendre les enjeux éthiques et juridiques (AI Act, droits d’auteur, conformité RGPD, explicabilité et interprétabilité des modèles)
Mettre en place des bonnes pratiques pour garantir la confidentialité des données
Intégrer l’IA dans les workflows professionnels de manière sécurisée et efficace
Découvrir des outils et solutions pour un usage confidentiel de l’IA