Numérique & IA
État de l'art sur l'Intelligence Artificielle : concepts, enjeux et stratégies pour les entreprises
Proposée par PLB Consultant
- Durée
- 2 jours
- Lieu
- Paris
- Format
- Hybride
- Niveau
- Débutant
Ce que vous allez apprendre
Comprenez les fondamentaux de l'IA (Machine Learning, Deep Learning, LLM) et mesurez son impact sur votre métier. Un séminaire de 2 jours pour acquérir le vocabulaire et les clés d'analyse d'un projet IA.
À l'issue de la formation, vous serez capable de
- Définir l'intelligence artificielle et expliquer les concepts clés
- Déterminer les apports de l'IA selon les métiers et les secteurs à l'aide d'exemples concrets
- Identifier les briques technologiques, les outils et les infrastructures autour de l'IA
- Lister les acteurs indispensables à un projet intégrant de l'intelligence artificielle
- Envisager l'impact sociétal de l'IA
Programme
Jour 1 - Introduction à l'Intelligence Artificielle
- Définir l'IA par des exemples concrets et actuels (ChatGPT, assistants vocaux, IA générative)
- Pourquoi une explosion si tardive des origines (1956) à l'explosion des LLM (2022-2026)
- Situer les notions clés: IA faible vs IA forte, IA générative, IA prédictive
- Les grandes familles d'IA: symbolique, connexionniste, hybride
Les fondamentaux techniques de l'IA
- Machine Learning: apprentissage supervisé, non supervisé, par renforcement
- Deep Learning: réseaux de neurones, CNN, RNN, Transformers
- Les modèles de langage (LLM): fonctionnement, tokens, contexte, fine-tuning
- Ça signifie quoi entraîner un modèle ? Qui s'en charge ?
- Les modèles multimodaux: texte, image, audio, vidéo (GPT-4o, Gemini)
- RAG (Retrieval Augmented Generation): principe et cas d'usage
- Quiz interactif sur le vocabulaire IA pour disposer d'un langage commun (IA, ML, Deep Learning, LLM, Transformers, RAG, etc.)
Les acteurs et l'écosystème de l'IA
- Les grands modèles propriétaires: OpenAI (GPT), Anthropic (Claude), Google (Gemini)
- Les acteurs européens et français: Mistral AI, LightOn, Aleph Alpha
- L'écosystème open source: Meta (LLaMA), Hugging Face, Falcon, les modèles ouverts
- Les plateformes et marketplaces: Azure OpenAI, Amazon Bedrock, Google Vertex AI
- Le positionnement de la France et la stratégie nationale IA
- Comparaison des modèles: critères de choix (performance, coût, souveraineté, confidentialité)
- Comparaisons des différences de retour selon les moteurs d'IA générative (GPT, Claude, Gemini, Mistral) sur un prompt strictement identique
Applications génériques de l'IA
- L'IA générative: génération de texte, d'images (DALL-E, Midjourney, Stable Diffusion), de code, de vidéo
- Traitement du langage naturel (NLP): classification, traduction, conversation, résumé automatique
- L'image et la vidéo: segmentation, reconnaissance, voiture autonome, robotique
- L'audio: reconnaissance vocale, synthèse vocale, clonage de voix
- Agents IA et systèmes autonomes: principes et perspectives
- Analyse de sentiment, fonctionnement d'un agent conversationnel, génération d'images par prompt
- Comparaison en live de plusieurs LLM (GPT, Claude, Mistral) sur un même cas d'usage métier
Les applications métier de l'Intelligence Artificielle
- Management: aide à la décision, tableaux de bord intelligents, détection de KPI
- Marketing et commercial: segmentation client, détection de churn, personnalisation par l'IA générative
- RH et recrutement: tri automatique de CV, analyse prédictive du turnover, chatbots RH
- Finance: détection de fraude, scoring crédit, automatisation de la conformité
- Services techniques: maintenance prédictive, surveillance d'infrastructure, optimisation de chaîne de production
- Productivité: assistants IA intégrés (Microsoft Copilot, Gemini for Workspace, Claude)
- Exemple de rendu d'un programme Python pour évaluer les risques de noyades (identification des personnes à risque par rapport au point d'eau)
Jour 2 - Automatisation des tâches et outils No Code / Low Code pour l'IA
- Introduction aux plateformes d'automatisation: Make (ex-Integromat), n8n, Zapier, Power Automate
- Connecter un LLM à un workflow automatisé: principes et architectures
- Cas d'usage: automatisation d'e-mails, génération de contenus, extraction de données, enrichissement CRM
- Créer des agents IA sans coder: Flowise, LangFlow, Relevance AI
- Bonnes pratiques, limites et gouvernance de l'automatisation par l'IA
- Création d'un workflow Make/n8n intégrant un appel à une API d'IA générative (résumé automatique de documents, classification d'e-mails entrants)
- Mise en place d'un agent conversationnel simple avec un outil No Code connecté à un LLM
- Remplissage automatique des cellules d'un fichier Excel pour noter les satisfactions client de 1 à 10 à partir de discussions ou d'avis
- Préparation automatique des mails de retour aux clients adaptés à chaque cas
Voir tout le programme
Les projets IA en entreprise
- Comment s'organise un projet IA: méthodologie, étapes, pièges à éviter
- L'importance de la gouvernance des données et de la qualité des données
- Les nouveaux rôles: prompt engineer, MLOps, data engineer, responsable IA
- IA et Cloud: infrastructure, coûts, scalabilité (AWS, Azure, GCP)
- Situer l'IA dans des projets complexes: critères de GO/NO GO
- Exemples de projets IA réussis et d'échecs, analyse des facteurs clés de succès
- Exemple de réorganisation (équipes, phases du projet, etc.) lors de l'introduction de l'IA dans un projet et la place fondamentale prise par la gouvernance des données
IA et besoins en infrastructure informatique
- IA et Big Data: la place prise par les données
- Impacts sur l'infrastructure requise
- Principes généraux des clusters
- L'offre des grands acteurs du Cloud (Amazon, Google, Microsoft)
- Le principe de l'infrastructure as a service (IaaS)
- Les outils pour nous aider à capter la donnée dans un contexte réparti
- Visite de l'offre en infrastructure informatique pour l'IA proposée par Amazon
Impact sociétal, éthique et réglementation
- L'AI Act européen: obligations, niveaux de risque, calendrier d'application
- Sécurité
Pour qui ?
Prérequis
Public: Décideurs, architectes SI, chefs de projet, toute personne souhaitant comprendre les enjeux de l'IA en entreprise.
Questions fréquentes
Combien de temps dure cette formation ?
Elle se déroule sur 2 jours, en présentiel ou à distance.
À qui s'adresse cette formation ?
Elle est conçue pour les décideurs, architectes SI et chefs de projet qui souhaitent comprendre les concepts et enjeux de l'IA.
Quels sont les prérequis pour suivre cette formation ?
Aucun prérequis technique n'est mentionné. La formation est de niveau fondamental.
Où se déroule la formation ?
Elle alterne présentiel et distance, avec une partie à Paris.
Peut-on la financer ?
Elle n’est pas indiquée comme éligible au CPF, mais France Travail ou votre employeur peuvent la financer selon votre situation.
Quel est le prix de la formation ?
Le centre affiche 1 990 €.
Comment payer cette formation ?
- Votre CPFCette formation n’est pas indiquée comme éligible au CPF. Le centre vous dira si une autre version l’est.
- Si vous cherchez un emploiFrance Travail peut financer tout ou partie de la formation avec l’aide individuelle à la formation (AIF), si elle vous aide à retrouver un poste.
- Si vous êtes salarié(e)Votre employeur peut la prendre en charge dans son plan de formation, souvent avec l’aide de son OPCO.

PLB Consultant
PLB est un organisme de formation informatique et management certifié Qualiopi, présent à Paris et dans huit autres villes. Il propose des programmes dans les domaines du cloud, de la cybersécurité, du DevOps, de la data et de l'intelligence artificielle.
Découvrir le centreChez PLB Consultant, aussi



Formations similaires


Éligible CPF