Le programme de la formation

Introduction à l’intelligence artificielle • Définitions, historique, types d’intelligence artificielle (symbolique vs statistique) • Évolution de l’IA • Cas concrets d’IA dans différents secteurs (santé, finance, RH, industrie, etc.) Les grands domaines de l’IA • Machine Learning vs Deep Learning • NLP, Vision par ordinateur, Systèmes Experts • Comparaison des approches selon les cas d’usage • Exercice Panorama de cas concrets • IA dans la santé : diagnostic, suivi patient • IA dans la finance : détection de fraude, scoring de crédit • IA en RH, industrie, commerce, logistique • Exercice Les types de données ? • Données structurées, non structurées, textes, images, etc. • Exemples de jeu de données : données clients, données RH, e-commerce… • Problèmes de qualité de données : valeurs manquantes, doublons, biais Principaux algorithmes IA • Apprentissage supervisé : régression linéaire, arbres de décision • Apprentissage non supervisé : clustering avec k-means • Intuition du fonctionnement, cas d’usage • Exercice Cycle de vie d’un projet IA • Étapes : collecte, préparation, modélisation, évaluation • Les rôles dans un projet IA (data analyst, data scientist, métier, etc.) • Notions d’overfitting, validation croisée, précision vs rappel • Exercice : simulation d’un mini-projet en équipe à partir d’un jeu de données Éthique, biais et transparence • Biais dans les données, biais dans les algorithmes • Importance de l’explicabilité et de la supervision humaine • Risques d’usage malveillant de l’IA • Exercice : analyse d’un cas réel de biais dans l’IA Introduction à l’IA générative • Fonctionnement de ChatGPT, DALL·E, Copilot • Prompts : comment bien formuler une requête ? • Exemples métiers : résumé de texte, brainstorming, génération d’images • Exercice : test de prompts avec ChatGPT Scénarios métiers simulés • Assistant RH : génération de réponse à une candidature • Analyse de sentiment client à partir d’un texte • Synthèse d’un rapport ou d’un email Panorama des outils IA sans coder • Outils no-code/low-code : Teachable Machine, RunwayML, Peltarion, MonkeyLearn, GPT for Sheets • Comparatif : fonctionnalités, limites, tarifs • Exercice : test d’un outil no-code pour entraîner un modèle