IA en entreprise : évaluer et piloter des projets de Machine Learning ou d'IA générative
Code Formation: 7107
| Ajouter aux favoris
Compétence principale visée
Comprendre les usages, opportunités et risques de l'intelligence artificielle pour identifier les projets pertinents et prendre des décisions éclairéesObjectifs pédagogiques
-
Distinguer l'IA prédictive de l'IA générative et comprendre leurs principes, leurs apports et leurs limites.
-
Identifier les risques techniques, éthiques et réglementaires d'un projet IA.
-
Évaluer et prioriser des cas d'usage IA au sein de son organisation.
-
Connaître les conditions de réussite d'un projet IA, du cas d'usage à la mise en production.
Public
- Décideurs et dirigeants d'entreprise,
- Responsables de la transformation numérique ou de la stratégie numérique d'une organisation
Prérequis
- Aucun prérequis
PARTIE 1 - Le Machine Learning
- Repères :
- IA,
- machine learning,
- deep learning,
- IA générative.
- Principe de l'apprentissage :
- apprendre à partir d'exemples,
- apprentissage supervisé et non supervisé,
- données structurées et non structurées.
- Un modèle expliqué pas à pas : l'arbre de décision.
- Évaluer un modèle :
- test sur des données nouvelles,
- surapprentissage,
- lecture métier des indicateurs de qualité.
PARTIE 2 - L'IA Générative
- Fonctionnement d'un modèle de langage : principe expliqué simplement
- Capacités et limites :
- hallucinations, connaissances figées,
- variabilité des réponses.
- Des assistants aux agents :
- assistant conversationnel,
- assistant s'appuyant sur les documents de l'entreprise,
- agents capables d'agir
- Modes d'accès :
- outils grand public,
- offres entreprise,
- API,
- modèles hébergés en interne.
- Démonstrations commentées :
- usages types
- mise en évidence des limites.
PARTIE 3 - Risques & Cadre Réglementaire
- Données et modèles :
- qualité des données,
- biais,
- explicabilité et impartialité.
- Risques propres à l'IA générative :
- confidentialité des données,
- usages non encadrés,
- propriété intellectuelle,
- sécurité.
- Cadre réglementaire européen (AI Act) :
- niveaux de risque,
- obligations,
- calendrier et articulation avec le RGPD.
- Impacts humains :
- effets sur les utilisateurs,
- l'organisation du travail et l'emploi.
PARTIE 4 - Évaluer, prioriser et piloter un cas d'usage IA
- Grille d'évaluation :
- valeur attendue,
- données disponibles,
- faisabilité,
- risques et coûts.
- Choix de l'approche :
- règles métier,
- machine learning,
- IA générative,
- ou pas d'IA.
- Conditions de réussite :
- du prototype à la production,
- indicateurs de valeur métier,
- développer ou acheter,
- suivi dans la durée.
- Discussion autour des cas d'usage apportés par les participants.
Evaluation des acquis de formation
Evaluation des acquis des apprenants réalisée en fin de formation, par un questionnaire contextualisé.Taux de réussite
94.3% des apprenants ont acquis la compétence principale visée
Résultat obtenu pour 177 participants évalués ayant suivi une formation dans la thématique sur les 5 dernières années
Évaluation de la satisfaction
Evaluation du ressenti des participants en fin de formation (Niveau 1 KIRKPATRICK)
Résultats de l’évaluation
Le niveau de satisfaction globale est évalué à 4.3/5 par les participants.
Evaluations réalisées auprès des 199 participants ayant suivi une formation dans la thématique sur les 5 dernières années
