IA, de l’idéation à l’industrialisation

Etre capable à l’issue de la formation de :

– Comprendre les enjeux du Big Data et de l’Intelligence Artificielle

– Valoriser ses données à travers la Data Science

– Définir une stratégie et roadmap data (depuis la démarche d’idéation jusqu’à l’industrialisation)

– Améliorer le cycle de vie d’un projet d’Intelligence Artificielle

– Mettre en place d’une méthodologie Agile (DevOps / MLOps)

Jour 1 (9h00-17h30): Les grands enjeux du Big Data et de l’Intelligence Artificielle

Objectif pédagogique :

Développer une culture data afin d’avoir les compétences et les connaissances permettant de conceptualiser un cas d’usage d’Intelligence Artificielle et de fournir les outils appropriés pour valoriser ses données.

Programme de la séquence et intervenants :

– Introduction, tour de table et attentes des participants

– Comment est né le Big Data et pourquoi utilise-t-on l’Intelligence Artificielle ?

– Compréhension de la problématique de gestion des données massives, leur environnement et leur utilisation

– Différence entre Intelligence Artificielle, Machine Learning (ML) et Deep Learning (DL)

– Présentation des modèles couramment utilisés dans l’Intelligence Artificielle – Etat de l’art des différentes bonnes pratiques en Data Science

– Discussion autour de plusieurs étude de cas / retours d’expériences

Jour 2 (9h00-17h30) : Passer du « Proof Of Concept » à l’industrialisation et de la mise à disposition des indicateurs opérationnels aux utilisateurs finaux

Objectif pédagogique :

Définir une démarche d’Intelligence Artificielle de bout en bout dans son organisation et développer un cadre facilitant le partage entre l’équipe produit et les différentes équipes techniques à des fins d’industrialisation rapide.

Programme de la séquence et intervenants :

– Lancement d’une démarche d’idéation d’un cas d’usage d’Intelligence Artificielle et cadrage des besoins

– Développement avec l’équipe produit d’une méthodologie Agile (intégration continue des utilisateurs finaux dans la phase de conception)

– Mise en place d’une gouvernance organisationnelle, de la donnée et des modèles

– Définition d’une architecture adaptée aux attendus métiers et au cadre technique du service informatique cible de l’entreprise (technologie open source, fournisseur de plateforme data ou cloud comme AWS, Google Cloud, Azure, etc.)

– Optimisation du cycle de vie d’un projet data

– Mise en place d’une méthodologie DevOps / MLOps

– Discussion de plusieurs étude de cas / retour d’expériences

– Conclusion de l’atelier et discussion avec les participants

Public cible :

• Décideurs de la transformation / innovation
•  Décideurs technologiques (CDO / CIO / CTO)
•  DG PME / ETI – Directeur / Chef de projet

Pré-requis :

• Participer ou s’intéresser à des projets de transformation digitale impliquant de l’IA

Possibilité de s’inscrire jusque J-2 avant le démarrage de la formation

Formation en présentiel dispensée sur 2 jours en continu

Le format proposé est particulièrement axé sur la discussion et le partage entre les différents participants. L’objectif principal de l’atelier est de développer au travers d’exemples une culture data leur permettant de déployer au sein de leur entreprise une démarche d’idéations. Ceci permet de mettre en exergue la chaîne de valeur des données. A l’issue de cette formation, le participant aura les bonnes pratiques pour définir une roadmap complète de son cas d’usage IA au vu d’un déploiement rapide dans son système d’information .

L’atteinte des objectifs de la formation sera observée au travers de la participation effective de chaque participant et du travail participatif réalisé en sous -groupes autour de l’étude d’un des cas d’usage analysés au cours de la formation.
Un quizz de rétention court et non noté à l’issue de chaque journée de formation permettra de s’assurer de l’ancrage par les participants des concepts et méthodologies abordés au cours de celle-ci.

Attestation de participation à la formation.

Les participants de la session 2024 ayant répondu à notre enquête de satisfaction (100% de taux de réponse) ont attribué la note de 4,98/5 à la formation.

Présentation des différents outils de Data Science pour valoriser ses données.

Présentation du cadre facilitant le partage entre l’équipe produit et l’équipe technique depuis la démarche d’idéation jusqu’au déploiement du cas d’usage.

Retours d’expériences sur plusieurs cas d’usage IA afin mettre en évidence les bonnes pratiques.