Fondamentaux de l’IA

Objectifs pédagogiques

• Maîtriser les fondamentaux et le vocabulaire de l'IA (Machine Learning, Deep Learning, GenAl, LLM, Prompt, RAG) et comprendre la structuration de l'écosystème actuel.
• Identifier le potentiel de l'IA en entreprise en distinguant les cas d'usage traditionnels des nouvelles opportunités génératives, et en comprenant le rôle stratégique d'une plateforme GenAl.
• Adopter une posture de responsabilité face aux risques éthiques et réglementaires, en comprenant les exigences de l'Al Act européen et les mécanismes des biais algorithmiques.
• Intégrer les enjeux de sobriété numérique dans l'usage des technologies, en connaissant l'impact environnemental du cycle de vie de l'IA.

Public visé

• Tous les collaborateurs, quels que soient leur métier ou leur niveau hiérarchique (profils techniques, fonctionnels, support, managers)

Prérequis

• Aucune compétence technique préalable n'est requise (ni en développement, ni en data science). Une curiosité pour les enjeux numériques et l'innovation est recommandée
• Un ordinateur portable avec connexion internet pour les démonstrations et l'accès aux ressources en ligne.
• Accès aux outils de collaboration interne (Teams/Google Meet) si la session est dispensée à distance.

Programme

1. 01

   Introduction et Contexte

   • Accueil et présentation des objectifs.
   • Tour de table : attentes et partage des représentations de l'IA (mythes vs réalité).

2. 02

   Les Fondamentaux de l'IA : Concepts et Acteurs

   • Historique et définitions : De Alan Turing aux modèles actuels. Distinctions précises entre Intelligence Artificielle, Machine Learning (supervisé/non supervisé/renforcement), Deep Learning et IA Générative.
   • Mécanismes d'apprentissage : Comprendre le fonctionnement d'un réseau de neurones et le processus d'entraînement (poids, biais).
   • L'IA Générative décryptée : Fonctionnement des LLM (Large Language Models), définition du Prompt, du RAG (Retrieval-Augmented Generation) et des paramètres clés (Tokens, Température).
   • Panorama du marché : Cartographie des acteurs, distinction entre les "Hyperscalers" (Microsoft Azure, Google Cloud, AWS) et les "Pure Players" (OpenAl, Mistral, Anthropic).

3. 03

   L'IA en Entreprise : Création de Valeur

   • La Data comme socle : L'importance de la qualité et du volume des données (Big Data) pour alimenter les modèles.
   • Cas d'usage "Traditionnels" vs "Génératifs" : IA Traditionnelle : OCR augmenté, maintenance prédictive, scoring, détection d'anomalies. IA Générative : Génération de texte, d'images, de code et assistance virtuelle.
   • Vers l'Entreprise Augmentée : Distinction entre Assistant (réactif) et Agent (autonome). Le concept de "Collaborateur Augmenté" : opportunités d'efficacité et limites.
   • Passage à l'échelle : Introduction à l'architecture d'une Plateforme GenAl d'entreprise pour sécuriser et industrialiser les usages.

4. 04

   IA Responsable : Éthique et Réglementation

   • Cadre Éthique : Les 4 piliers de l'éthique de l'IA selon l'UNESCO et les différents types d'éthique (informatique, digitale, des usages).
   • Biais Algorithmiques : Comprendre les biais de représentation (genre, origine) et cognitifs. Analyse de leurs conséquences (discrimination, risques légaux) à travers des exemples concrets.
   • Régulation Européenne (Al Act) : Décryptage de la réglementation, approche par niveau de risque (Interdit, Élevé, Spécifique, Minime) et calendrier de mise en conformité.
   • Étude de cas pratique : "LazyTech Lab". Analyse de conformité d'un système fictif à haut risque. Application des 10 étapes de mise en conformité (gestion des risques, gouvernance des données, supervision humaine).

5. 05

   Sobriété Numérique : Enjeux Environnementaux

   • Cycle de vie matériel: Impact de l'extraction des terres rares et de la fabrication des équipements.
   • Consommation énergétique : Réalité de la consommation des Data Centers (électricité, eau pour le refroidissement) et empreinte carbone de l'entraînement des modèles.
   • Bonnes pratiques : Les leviers de la sobriété numérique (choix de modèles adaptés, éco-conception) et l'IA au service de l'environnement (optimisation énergétique, tri des déchets).

6. 06

   Clôture de la session

   • Synthèse des acquis : "L'intelligence réside dans le prompt et dans l'analyse critique de la réponse".
   • Session de Questions / Réponses.

Fiches liées

• ConceptAI Act
• ConceptRAG