FFCNCERCERXMP03
Stage inter entreprise
Durée :
2 jour(s)
Présentation
L’arrivée de l’intelligence artificielle pousse les entreprises à multiplier les projets innovants, tout en soulevant de nouveaux enjeux : choix des méthodes, organisation, coûts, dépendance aux fournisseurs, qualité et maîtrise des risques. Avec l’IA générative et les systèmes agentiques, les approches traditionnelles évoluent.
Ces technologies transforment également la manière de concevoir et piloter les projets data et IA. Savoir distinguer les véritables ruptures des effets de mode devient essentiel.
En s’appuyant sur des retours d’expérience concrets, cette formation présente les méthodes pour comprendre et gérer les spécificités des projets data et IA. Des ateliers pratiques permettent d’adapter les processus et d’intégrer l’IA dans les projets, du cadrage à l’industrialisation.
Objectifs
- Distinguer les grandes familles de projets data et IA et cerner ce qui fait la spécificité méthodologique de chacune
- Situer les étapes clés du cycle de vie d’un projet, du cadrage initial jusqu’à l’industrialisation
- Identifier les conditions de réussite du pilotage : composition de l’équipe, rôles des acteurs, choix d’organisation
- Repérer les principaux risques d’un projet (techniques, économiques, juridiques et éthiques) et les critères permettant d’en évaluer la réussite
-
Programme
Introduction
Comprendre l’IA et ses dernières avancées : les grands domaines d’application, l’IA générative, l’IA agentique
Du produit au projet IA
- Qu’est-ce qu’un produit ? Qu’est-ce qu’un produit IA ?
- Principaux défis et fondamentaux d’un produit IA
- Les piliers d’une stratégie data efficace
Idéation et valeur
- Identifier et prioriser les cas d’usage
- Décrire un cas d’usage
- Atelier : identification et cadrage de cas d’usage
- La méthodologie de bout en bout
Cadrer un projet IA
- Cadrage métier, fonctionnel, technique
- Comment spécifier un besoin ? Bonnes pratiques et points d’attention
- Estimation des charges et des coûts
- Retours d’expérience
Construire, industrialiser et gouverner
- Déployer un MVP en conditions réelles
- L’agilité comme facteur clé de succès
Organisation et industrialisation
- DataOps, MLOps : le cycle de vie de la donnée et des modèles
- Les enjeux du maintien en condition opérationnelle et de la mesure de la valeur
- Les spécificités d’une industrialisation IA et les freins récurrents
- Les rôles clés : Product Owner, Project Manager, PMO, équipe Scrum, profils data
Conduite du changement
- Le processus d’accompagnement au changement d’un projet IA
- Stratégie, leviers et outils d’acculturation
Gouvernance des données
- Enjeux, bénéfices et dimensions de la gouvernance
- Éthique, IA de confiance et data privacy
- Les risques de l’IA
- L’AI Act européen et les exigences d’une IA de confiance
- Impact environnemental de l’IA : la question de la sobriété
Synthèse et conclusion
-
Points forts
Formation donnant les outils et bonnes pratiques de gestion de projets big data et IA.
-
Modalités pédagogiques
La formation comprend des études de cas qui permettent la mise en œuvre des notions abordées.
-
Public cible et prérequis
La formation s’adresse aux chefs de projets informatiques, consultants, développeurs ou chargés d’études statistiques.
Des connaissances de base en gestion de projet informatique sont nécessaires afin de tirer pleinement profit de la formation.
-
Responsables
Mohamed BOUDAOUI
Ingénieur diplômé de l’INSA, Data Product Owner, il accompagne les grands comptes dans leur transformation par la donnée depuis les objectifs stratégiques IA jusqu’à l'industrialisation de la solution : cadrage et définition du besoin, détection des cas d’usage et priorisation, exploration Data, gestion et suivi de la mise en œuvre des cas d’usage, accompagnement au changement, gestion et suivi du déploiement et de l’industrialisation.
Prochaine(s) session(s)
- Du 03/05/2027 au 04/05/2027 à Paris
- Du 04/10/2027 au 05/10/2027 à Paris
