FFCCERTTERXBD04
Durée :
12 jour(s)
Présentation
L’intelligence artificielle et la valorisation des données constituent aujourd’hui l’un des principaux leviers d’innovation des entreprises. Les applications de traitement massif des données transforment en profondeur les stratégies, les modèles d’affaires et les performances des organisations. L’IA générative et l’IA agentique s’imposent désormais comme deux piliers majeurs de cette transformation numérique.
La formation certifiante « Intelligence artificielle et science des données pour les managers » présente les principales composantes des sciences des données et de l’intelligence artificielle, dans une approche adaptée aux managers. Elle leur permet d’appréhender les enjeux liés aux données et les opportunités offertes par les différentes formes d’IA et d’accompagner efficacement leur déploiement au sein de l’entreprise.
Cette formation certifiante est finançable par le CPF et correspond aux blocs de compétences RNCP40235BC01 - Concevoir un projet intégrant l'IA ; RNCP40235BC03 - Piloter un projet d'IA et RNCP40235BC04 - Valoriser les résultats d'un projet d'IA.
Objectifs
- Identifier les techniques récentes de gestion et d’analyse de grandes masses de données
- Déterminer les apports des algorithmes et des techniques récentes d’analyse des données, d’apprentissage statistique et d’intelligence artificielle : LLMs et chatbots, deep learning, etc.
- Concevoir et déployer une stratégie data et IA
- Mettre en place les meilleures pratiques des organisations innovantes grâce aux données et à l’IA
-
Programme
Introduction
Transformation digitale et applications de l’IA et des sciences des données
- Rupture technologique et nouvelles solutions apportées par l’IA et le big data aux problématiques métiers
- Quels nouveaux cas d’usage par rapport aux projets traditionnels ?
- Automatisation des processus
- Reconnaissance de caractères
- Traitement du langage naturel
- Chatbots et LLMs : ChatGPT, CoPilot, DeepSeek, Mistral AI
- Enjeux économiques de l’IA pour l’entreprise
Fondamentaux de l’IA et du machine learning
- Histoire et contexte de développement de l’intelligence artificielle
- Concepts fondamentaux
- Principaux modèles d’apprentissage
- Fonction de coût, sélection et évaluation des modèles
- Généralisation
Gestion de projet data et IA
- Spécificités d’un projet data
- Compétences clés et profils
- Une équipe type existe-t-elle ?
- Encadrement d’une équipe IA, science des données
- Recrutement de profils data, une nécessité
Apprentissage supervisé et applications
- Arbres de décision
- Forêts aléatoires
- Support Vector Machines
- Boosting
- Apprentissage par renforcement
IA générative et IA agentique
Apprentissage non supervisé et applications
- Réduction de dimension
- Clustering
- Similarité
- K-means et variantes
- Méthodes hiérarchiques
- Détection d’anomalies
Apprentissage profond et applications
- Fondamentaux des réseaux de neurones
- Traitement du langage naturel
- Processus de langage naturel
- Ressources linguistiques
- Classement et catégorisation de texte
- Traitement d’images et reconnaissance d’objets
Enjeux éthiques de l’intelligence artificielle
- IA et avenir du travail
- Grands sujets pour l’IA éthique
- Biais, équité, privacy
- Cas d’usages
- Comment concevoir une approche éthique « by design » ?
- Les enjeux juridiques : RGPD, AI Act, propriété intellectuelle, etc.
Cloud Computing et infrastructures big data
- Collecte et stockage distribué des données
- Big data et cloud : plateformes de traitement
- Principaux frameworks (Hadoop, Spark, Flink, Kafka, BigQuery, Elastic Search)
- AI as a Service (Google Cloud, Open API, AWS, Azure, Stable diffusion)
Visualisation de données
- Principes de base de la visualisation d’information
- Critique des techniques de visualisation appliquées à une donnée particulière pour une tâche donnée
- Évaluation des systèmes de visualisation
- Conception de nouveaux outils de visualisation
Stratégie data
- Paradoxe des approches stratégiques classiques
- Démarche méthodologique et objectifs d’une stratégie data
- Architecture de valeur agile
- Équation de profit : temps réel, personnalisation des prix et variabilisation des coûts
- Concept d’intelligence amplifiée
- Les facteurs clés de succès
Synthèse et conclusion
-
Points forts
Formation basée sur des études de cas concrets et nécessitant peu de prérequis techniques.
-
Public cible et prérequis
Manager, chef de projet, product owner ou décideur devant identifier les enjeux de l’IA et des sciences de données pour votre métier et interagir avec les data scientists et les ingénieurs en intelligence artificielle.
Des connaissances générales en technologies du numérique permettent de tirer un meilleur profit de la formation.
-
Responsables
David BOUNIE
Enseignant-chercheur et Directeur du département Sciences Économiques et Sociales à Télécom Paris. Ses recherches concernent l'économie numérique en général, et la finance digitale en particulier. Il collabore régulièrement avec les banques, pour les systèmes de paiement par carte, et avec les banques centrales, les opérateurs mobiles. Il est cofondateur de la chaire de recherche Finance Digitale avec l'Institut Louis Bachelier.
Stephan CLEMENÇON
Enseignant-chercheur au département Image, Données, Signal de Télécom Paris, il anime l’équipe de recherche S2A (Statistiques et Applications) au sein du laboratoire LTCI. Ses recherches portent principalement sur la théorie statistique de l'apprentissage. Il enseigne le machine learning à Télécom Paris, à l'ENSAE Paris, à l'Université Paris 7 et à l'ENS Cachan.
