FFCNCERCERXMP03
Stage inter entreprise
Durée :
2 jour(s)
Présentation
Avec l’arrivée massive de l’intelligence artificielle, les entreprises lancent des projets innovants, ces initiatives sont souvent entravées par des méthodologies inadaptées. Agile ? En cascade ? Externaliser ? Créer une équipe R&D ?
En s’appuyant sur des retours d’expérience concrets, des concepts théoriques seront présentés pour mieux comprendre et gérer les spécificités de ces projets. L’adoption de processus projet adaptés sera facilitée par des ateliers pratiques d’idéation et de cadrage, permettant ainsi d’optimiser l’intégration de l’IA dans les initiatives entrepreneuriales.
Objectifs
- Expliquer les composantes méthodologiques pour mener avec succès un projet IA et big data
- Lister les bonnes pratiques pour composer une équipe, piloter le projet, maîtriser les risques associés et évaluer sa réussite
-
Programme
Introduction
Comprendre et traiter les spécificités d’un projet data
Qu’est-ce qu’un projet data ?
- Qu’est-ce que l'IA et la data science ?
- Quelques algorithmes
- Qu'est-ce que le big data ?
- Rupture technologique
- Quels nouveaux cas d’usage ?
- Des données sous exploitées : l’exemple des données non structurées
Spécificité organisationnelle : de la nécessité de mobiliser des acteurs variés et nouveaux
- Revue des différents modes d'organisation Data en mode projet
- Quels nouveaux profils ?
- Implication et rôles des acteurs projet
Spécificité méthodologique : une approche progressive et itérative
- Phases types d'un projet data
- La place de l'agile dans les projets
- Critères de réussite et de rentabilité
Spécificité technologique : un écosystème en constante évolution
- Cloud vs. On Premise
- Quels outils pour quels usages ?
- L’intégration du big data dans un SI existant
- Pérennité des technologies big data
Spécificité économique : de la nécessité de maîtriser son infrastructure et les cas d'usages opérés
- Valorisation d'un cas d'usage data
- Méthodes d'estimation des coûts d’infrastructure
- Existe-t-il des investissements incontournables à mener ?
Spécificité juridique et humaine : pour une utilisation éthique de la donnée
- RGPD et loi « Informatique et Libertés »
- Données publiques (open data)
- Conservation et transfert
- Propriété intellectuelle et Open Source
Composer et piloter une équipe IA ou big data
- Une équipe type existe-t-elle ?
- Encadrement d’une équipe big data
- Recrutement de profils Data, une nécessité
Manager un projet data du cadrage à l'industrialisation – 1ère partie
Cadrage : Identifier et prioriser les besoins et données à exploiter
- Panorama des cas d’usages classiques
- Techniques de priorisation des sujets
- Méthodes et bonnes pratiques pour faciliter la qualification du besoin
- Quels critères valider avant de se lancer ?
Études de cas / mises en situation
- Atelier #1 : Idéation autour de cas d'usage data
Manager un projet data du cadrage à l'industrialisation – 2ème partie
Preuve de concept
Pilote : Usage en conditions réelles
Industrialisation : déployer largement pour multiplier les gains
Piloter et maîtriser les risques des projets IA et big data
Études de cas/mises en situation
- Atelier #2 : Initiation au pilotage d’un projet big data : POC data science
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
Mohammed BOUDAOUL
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 16/12/2024 au 17/12/2024 à Paris
- Du 16/10/2025 au 17/10/2025 à Paris
