Maîtriser les bases de l’intelligence artificielle et ses usages concrets dans les principaux secteurs d’activité
Cette formation permet aux participants de comprendre les principes de l'intelligence artificielle et d'expérimenter ses principaux usages à travers des outils simples, sans prérequis en programmation.
Est-ce pour vous ?
• Professionnels souhaitant comprendre l’IA sans expertise technique
• Cadres métiers : RH, marketing, finance, santé, industrie, etc.
• Chefs de projet digital, innovation ou data
Préalables
Aucun prérequis en programmation nécessaire
Ce que vous saurez faire
- ✓ Comprendre les concepts clés de l’IA et distinguer les principales approches (Machine Learning, Deep Learning, NLP, vision)
- ✓ Identifier des cas d’usage concrets de l’IA dans différents secteurs et les transposer à son contexte métier
- ✓ Analyser et préparer des données en tenant compte des enjeux de qualité, de biais et de structuration
- ✓ Appréhender le cycle de vie complet d’un projet IA et collaborer efficacement avec les différents acteurs
- ✓ Utiliser des outils d’IA générative et no-code pour prototyper rapidement des solutions sans développement
Contenu de la formation
1 Introduction à l’intelligence artificielle
- Définitions, historique, types d’intelligence artificielle (symbolique vs statistique)
- Évolution de l’IA
- Cas concrets d’IA dans différents secteurs (santé, finance, RH, industrie, etc.)
2 Les grands domaines de l’IA
- Machine Learning vs Deep Learning
- NLP, Vision par ordinateur, Systèmes Experts
- Comparaison des approches selon les cas d’usage
- Exercice
3 Panorama de cas concrets
- IA dans la santé : diagnostic, suivi patient
- IA dans la finance : détection de fraude, scoring de crédit
- IA en RH, industrie, commerce, logistique
- Exercice
4 Les types de données ?
- Données structurées, non structurées, textes, images, etc.
- Exemples de jeu de données : données clients, données RH, e-commerce…
- Problèmes de qualité de données : valeurs manquantes, doublons, biais
5 Principaux algorithmes IA
- Apprentissage supervisé : régression linéaire, arbres de décision
- Apprentissage non supervisé : clustering avec k-means
- Intuition du fonctionnement, cas d’usage
- Exercice
6 Cycle de vie d’un projet IA
- Étapes : collecte, préparation, modélisation, évaluation
- Les rôles dans un projet IA (data analyst, data scientist, métier, etc.)
- Notions d’overfitting, validation croisée, précision vs rappel
- Exercice : simulation d’un mini-projet en équipe à partir d’un jeu de données
7 Éthique, biais et transparence
- Biais dans les données, biais dans les algorithmes
- Importance de l’explicabilité et de la supervision humaine
- Risques d’usage malveillant de l’IA
- Exercice : analyse d’un cas réel de biais dans l’IA
8 Introduction à l’IA générative
- Fonctionnement de ChatGPT, DALL·E, Copilot
- Prompts : comment bien formuler une requête ?
- Exemples métiers : résumé de texte, brainstorming, génération d’images
- Exercice : test de prompts avec ChatGPT
9 Scénarios métiers simulés
- Assistant RH : génération de réponse à une candidature
- Analyse de sentiment client à partir d’un texte
- Synthèse d’un rapport ou d’un email
10 Panorama des outils IA sans coder
- Outils no-code/low-code : Teachable Machine, RunwayML, Peltarion, MonkeyLearn,
11 GPT for Sheets
- Comparatif : fonctionnalités, limites, tarifs
- Exercice : test d’un outil no-code pour entraîner un modèle
Voir plus
📌 Informations pratiques
Nos formations sont offertes à Montréal ou Québec, en présentiel ou en classe virtuelle. Les dates et lieux sont précisés lors de votre choix de session ci-dessous. Si vous avez des questions, consultez notre FAQ.
