ETAT DE L'ART SUR L'INTELLIGENCE ARTIFICIELLE

• Définir et comprendre le concept d’Intelligence Artificielle
• Identifier les apports potentiels par métier, activité ou secteurs dans l’entreprise
• Connaître les principales solutions, outils et technologies déployés dans un projet d’IA
• Identifier les clés de réussite d’une solution d’Intelligence Artificielle
• Appréhender les enjeux juridiques et éthiques de l’IA
• Appréhender les concepts de Machine Learning et Deep Learning
• Disposer d’une définition concrète des solutions et outils d’Intelligence Artificielle
• Savoir définir les types de bénéfices par métier, activité, secteur de l’Entreprise
• Être en mesure de discerner les clés de réussite d’une solution d’Intelligence Artificielle

Toute personne souhaitant comprendre les domaines d’application et les bénéfices de l’Intelligence Artificielle : MOA, DSI, chefs de projets, développeurs, architectes…

Avoir des connaissances générales en informatique et en gestion de projet numérique

1ÈRE PARTIE : LES USAGES DE L'INTELLIGENCE ARTIFICIELLE

• Des exemples d’application (témoignages vidéo)
• Du fantasme à la réalité de l'Intelligence Artificielle
• Historique, concepts de base et applications de l'intelligence artificielle
• Vision globale des dispositifs d’Intelligence Artificielle
• Les principaux concepts de l’IA : Machine Learning vs Deep Learning
• Apprentissage supervisé, non supervisé, semi-supervisé, par renforcement
• Comprendre l’évolution du Big Data vers le Machine Learning

Ateliers (0H30)

• Mise en pratique : description de 5 algorithmes fournis et deviner à quels types d’usage peuvent-ils être utilisés en le justifiant

2ÈME PARTIE : QUELS SONT LES MÉCANISMES DE L'INTELLIGENCE ARTIFICIELLE ?

RÉSEAUX DE NEURONES ET DEEP LEARNING

• Qu'est-ce qu'un réseau de neurones ?
• Le réseau de neurones : architecture, fonctions d'activation et de pondération des activations précédentes...
• Qu'est-ce que l'apprentissage d'un réseau de neurones ? Deep versus shallow network, overfit, underfit, convergence
• L'apprentissage d'un réseau de neurones : fonctions de coût, back-propagation...
• Modélisation d'un réseau de neurones : modélisation des données d'entrée et de sortie selon le type de problème
• Approximer une fonction par un réseau de neurones
• Approximer une distribution par un réseau de neurones
• Génération de représentations internes au sein d'un réseau de neurones
• Généralisation des résultats d'un réseau de neurones
• Révolution du Deep Learning : généricité des outils et des problématiques
• Panorama des cas d’usage dans différents secteurs d’activité (industrie, Banque/Assurance, Santé)

Ateliers (0H45)

• Quizz de connaissance (10 questions de QCM d’une durée de 20 minutes)

SUR QUOI PORTE LE DEEP LEARNING　?

• Les données : volumétries, dimensionnement, équilibre entre les classes, description
• Données brutes vs features travaillées
• Classification de données
• Les types : donnée, vidéo, image, son, texte, etc
• Les enjeux d'une classification de données et les choix impliqués par un modèle de classification
• Outils de classification : des réseaux de type Multilayer Perceptron ou Convolutional Neural Network
• Prédiction d'information et donnée séquentielle/temporelle
• Enjeux et limites d'une prédiction d'information
• Règles structurelles au sein de la donnée pouvant permettre une logique de prédiction
• Outils usuels de prédiction
• Transformation/génération de données
• Opération de réinterprétation d'une donnée : débruitage, segmentation d'image...
• Opération de transformation sur un même format : traduction de texte d'une langue à une autre...
• Opération de génération de donnée "originale" : Neural Style, génération d'images à partir
• de présentations textuelles
• Reinforcement Learning : contrôle d'un environnement

Ateliers (1H15)

• Mise en pratique : dans un contexte d’entreprise décrit, élaborer la démarche complète de gestion des données

PRÉSENTATION DES BOTS

• Les types de Bots en fonction des domaines d'activité
• Les enjeux marketing dans la digitalisation de la relation client
• Pourquoi les entreprises misent-elles sur les Bots ?
• Optimiser la construction de l'interface d'échange du Bot
• Les offres des leaders du marché : Now (Google), Siri (Apple), Alexa(Amazon), Cortana (Microsoft)
• Comment concevoir un Bot ?

Ateliers (1H15)

• Mise en pratique : réaliser la démarche exhaustive de mise en place d’un chatbot pour une entreprise (du besoin, choix d’outil, à la phase de recette)

LE LANGAGE NATUREL

• Fondamentaux d'un système de compréhension de langage naturel
• Comprendre les principes
• Complexités de mise en oeuvre
• Présentation des solutions Open Source
• Solution de Google (Cloud Platform Speech), Alexa (Amazon), LUIS QnaMaker (Microsoft), Cognitive Services (Microsoft) …

Ateliers (1H)

• Mise en pratique : Comparer les différents modèles de NLP pour réaliser un chatbot.

3ÈME PARTIE : PLATES-FORMES DE DÉVELOPPEMENT

• Solutions de Développement : Wit.ai (Facebook), Chatfuel, Api.ai (Google), BotFramework (Microsoft)...
• Les Modes de programmation waterfall
• Panorama des Framework de développement
• Création d'un Bot sans codage, les solutions Chatfuel et autres
• Le Passage du Flow au Bot (smooch.ia)
• Toutes les solutions de méthodes de déploiement
• Comment héberger un Bot sur un serveur Web ?

Ateliers(1H15)

• Mise en pratique : choisir la plate-forme à utiliser selon le contexte d’un projet décrit. Evaluer le budget annuel approximatif

COMMENT METTRE EN OEUVRE UNE APPLICATION D’IA ?

• Le cycle de vie d’un projet d’IA
• Identifier les apports potentiels par métier, activité ou secteurs dans l’entreprise
• L’accompagnement aux changements nécessaire (formation, communication, management)

Ateliers (1H15)

• Mise en pratique : préparer un projet d’IA (contexte fourni) : choisir la démarche projet, choisir les outils à mettre en œuvre, planification, budget, organisation, business case (ROI)

4ÈME PARTIE : QUELS ACTEURS DE L’ENTREPRISE DOIT ON SE PRÉPARER À IMPLIQUER, CONSIDÉRER ?

• Les acteurs d’un projet et post-projet
• Nouveaux rôles dans l'entreprise
• Les prestataires externes et l’écosystème
• Dans votre entreprise, qui est concerné par l’Intelligence Artificielle : au sein du marketing, de la relation client, de la DSI…

Ateliers (0H45)

• Mise en pratique : définir l’organisation à mettre en place pour la mise en œuvre d’un hackathon en IA, IA Lab, d’un projet d’IA

5ÈME PARTIE : LA ROADMAP D’UN DÉPLOIEMENT D’UNE APPLICATION D’IA

• La roadmap de la mise en oeuvre d’une application en IA (avant, pendant et après le projet)
• Les spécificités et les risques d’un projet d’IA (juridiques, éthiques, …)
• Les facteurs clés de succès (FCS) d’un projet IA
• Le rétro planning du ou des recrutements et leurs incidences sur les projets

Ateliers (0H45)

• Mise en pratique : selon un contexte d’entreprise défini, réaliser la roadmap à 3 ans de déploiement de plusieurs applications en IA

6ÈME PARTIE : SYNTHÈSE

• CheckList, bonnes pratiques
• Échanges autour des spécificités métiers et activité des entreprises de chaque participant

Ateliers (1H)

• Synthèse : élaborer son plan de progrès

QCM d’acquisition de connaissance (40 questions, durée : 0H45)

• Pour les formations en présentiel : Support de cours, salle et équipement informatique mis à disposition
• Plateforme de visioconférence pour les cours à distance

• Evaluation des besoins en amont de la formation et adaptation du programme aux attentes
• Alternance d’exercices pratiques corrigés, de questionnaires
• Evaluation à chaud et à froid du niveau de satisfaction et de la mise en application des compétences acquises en cours de formation.
• Formateurs disposant d’une d’expérience minimum de 5 ans sur la thématique enseignée.

• Test de positionnement en début de formation 
• Tests ou quiz de contrôle de connaissances ou autoévaluation à chaque étape de l’apprentissage
• Remise d’une attestation finale individuelle. Cette attestation valide le niveau de progression et les acquis