Informations à propos de la formation
Le formulaire a été soumis avec succès !
Une erreur s’est produite lors de l’envoi du formulaire. Veuillez vérifier à nouveau tous les champs.
Public cible et prérequis
- Étudiants, enseignants, professionnels
- Curieux souhaitant comprendre les bases de l’IA
- Aucun prérequis technique exigé (notions de bureautique souhaitées)
Objectifs de la formation
À l’issue de la formation, les participants seront capables de :
- Comprendre les concepts fondamentaux de l’intelligence artificielle et du machine learning.
- Identifier les principales applications de l’IA dans la vie quotidienne et professionnelle.
- Utiliser des outils d’IA accessibles (ChatGPT, Copilot, outils de vision, etc.)
- Appréhender les enjeux éthiques, sociétaux et réglementaires de l’IA.
- Réaliser un mini-projet d’application simple intégrant une approche IA.
Compétences visées
- Compréhension des bases de l’IA et du machine learning
- Capacité à utiliser des outils d’IA dans un contexte professionnel
- Sens critique face aux limites et aux biais de l’IA
- Esprit d’expérimentation et d’innovation
Thématiques de la formation (12 semaines / 24h)
1. Comprendre les fondamentaux de l’Intelligence Artificielle (4 h)
Objectifs spécifiques :
- Découvrir les définitions et l’histoire de l’IA
- Identifier les domaines d’application
- Comprendre la différence entre IA, machine learning et deep learning
Contenu :
- Historique et grandes étapes de l’IA
- Les différents types d’IA (faible / forte, symbolique / connexionniste)
- Panorama des domaines : langage, vision, robotique, recommandation
Activités :
- Quizz interactif
- Études de cas d’usages actuels
- Discussions guidées sur les représentations de l’IA
2. Découvrir le fonctionnement technique de base (6 h)
Objectifs spécifiques :
- Comprendre le rôle des données dans l’apprentissage automatique
- Identifier les étapes du machine learning
- Découvrir le principe des réseaux de neurones
Contenu :
- Données, algorithmes et apprentissage
- Types d’apprentissage : supervisé, non supervisé, par renforcement
- Introduction aux réseaux de neurones artificiels
- Outils no-code pour expérimenter
Activités :
- Simulation avec Teachable Machine ou TensorFlow Playground
- Atelier : entraînement d’un mini-modèle d’IA (images ou sons)
3. Explorer les applications concrètes de l’IA (6 h)
Objectifs spécifiques :
- Identifier les usages de l’IA dans différents secteurs
- Expérimenter des outils d’IA générative (texte, image, son, vidéo)
- Réfléchir à l’intégration de l’IA dans les pratiques professionnelles
Contenu :
- L’IA générative (ChatGPT, DALL·E, Copilot, etc.)
- Cas d’usage : santé, éducation, marketing, administration, industrie
- Automatisation et productivité assistée par IA
Activités :
- Ateliers de création : prompts, génération d’images, rédaction assistée
- Études de cas réels
- Discussions sur l’impact professionnel
4. Aborder les enjeux éthiques, sociétaux et réglementaires (4 h)
Objectifs spécifiques :
- Comprendre les biais et les limites des systèmes d’IA
- Identifier les enjeux liés à la vie privée, à la transparence et à la responsabilité
- Découvrir les cadres légaux (RGPD, AI Act européen)
Contenu :
- Biais algorithmiques et discrimination
- Transparence, explicabilité et responsabilité
- Règlementation internationale et éthique de l’IA
Activités :
- Débat participatif : “L’IA, opportunité ou menace ?”
- Analyse d’un cas éthique réel
5. Projet de synthèse et évaluation (4 h)
Objectifs spécifiques :
- Mettre en pratique les connaissances acquises
- Présenter un mini-projet utilisant un outil d’IA accessible
- Évaluer la compréhension globale de la formation
Contenu :
- Conception d’un projet IA simple (ex : chatbot, générateur d’images, outil d’aide à la décision)
- Restitution et évaluation des acquis
Activités :
- Travail en groupe
- Soutenance orale et feedback collectif
Méthodologie
- Alternance théorie / pratique
- Ateliers collaboratifs
- Utilisation d’outils interactifs et d’IA accessibles
- Utilisation d’outils IA no-code / low-code
- Apprentissage par projet
Évaluation
- Évaluation continue (participation, exercices)
- Mini-projet final présenté en groupe ou individuellement
- Auto-évaluation et feedback du formateur
Évaluation et Assurance Qualité :
À la fin de chaque programme de formation, les participants recevront un formulaire d’évaluation et d’assurance qualité.