Initialisation
Activité : Partager nos a priori
Partie 1 : définir l'intelligence artificielle pour en finir avec les mythes
Objectifs de cette partie :
- Faire partager à l'ensemble des participants une vision commune et abordable quelques soient leurs compétences initiales.
- Immédiatement faire le lien entre les buzz word (Data Science, deep learning, réseau de neurones,...) et des cas d'usages métiers
- Mettre en perspective le potentiel du marché
Activité : l'IA dans la science fiction
Concrètement, c'est quoi l'IA ?
- une définition qui évolue au fil du temps
- ce qu'est l'IA et ce qu'elle n'est pas
- les grandes composantes
- test de turing
- intelligence faible
Activité : Vision commune
Pourquoi l'IA, ce n'est pas que de la technologie
- Principaux types d'applications (traitement automatique du langage, analyse des sentiments, détection d'anomalie, système de prédictions, reconnaissance visuelle…)
- Exemples des cas d'usage pour chaque type d'application
- Comment l'IA révolutionne les différents secteurs : relation clients, logistique, fintech, IT, etc.
- Matrice des meilleurs segments d'investissements pour l'IA
L'intelligence artificielle, un buzz ?
- Pourquoi c'est maintenant ?
- Les chiffres du marché
- Les acteurs
- Les initiatives publiques
- L'écosystème en France
- Recherches en cours et applications à venir
- Tendances et projections
Activité : Cartographie des cas d'usage
Partie 2 : Mise en perspective de l'écosystème IA
Les impacts sur la vie privée
- Les assistants personnels
- Les alternatives on device
- Détecteur d'émotions et éthique
- Les jeux de données d'entraînement
- La vision européenne de la sécurité
L'impact de l'IA sur les métiers
- Métiers de l'I.A.
- Evolution des métiers de l'informatique
Limitations
- Les limitations technologiques
- Les frontières de l'entreprise
LABS : Concevoir et réaliser son assistant vocal
Introduction
Activité introductive : Idées retenues
Partie 3 : Algorithmes et l'écosystème de l'IA
Objectifs de cette partie :
- Comprendre la différence entre les deux branches principales de l'IA et le principe de fonctionnement des algorithmes les plus utilisés
- Connaître les domaines d'application de chaque algorithme et mettre en rapport avec des use cases connus
- Présenter l'écosystème des programmes IA ainsi que ses caractéristiques
- Donner quelques pistes sur les outils disponibles pouvant être intégrés dans un projet IA
Les algorithmes de l'IA
- Les systèmes symboliques
- Systèmes basés sur l'apprentissage
- Apprentissage automatique (Machine Learning) :
- Supervisé vs. Non Supervisé vs. Renforcé
- Exemples de méthodes
Démo : Visualiser l'apprentissage en temps réel
- A partir de la visualisation précédente introduire les problématiques :
- biais dans les résultats
- l'interprétabilité des résultats
Activité : Méthode et application
Apprentissage profond (Deep Learning)
- les réseaux de neurones profonds pour les nuls
- exemples d'applications
Activité : Applications des architectures de réseaux de neurones
Outils / briques du marché prêts à l'emploi
- Reconnaissance d'images et vidéos
- Reconnaissance et synthèse vocale
- Analyse des sentiments
- Traitement du langage naturel (NLP)
Ecosystème technique de l'IA
- Les exigences / contraintes
- Outils du Big data
- Outils de la Data science
- Infrastructure
- Industrialisation
Activité : Data Science in action
Exemplification de la démarche de data science et de la méthode de travail
Partie 4 : Lancer un projet I.A. (LABS)
Objectifs de cette partie :
- Mettre en situation les participants pour qu'ils puissent projeter les compétences acquises sur des cas d'usages qui résonnent avec leurs enjeux métiers
- Permettre aux participants de percevoir les similarités et les particularismes d'un projet I.A. par rapport à un projet classique, notamment à travers la prédominance de l'aspect data.
