Intelligence Artificielle - IA

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.