A l'issue de cette formation, vous serez capable de :

• Reconnaître les concepts, terminologies, spécificités et enjeux de l'IA moderne
• Faire évoluer des produits existants pour y intégrer l'IA et identifier des nouveaux besoins
• Développer et déployer des produits IA selon les meilleures méthodologies
• Activer les leviers de maîtrise des coûts et de croissance et identifier les pièges.

Jour 1 - Matin

Fondamentaux de l'IA moderne

• Qu'est-ce que l'IA ?
• Similarités et différences entre IA et le développement d'applications traditionnelles
• Machine Learning vs Deep Learning
• Les différents types d'apprentissage de modèles
• Du NLP aux IA Génératives
• Stockage des données : Data Warehouse, Data Lake et lakehouse
• Pipelines de données et automatisation
• Solutions d'IA sur le Cloud vs solutions On-Premise
• Stratégies de déploiement de produits IA
• L'ère agentique
• 5 niveaux de maturité d'intégration de l'IA
• Cas d'étude issus de l'industrie

Jour 1 - Après-midi

Développement et maintenance de produits IA

• Etapes de développement de nouveaux produits
• Spécificités des produits IA, de la conception au déploiement et à la maintenance
• Intégration de l'IA dans des produits non-IA : exemples
• Principaux facteurs de succès et d'échec
• Cas d'étude issus de l'industrie

Commercialisation de produits IA

• Spécificités des offres IA, B2B, B2C, Blue Ocean, Red Ocean et GOAT à travers des exemples

Exemples de travaux pratiques (à titre indicatif)

• Etablissement des objectifs d'un PoC d'IA
• Ingestion, exploration, nettoyage, préparation d'un jeu de données
• Choix des algorithmes, choix de la plateforme de développement et de déploiement du modèle
• Monitoring du déploiement, du Data drift et du modèle drift
• Ré-entraînement du modèle

Jour 2 - Matin

Développer l'équipe IA / ML

• IA PM (Product Manager)
• IA / ML / Data Strategist
• Data Engineer
• Data Scientist
• Data Analyst
• Ingénieurs ML
• Ingénieurs Front End / Back End / Full Stack
• UX Designers
• Implication du client
• Marketing et vente
• Les frameworks collaboratifs
• AIOps et MLOps

Benchmarking, croissance et coûts

• Identifier les métriques clés : métriques "north star", KPI, OKR
• Identifier la meilleure stratégie produit pour une forte croissance
• Maîtriser les coûts et optimiser les prix des produits
• Savoir exploiter la pile technologique avec les CDP (Customer Data Platforms) et les CEP (Customer Engagement Platforms)

Domaines à fort potentiel de croissance pour les produits IA

• L'IA
• Embarquée
• Créative
• Les TuningBots
• Ce qui est possible vs ce qui est probable : le diagramme de Venn

Jour 2 - Après-midi

Exemples de travaux pratiques (à titre indicatif)

• Analyse de marché pour un produit IA
• Etude de marché
• Définition des personas des utilisateurs
• Analyse des concurrents
• Développement d'un MVP en incluant l'équipe
• Aspects éthiques et réglementaires
• Stratégie de mise sur le marché
• Gestion des données (du sourcing à la consommation dans les modèles)
• Définition des KPI (métriques, feedback utilisateurs, ajustements)

Enjeux, limites et bonnes pratiques

• Evaluation de la qualité des résultats
• Gestion des biais et des hallucinations
• Questions éthiques et juridiques (droits d'auteur, RGPD)
• Bonnes pratiques pour garantir la confidentialité
• Intégration des IA dans le workflow professionnel
• Présentation d'outils pour travailler en toute confidentialité