Accueil
Numérique
Intelligence artificielle
IA Generative
Ia générative : maîtrisez les pratiques et comprenez les enjeux

Ia générative : maîtrisez les pratiques et comprenez les enjeux

Qualiopi

En centre

Non éligible CPF

Objectifs

Programme

Comprendre les principes fondamentaux de l'IA générative et sa place dans le panorama de l'intelligence artificielle.
Apprendre à utiliser des outils et des logiciels spécifiques pour concevoir et développer des modèles d'IA générative.
Analyser les opportunités et les challenges liés à l’utilisation de l'IA générative dans différents domaines professionnels.
Mettre en œuvre une stratégie d'intégration de l'IA générative dans des processus d'affaires existants.
Évaluer l'efficacité et l'impact d'un modèle d'IA générative sur la réalisation des objectifs professionnels.

1. CONCEPTS FONDAMENTAUX DE L'IA GÉNÉRATIVE

Définition et concepts clés de l'IA générative
Comprendre les bases et principes de l'IA générative et conversationnelle
Examiner les usages de l'IA générative dans différents secteurs d’activité, tels que la communication et le marketing
Distinction entre l'IA et les moteurs de recherche: différences et finalités
Présentation des grands modèles de langage (LLM)

2. UTILISER LES OUTILS DE GÉNÉRATION DE TEXTE

Introduction aux outils de génération de texte tels que Open AI ChatGPT, Mistral Le Chat, Perplexity
Processus de génération et de reformulation de textes, avec une approche itérative
Compréhension de la base du prompt avec des exemples en escalier

3. PRINCIPES ET RÈGLES DE PROMPTING

Compréhension des différents types de prompts: invites simples ou complexes, prompt chaining, shot prompting
Étude de la structuration d'un prompt: requête directe, ponctuation, forme interrogative
Maîtrise de la qualité de formulation: contexte, format attendu, mots clés, cible
Introduction aux techniques avancées de requêtes semi-automatisées
Ajustement et calibrage des résultats en fonction des objectifs

4. TECHNIQUES DE RECHERCHE ET VEILLE

Utilisation des fonctionnalités de recherche avancée
Mise en place de veille semi-automatisée avec l’IA
Analyse et filtrage des résultats (Hallucinations, fiabilité) et des sources

5. CAS D'USAGE CONCRETS ET VALEUR AJOUTÉE DE L'IA GÉNÉRATIVE

Étude de cas: Utilisation de l'IA générative pour la création de contenus pour les réseaux sociaux
Étude de cas: Utilisation de l'IA générative pour la rédaction de comptes rendus et d’e-mails en communication interne
Étude de cas: Utilisation de l'IA générative dans le domaine administratif: rédaction, analyse, synthèse, traduction, reformulation

6. ENJEUX ÉTHIQUES ET JURIDIQUES

Comprendre les aspects juridiques liés à l'IA générative: droit d'auteur et propriété intellectuelle
Étude des biais et discriminations dans les modèles IA
Conformité RGPD et loi européenne en vigueur: comprendre et appliquer
Maîtrise de la confidentialité des données et de la cybersécurité en rapport avec l'IA générative

Public visé

Cette formation s'adresse à toute personne souhaitant approfondir ses connaissances dans le domaine de l'intelligence artificielle générative. Elle convient particulièrement aux professionnels du numérique, tels que les chefs de projet numérique, les ingénieurs en développement logiciel, les data scientists, ou encore les consultants en transformation digitale. Elle peut aussi intéresser les responsables marketing qui souhaitent intégrer l'IA générative dans leurs stratégies de communication et de création de contenu. Cette formation est également adaptée pour les enseignants et formateurs en informatique désirant actualiser leurs connaissances, ainsi que pour les étudiants en informatique ou en numérique souhaitant se spécialiser dans l'intelligence artificielle générative. Le prérequis est une connaissance de base de l’environnement numérique et des outils bureautiques. Il n'est pas nécessaire d'avoir des connaissances préalables en intelligence artificielle pour suivre cette formation.

Prérequis

Être muni d'un ordinateur relié à Internet, possédant une caméra, un micro et un haut parleur. Avoir une compréhension de base de l'Intelligence Artificielle et de ses applications Des connaissances préalables en informatique et en programmation sont recommandées Être familier avec les concepts de base du Machine Learning et du Deep Learning Avoir une certaine aisance avec les mathématiques, en particulier la statistique et l'algèbre linéaire, sera bénéfique, bien que non obligatoire Aucun prérequis de matériel supplémentaire ou de connaissances techniques spécifiques n'est exigé pour cette formation.

Méthodes pédagogiques

L’approche pédagogique a été construite sur l’interactivité et la personnalisation : Présentation illustrée et animée par le Formateur Expert, partage d’expériences, études de cas, mise en situation réelle.
Tous les supports sont fournis par support papier, mail ou clé USB à chaque stagiaire.

Méthodologie pédagogique employée :
Chaque formation en présentiel ou en distanciel est animée par un Formateur Expert Métier sélectionné selon ses compétences et expériences professionnelles. Apport d’expertise du Formateur, quiz en début et fin de formation, cas pratiques, échanges d’expérience. Accès en ligne au support de formation.

Modalités d'évaluation

Méthodes utilisées et évaluation :
Evaluation et positionnement lors de la définition du projet pédagogique avec le(s) stagiaire(s). Un QCM est donné aux stagiaires le dernier jour de la formation pour valider leurs apprentissages. Une correction collective est effectuée par le Formateur. Une évaluation de fin de stage en direct est organisée entre le Formateur et le(s) stagiaire(s) pour recueillir et prendre en compte leurs appréciations. Une attestation de fin de stage est remise aux stagiaires.