Formation Détecter les opportunités de l'Intelligence Artificielle (IA)

Jour 1 - Matin

La puissance de l'IA aujourd'hui

• Définition de l'IA et repères historiques
• L'IA faible ou spécialisée : une tâche, une performance
  • Sciences : repliement des protéines, nouveaux matériaux, prévision météo
  • Médecine : imagerie, dépistage précoce, aide au diagnostic
  • Industrie et transport : vision, robotique, conduite assistée
  • Vie quotidienne : recommandation, traduction, chatbots et assistants
• L'IA générale (AGI) : définition, promesses et incertitudes
• La superintelligence : débats, calendriers annoncés, enjeux de sécurité
• Distinguer les capacités réelles, les annonces et le récit marketing
• Ce que cette accélération implique pour la stratégie d'entreprise

État du marché des IA génératives

• Les acteurs et leurs modèles : OpenAI, Anthropic, Google, Mistral, Meta
• Modèles propriétaires par API et modèles à poids ouverts
• Offres souveraines et localisation des données en Europe
• Le coût réel : logique du token, abonnements, licences bureautiques
• Arbitrer entre coût, confidentialité et performance

Évolutions récentes et ce qu'elles changent

• Modèles de raisonnement : de la réponse immédiate à la réflexion
• Multimodalité : texte, image, voix, document, vidéo
• Fenêtres de contexte élargies : traiter des dossiers entiers
• Deep research : déléguer une étude documentaire complète
• L'IA intégrée aux suites bureautiques : Microsoft 365 Copilot, Gemini
• Vocabulaire utile : prompt, token, contexte, hallucination

Exemples de travaux pratiques (à titre indicatif)

• Atelier : comparer plusieurs IA sur un même besoin
  • Industrie : analyser un rapport d'incident ou un cahier des charges
  • Services : analyser un contrat ou un ensemble de verbatim clients
  • Évaluer la qualité des réponses et repérer les écarts entre modèles

Jour 1 - Après-midi

Les agents IA

• De l'assistant qui répond à l'agent qui exécute
• Anatomie d'un agent : objectif, outils, mémoire, critères d'arrêt
• Traitement des flux entrants et orchestration entre applications
  • Industrie : préparation de dossiers techniques et réponses aux appels d'offres
  • Services : qualification des demandes clients et montage de dossiers
• Points de contrôle humains et supervision des agents
• Ce qu'un agent sait faire aujourd'hui, ce qu'il ne sait pas encore

Le RAG : faire parler ses propres données

• Principe : connecter un modèle aux documents de l'entreprise
• Ce que le RAG apporte : actualité, confidentialité, traçabilité des sources
• Prérequis : qualité, structuration et droits d'accès aux données
  • Industrie : procédures qualité, fiches machines, historiques de maintenance
  • Services : contrats, offres commerciales, base de connaissance support
• Limites et conditions de fiabilité

Vibe coding et vibe design

• Vibe coding : décrire un besoin et obtenir un outil fonctionnel
• Vibe design : générer et itérer maquettes, visuels et supports
• Ce que ces pratiques changent pour les métiers et pour la DSI
• Limites : qualité, sécurité, maintenance et dette technique

L'IA prédictive : l'autre moitié de la valeur

• Machine learning et modèles prédictifs : principe et données nécessaires
• L'IA prédictive et l'industrie
  • Maintenance prédictive et détection de défauts
  • Contrôle qualité par vision par ordinateur
• L'IA prédictive et les services
  • Analyse comportementale, fidélisation et prévention de l'attrition
  • Détection de fraude en temps réel
• L'IA prédictive et la logistique
  • Prévision de la demande et gestion des stocks
  • Optimisation dynamique des itinéraires de livraison
• Combiner prédictif et génératif dans un même processus

Détecter, prioriser et réussir ses projets d'IA

• Cartographier les tâches à fort volume et faible valeur ajoutée
• Grille de priorisation : valeur, faisabilité, risque, données disponibles
• Où se trouve réellement la valeur : le back-office avant la vitrine
• Acheter, assembler ou développer : trois trajectoires, trois coûts
• Pourquoi la grande majorité des pilotes ne produit aucun ROI mesurable
• Mesurer la performance : indicateurs, coûts évités, gains de délai
• Conduite du changement et montée en compétence des équipes

Cadre, gouvernance et maîtrise des risques

• Qualité des résultats, biais et hallucinations
• Sécurité : fuite de données, injection de prompt, fraude par deepfake
• Confidentialité : distinguer offres grand public et offres entreprise
• Propriété intellectuelle, droits d'auteur et RGPD
• AI Act : littératie IA (article 4) et transparence (article 50)
• Calendrier des obligations « haut risque » et projets RH concernés
• Consultation du CSE et information des collaborateurs
• Charte d'usage interne et prévention du shadow AI
• Impact environnemental et sobriété d'usage

Exemples de travaux pratiques (à titre indicatif)

• Atelier : prototyper en vibe coding et vibe design
  • Industrie : créer un formulaire de relevé d'incident sur ligne de production
  • Services : créer une maquette de portail client et sa page d'accueil
• Atelier : construire sa feuille de route IA
  • Industrie : prioriser trois cas d'usage sur une chaîne ou un service maintenance
  • Services : prioriser trois cas d'usage sur un parcours client ou une fonction support
  • Identifier les données, les compétences et les contrôles nécessaires