Description :

Découvrez la formation « Acculturation aux fondations techniques de l’IA », une session immersive de 2 jours pour comprendre les fondations techniques de l’IA et de la Data Science, du pilotage d’un projet IA jusqu’aux applications modernes basées sur les modèles de langage (RAG, agents IA).

Le parcours est structuré en 4 demi-journées : mise en contexte (IA/ML/DL, NLP & Computer Vision), méthodologie de projet IA (CRISP-DM) et métiers, focus Machine Learning (préparation, entraînement, évaluation), puis Deep Learning, Transformers, multimodalité, et enfin les briques clés des applications LLM (fine-tuning, embeddings, vector stores, RAG) et l’IA agentique.

L’objectif est de permettre aux participants de mieux dialoguer avec les équipes Data/IA, de comprendre les choix technologiques, et d’évaluer les opportunités et limites des solutions IA en entreprise.

Objectifs pédagogiques :

À l’issue de la formation, les participants seront capables de :

• Distinguer IA, Machine Learning et Deep Learning, et situer les domaines clés (NLP, Computer Vision).
• Identifier les étapes d’un projet d’IA prédictive (CRISP-DM) : cadrage, données, préparation, modélisation, évaluation et déploiement.
• Comprendre les rôles (Data Engineer/Analyst/Scientist, ML/AI Engineer, CDO/DPO/Data Steward) et leurs interactions dans un projet IA.
• Expliquer comment préparer des données, entraîner et évaluer un modèle de Machine Learning (métriques, train/test, validation).
• Comprendre les bases du Deep Learning : réseaux de neurones, fonctions d’activation/coût, optimiseurs et architectures (MLP, CNN, RNN).
• Comprendre l’architecture Transformers et les modèles de fondation (pré-training, post-training, RLHF) et leurs usages.
• Comprendre les briques des applications LLM : fine-tuning vs prompt-tuning, embeddings, vector stores, recherche sémantique et RAG.
• Appréhender l’IA agentique : typologies d’agents, orchestration de workflows, frameworks et protocoles (MCP, A2A, ACP).

Public concerné :

Managers, chefs de projet, consultants, responsables innovation, métiers et profils IT non spécialistes souhaitant acquérir une culture technique solide en IA.

Aucun prérequis technique avancé n’est nécessaire.

Durée :

2 jours (4 demi-journées) : 9h–12h30 & 13h30–17h

Nombre de participants :

Maximum 12 personnes.

Pré-requis :

• Ordinateur portable avec accès Internet
• Connaissances informatiques de base

Planning :

Jour 1 – Demi-journée 1 : Introduction – mener un projet d’IA en entreprise

• IA vs ML vs DL : définitions et périmètre
• Évolution historique et rôle du Big Data
• Domaines clés : NLP et Computer Vision
• Exemples d’applications concrètes dans différents secteurs
• Étapes d’un projet d’IA prédictive : CRISP-DM, phase Business (cadrage/objectifs), phase données (collecte, nettoyage, annotation), préparation, modélisation, évaluation, déploiement
• Métiers et outils de la Data & de l’IA : Data Engineer/Analyst/Scientist, ML/AI Engineer, CDO/DPO/Data Steward, interactions entre rôles

Jour 1 – Demi-journée 2 : Focus sur le Machine Learning

• Préparation des données : encodage, normalisation, feature engineering
• Types d’apprentissage : supervisé, non supervisé, par renforcement
• Exemples d’algorithmes : régression linéaire/logistique, SVM, arbres de décision et forêts aléatoires, K-means et clustering
• Évaluation : train/test, KFold… et principales métriques (RMSE, precision, recall…)
• Exercices pratiques
• Synthèse et échanges : récapitulatif des concepts et applications concrètes

Jour 2 – Demi-journée 1 : Deep Learning – NLP & Image

• Du Machine Learning au Deep Learning : réseaux de neurones (structure, neurones, poids, biais)
• Fonctions d’activation, fonctions de coût et optimiseurs
• Architectures principales : MLP, CNN, RNN et comparaison ML vs DL
• Exercice pratique
• Modèles de langage & Transformers : de RNN/LSTM aux Transformers, mécanisme d’attention, architecture encoder-decoder
• Modèles de fondation : pré-training, post-training, RLHF ; exemples : GPT, Claude, Gemini, Mistral
• Exercice pratique
• Computer Vision & multimodalité : CNN, GANs, modèles de diffusion, génération et classification d’images, multimodalité (texte, image, audio, vidéo)
• Exercice pratique

Jour 2 – Demi-journée 2 : LLM-based applications (RAGs, AI agents)

• Fine-tuning vs prompt-tuning
• Embeddings : de Word2Vec aux embeddings modernes
• Vector stores et moteur de recherche sémantique
• Mécanisme du RAG (Retrieval-Augmented Generation)
• Exercice pratique
• IA agentique et automatisation intelligente : typologie (spécialisés, autonomes, multi-agents), prompt engineering et orchestration
• Frameworks : LangChain, LangGraph, CrewAI, Copilot Studio…
• Protocoles de communication : MCP (Model Context Protocol), A2A (Agent-to-Agent), ACP (Agent Communication Protocol)
• Cas d’usage en entreprise : copilotes métiers, automatisation, agents décisionnels
• Exercice pratique
• Clôture : synthèse globale (ML → DL → GenAI → Agents) et bilan des apprentissages

Tarif :

• Inter-entreprises : 1 600 € HT par participant
• Intra-entreprise : sur devis

Méthodes mobilisées :

• Apports théoriques vulgarisés
• Démonstrations et exemples concrets
• Exercices pratiques guidés
• Échanges et retours d’expérience

Évaluation :

• Quiz
• Exercices pratiques avec feedback

Modalités mobilisées :

Formation en présentiel ou à distance (Microsoft Teams).
Ordinateur avec webcam et micro requis.

Délai d’accès :

Inscription possible jusqu’à 7 jours ouvrés avant la session.

Accessibilité :

Formation accessible aux personnes en situation de handicap.
Contact : accessibility@eurekia-learning.com

Contacts :

• Référent qualité : Jihane Khouzaimi – 06 86 05 04 02 – contact@eurekia-learning.com
• Référent pédagogique : Hatim Khouzaimi