Démystifier l'IA : de la Théorie à la Pratique

Objectifs

Comprendre les fondamentaux de l'IA :
? Démystifier l'intelligence artificielle en expliquant ses concepts, ses algorithmes et ses mécanismes essentiels.
? Explorer l'évolution historique et l'impact sociétal de l'IA.
• Acquérir une maîtrise des terminologies et des enjeux éthiques :
? Décryptage des principaux termes techniques (machine learning, deep learning, NLP, etc.).
? Sensibiliser aux enjeux éthiques tels que les biais algorithmiques, la transparence et la protection de la vie privée.
• Découvrir des applications concrètes dans divers secteurs :
? Analyser des cas d'usage réels dans la santé, la finance, le marketing, l'éducation et d'autres domaines.
? Évaluer les bénéfices et les défis liés à l'intégration de l'IA dans différents environnements professionnels.
• Mettre en pratique les concepts théoriques :
? Réaliser des ateliers collaboratifs pour développer des projets simples d'application de l'IA.
? Stimuler l'expérimentation à travers des démonstrations et des exercices interactifs.
• Encourager la réflexion critique et le débat :
? Favoriser des échanges sur les implications éthiques, sociales et économiques de l'IA.
? Permettre aux participants de formuler des stratégies adaptées à l'intégration responsable de l'IA dans leurs activités.

Programme de la formation

Jour 1 : Fondamentaux Théoriques et Enjeux Éthiques
9h00 – 9h30 : Accueil et Introduction
• Accueil des participants et présentation du formateur, expert en IA
• Tour de table pour recueillir les attentes
• Présentation des objectifs de la formation et aperçu du programme sur deux jours
9h30 – 11h00 : Session 1 – Introduction et Histoire de l'Intelligence Artificielle
• Définitions et concepts clés de l'IA
• Parcours historique et évolution des technologies d'IA
• Panorama des domaines d'application et impact sur la société
• Échanges : perception de l'IA et mythes associés
Pause café (15 minutes)
11h15 – 12h30 : Session 2 – Comprendre les Algorithmes et Mécanismes de l'IA
• Présentation des principaux types d'algorithmes :
? Apprentissage supervisé, non supervisé et par renforcement
? Notions de réseaux de neurones et deep learning
• Démonstration interactive d'un algorithme simple
• Discussion sur l'implémentation basique et les outils disponibles
12h30 – 13h30 : Pause Déjeuner
13h30 – 15h00 : Session 3 – Décryptage des Terminologies Techniques de l'IA
• Glossaire des termes incontournables (big data, machine learning, NLP, etc.)
• Schémas explicatifs pour clarifier les notions complexes
• Focus sur la compréhension du vocabulaire technique
• Exercices de mise en pratique pour identifier et expliquer ces termes
Pause (15 minutes)
15h15 – 16h30 : Session 4 – Enjeux Éthiques et Impacts Sociétaux
• Exploration des enjeux éthiques : biais algorithmiques, transparence et responsabilité
• Débat sur le respect de la vie privée, sécurité des données et réglementation
• Étude de cas : analyses d'exemples concrets d'impacts positifs et négatifs
• Table ronde interactive pour partager perspectives et questionnements
16h30 – 17h00 : Conclusion et Réflexion du Jour 1
• Synthèse des apprentissages clés de la journée
• Questions/réponses et échanges informels
• Présentation des objectifs pour la deuxième journée
Jour 2 : Applications Pratiques et Atelier Collaboratif
9h00 – 9h30 : Accueil du Jour 2 et Recap
• Récapitulatif interactif des points abordés la veille
• Mise en perspective des applications pratiques et plan de la journée
9h30 – 11h00 : Session 1 – Exemples Concrets d'Usage de l'IA dans Divers Secteurs
• Présentation de cas pratiques dans :
? La santé (diagnostics assistés, imagerie médicale)
? La finance (analyses prédictives, détection de fraudes)
? Le marketing (personnalisation et recommandation)
? L'éducation (tutorat intelligent, analyse de données pédagogiques)
• Analyse des bénéfices et des défis pour chaque secteur
• Échanges sur les retours d'expérience et perspectives d'avenir
Pause café (15 minutes)
11h15 – 12h30 : Session 2 – Atelier Pratique : Construction d'un Mini-Projet d'IA
• Présentation d'un cas d'usage concret et formulation de l'objectif
• Choix d'un algorithme adapté et explication des critères de sélection
• Mise en place d'un prototype ou démonstration avec un jeu de données simplifié
• Accompagnement pas à pas par le format

Validation et sanction

-

Type de formation

Non certifiante

Sortie

Information non communiquée