Intégrer la démarche intelligence artificielle et science des données dans la stratégie de l'entreprise

Cette certification s'adresse aux managers et dirigeants qui souhaitent mieux appréhender les enjeux de l'intelligence artificielle et de la data pour les entreprises dans une approche faisant une large part aux questions pratiques et aux études de cas.

C'est presque devenu un lieu commun que de parler de la croissance du marché de l'intelligence artificielle (IA) et de la data. Cette croissance, attestée par des données à l'échelle mondiale, donne des ordres de grandeur à la fois impressionnant mais différentié suivant les parties du monde : En France, la mission numérique des grands groupes que vient de lancer le gouvernement (aout 2020) pour accélérer la transformation numérique des entreprises intègre d'ailleurs le chantier « Développer une stratégie commune sur l'intelligence artificielle » parmi ses cinq grands chantiers identifiés comme prioritaires.

Cela ne pourra pas se faire sans un accompagnement des managers dans la compréhension des enjeux relatifs à l'IA et les Big data.

Cette certification ne cherche pas à transformer les dirigeants en « data scientist » ou en « data analyst » ni même en expert de l'intelligence artificielle et du Machine learning, mais à leur faire découvrir l'ensemble du paysage de l'IA. Cette connaissance du paysage est essentielle pour qu'ils sachent d'abord s'il faut intégrer/accélérer une démarche IA et Data dans leurs perspectives stratégiques et si oui, où et comment avancer sur cette voie.

• Identifier le potentiel de l'intelligence artificielle et de l'utilisation des données massives pour son organisation
• Analyser l'impact de l'usage de l'IA sur l'organisation en comprenant et anticipant les transformations en ressources humaines et matérielles
• Structurer un business model de la donnée pour son organisation en cernant le processus de l'analyse et traitement des données massives
• Identifier les considérations humaines et éthiques de l'utilisation de l'IA et des données en prenant en considération le cadre réglementaire et les questions de biais et de robustesse des algorithmes