Sensibilisation à l’IA (Intelligence Artificielle)

Origines et concepts, applications et acteurs, impacts humains et perspectives sur une journée de sensibilisation.

  • 1 jour

  • Les dates

Philippe Nieuwbourg

Le mot de l’intervenant

L’intelligence artificielle forte n’existe pas ! Les plus grands spécialistes mondiaux du sujet le reconnaissent eux-mêmes. Mais les méthodes et techniques développées aujourd’hui n’en représentent pas moins un progrès considérable en matière d’automatisation de certaines fonctions. Plus que d’IA, il me semble plus juste de parler d’intelligence augmentée. Et au travers de nombreux cas pratiques, je vous expliquerai comment l’apprentissage machine, l’apprentissage profond, et d’autres méthodes permettent aujourd’hui aux entreprises de mieux valoriser leurs données.

Objectifs :

  • Comprendre ce que recouvre le terme d’intelligence artificielle, les usages, les techniques et les cas d’applications
  • Comprendre la signification de termes tels que Machine Learning, Deep Learning, Réseaux de neurones…
  • Les principales méthodes d’apprentissage automatique, supervisé, non-supervisé, par renforcement ; quand et comment les choisir ;
  • Panorama des premiers retours d’expériences de mise en place de solutions d’intelligence augmentée : études de cas
  • Panorama des solutions disponibles sur le marché
  • Méthodes et conduite de projet : comment expérimenter à moindre risque et à moindre coût
  • Impacts humains de l’automatisation et de la robotisation (matérielle et logicielle) : les fonctions impactées
  • Les métiers de demain : comment s’y préparer
  • Les tendances, le futur : de l’IA à l’Informatique Quantique

 

Pré-requis : Connaissances de base de la systémique des organisations.

 

Évaluation validation : Cette formation ne donne pas lieu à une évaluation formalisée des acquis de la formation

Définitions pour comprendre ce dont on parle

L’intelligence artificielle forte vs faible
Qu’est-ce que : l’apprentissage machine, l’informatique cognitive, l’apprentissage profond, les réseaux de neurones, etc.
Comprendre pour démystifier
Le concept d’intelligence augmentée

Histoire de l’intelligence artificielle

Les recherches qui ont amené à penser qu’un jour, l’ordinateur pourrait être intelligent
Les principaux chercheurs et leurs contributions
Histoire et sémantique de l’IA
Les hauts et les bas dans l’histoire de l’IA
Les étapes marquantes
Comprendre le fonctionnement du cerveau humain pour comprendre la machine
Pourquoi connaitre et comprendre cette histoire, est fondamental pour imaginer des applications réalistes en entreprise

Impacts relatifs du Machine Learning, Deep Learning, AI, Réseaux de neurones, systèmes experts sur les différents métiers de l’entreprise

Connexionnisme et symbolisme
Segmentation de l’IA
Etat des lieux en 2018
Algorithmes et logiciels
Principales approches
La logique floue
Le Machine Learning
Les réseaux de neurones
Le Deep Learning
Les GAFA et l’IA
Artificial General Intelligence
Google DeepMind

Vue générale

Techniques et applications
Les langages utilisés
Les bibliothèques disponibles
Le rôle de l’open source
IA et Big Data : le choix des architectures

Secteurs d’activités
Banques et Assurances
Distribution
Télécommunications
Comptabilité et finance
Secteur public
Organisations non gouvernementales
Les autres cas pratiques

Les applications génériques de l’IA
Pour chacun de ces secteurs d’activité, nous détaillerons plusieurs cas pratiques de mises en place de solutions d’intelligence augmentée, les objectifs, les méthodes, les résultats

Etude de cas
Comprendre comment fonctionne l’apprentissage machine
Conception d’une matrice d’apprentissage
Modélisation
Choix des méthodes
Boucle d’apprentissage

Les conséquences humaines de la mise en place de l’IA
Robotisation des métiers du service et de gestion de l’information

Encadrement juridique de l’IA
Etat de l’art
Le cas des algorithmes : cartographie, explicabilité, auditabilité, labellisation

L’étude préalable
Les facteurs clés du succès d’un projet d’IA
Comment mieux impliquer directions générales et utilisateurs.
Comment déterminer les critères et mesures de succès
Périmètre fonctionnel pilote : quelle définition optimum ?
Intégration de l’IA au sein du système d’information décisionnel

Le groupe de projet
Acteurs, rôles et livrables.
Sous-traitance : quoi, quand, comment ?
Les responsabilités MOA et MOE.
La collaboration avec les startups
La collaboration avec le monde universitaire

De l’expression des besoins à la modélisation
Jusqu’où aller dans l’expression des besoins ? Comment formaliser les besoins fonctionnels.
Comment répartir les rôles entre maîtrises d’ouvrage et d’œuvre. Les livrables : objectifs et contenu.