Nouvelle formule

Formation - Chef de projet intelligence artificielle

Conduire un projet d'intelligence artificielle

Cette formation vous permet d’acquérir toutes les compétences pour piloter avec succès un projet d’intelligence artificielle. Devenez un chef de projet IA en maîtrisant le machine learning et le deep learning, en comprenant les enjeux juridiques et éthiques, et en mettant en œuvre un projet IA en mode agile lors d’un atelier no-code de deux jours.

Avec des outils comme Orange Data Mining, Teachable Machine, Hugging Face, et ChatGPT, créez des solutions IA (prédictions, chatbots, reconnaissance d’images) sans coder.

Cette formation ne demande pas de prérequis académiques ni de connaissance de programmation mais nécessite d'être à l'aise avec les outils numériques.

Choisir une session Consulter le programme 2027

Informations pratiques

Référence : 9540

Durée : 7 jours (49 heures)
Présentiel ou classe à distance
Fondamental

Formation - Chef de projet intelligence artificielle

A qui s'adresse cette formation ?

Chef de projet d'un projet d'intelligence artificielle (IA).
Chef de projet maîtrise d'ouvrage.
Toute personne devant intégrer de l'intelligence artificielle dans un projet.

Les objectifs de la formation

Comprendre le fonctionnement de la data science et de l'intelligence artificielle.
Connaître les contraintes légales et éthiques de l'intelligence artificielle.
Maîtriser la démarche d'innovation d'un projet d'intelligence artificielle.
Maîtriser la démarche de développement agile d'une application d'intelligence artificielle.

Les points forts de la formation

Un panorama complet des techniques et méthodes nécessaires à la maîtrise de A à Z d'un projet d'intelligence artificielle, incluant les aspects légaux et éthiques.
Des challenges et ateliers pratiques permettant à des débutants de comprendre et de créer en séance des applications utilisant les technologies d'intelligence artificielle et de data science.

Cegos, certifié ISO 9001 et Qualiopi, garantit la qualité et la fiabilité de ses formations et certifications. En savoir plus

Prérequis

Aucun.

Le programme de la formation

Télécharger le programme

1 - Introduction à l’Intelligence Artificielle (IA) et au Machine Learning

Définitions de l’IA, du machine learning, et leur rôle dans les projets d’entreprise.
Historique et évolution de l’IA : des premières approches aux modèles modernes.
Applications courantes du machine learning (ex. : prédiction des ventes, segmentation client, détection de fraudes).
Importance pour les chefs de projet : comprendre les besoins techniques, aligner les solutions sur les objectifs, et communiquer avec les parties prenantes.

2 - Les Données dans les Projets d’IA

Comprendre les types de données :

Structurées : tableaux, bases de données relationnelles (ex. : fichiers CSV, SQL).
Non structurées : textes, images, vidéos (ex. : commentaires clients, photos).
Semi-structurées : formats comme JSON, XML (ex. : logs d’API).

Atelier : importer des données et visualiser des structures (ex. : tableaux, graphes simples).

3 - Les algorithmes de Machine Learning

Comprendre les concepts de "Machine Learning".

Apprentissage supervisé : modèles entraînés avec données étiquetées pour prédictions.
Apprentissage non supervisé : découverte de structures dans des données non étiquetées.

Comprendre les algorithmes supervisés :

Régression linéaire : prédiction de valeurs continues (ex. : estimation des prix).
Régression logistique : classification binaire (ex. : détection de fraudes).
Arbres de décision : règles pour classification ou régression (ex. : diagnostic médical).
Naïve Bayes : classification basée sur probabilités (ex. : filtrage de spam).
K-Nearest Neighbors (KNN) : classification par proximité (ex. : recommandation de produits).

Comprendre les algorithmes non supervisés :

K-Means (Nuées dynamiques) : regroupement en clusters (ex. segmentation de marché).

4 - Les grands modèles conversationnels (LLM) comme ChatGPT

Présentation des grands modèles d’IA conversationnelle (ex. ChatGPT, Claude, Grok, Copilot)
Applications pour les chefs de projet :
- Générer des résumés ou rapports pour présenter les résultats aux parties prenantes.
- Clarifier des concepts techniques via des questions en langage naturel (ex. : "Qu’est-ce qu’un arbre de décision ?").
- Automatiser la rédaction de documentation ou de propositions de solutions.
- Explorer des idées pour interpréter les résultats (ex. : "Quelles tendances dans ces données ?").

5 - Evaluation des Modèles de Machine Learning

Importance de l’évaluation pour garantir la fiabilité des modèles.
Métriques pour l’apprentissage supervisé :
- Régression : erreur quadratique moyenne (MSE), coefficient de détermination (R²).
- Classification : précision, rappel, F1-score, matrice de confusion, courbe ROC.
Métriques pour l’apprentissage non supervisé : indice de silhouette pour K-Means.
Techniques d’évaluation :
- Validation croisée : diviser les données pour tester la robustesse du modèle.
- Séparation entraînement/test : évaluer les performances sur des données non vues.
- Tests A/B : comparer les modèles en conditions réelles.

1 - Introduction au Deep Learning et Concepts Associés

Deep Learning : définition, différences avec le machine learning traditionnel.
Historique et évolution : des perceptrons (1950s) aux Transformers (2017) ; RL dans les jeux (ex. : AlphaGo) ; RAG et LangChain pour LLMs (2020s).
Applications en entreprise :
- Deep Learning : reconnaissance d’images (ex. contrôle qualité), chatbots (ex. service client).
- Reinforcement Learning: optimisation logistique (ex. gestion d’inventaire).
- RAG/LangChain : réponses basées sur documents internes (ex. support client).
Exercice: utiliser Teachable Machine pour entraîner un modèle de classification d’images.

2 - Les Données dans les Projets de Deep Learning

Les types de données appliqués aux projets de Deep Learning :
- Structurées : tableaux, bases de données (ex. : métadonnées pour étiquetage).
- Non structurées : images, vidéos, textes, sons (ex. : photos de produits, enregistrements clients).
- Semi-structurées : JSON, XML (ex. : annotations pour entraînement).
Concepts techniques : tokenization, annotation, normalisation, augmentation, qualité des données, préparation pour RAG.
Exercice de mise en œuvre avec Make et Hugging Face.

3 - Les Architectures et Techniques de Deep Learning

Concepts techniques : Réseaux neuronaux, Fine-tuning, Reinforcement Learning (RL), Retrieval-Augmented Generation (RAG), LangChain, PyTorch et TensorFlow.
Architectures clés : Convolutional Neural Networks (CNN) pour images, Recurrent Neural Networks (RNN) pour séquences, Transformers pour langage et vision
Cas d’usage en entreprise :
- CNN : inspection visuelle automatisée
- Transformers : chatbots, RAG pour réponses documentées
- RL : optimisation logistique.
- LangChain : workflows LLM avec bases de données.
Exercice: utiliser TensorFlow Playground pour visualiser un réseau neuronal et Hugging Face Spaces pour tester un modèle GPT.

4 - Modèles d’IA Fermés vs Ouverts

Modèles fermés : Définition, Concepts techniques, Avantages, Inconvénients, Cas d’usage.
Modèles ouverts (via Hugging Face) : Définition, Concepts techniques, Avantages, Inconvénients, Cas d’usage

5 - Déploiement des Modèles d’IA : Cloud et Serveurs Internes

Concepts techniques :
- Infrastructure : GPU vs CPU, conteneurs (Docker), orchestration (Kubernetes).
- Projets dans le cloud :
  - Tokens d’accès : clés API, limites de débit
  - Coûts
  - Gestion : budgétisation, optimisation des coûts (ex. : instances réservées, arrêt automatique).
- Déploiement : APIs internes, gestion des versions, mise à l’échelle automatique.
- Surveillance : détection des dérives de données, latence, maintenance, performance RAG (ex. : précision de récupération).
- Frameworks : PyTorch/TensorFlow pour développement technique, LangChain pour orchestration des pipelines (ex. : RAG, agents).
- Étapes clés : Préparation, Configuration, Infrastructure, Déploiement, Surveillance
Exercice : déployer un modèle dans Hugging Face Spaces et intégrer une API fermée via Make dans un workflow simulé.

1 - Les fondamentaux du droit des affaires appliqué à l’IA

Impacts de l'IA sur le droit des contrats.
Impacts de l'IA sur le droit des consommateurs.
Impacts de l'IA sur le droit de la concurrence.

2 - Les outils de protection de l’IA par la Propriété intellectuelle

La protection des actifs immatériels.
Le droit des tiers.

3 - Les enjeux et les principaux mécanismes de la protection de données personnelles

Le RGPD et les réglementations similaires.
Le triomphe de la Privacy.

4 - Les conséquences juridiques de l’utilisation de l’IA

Les nouvelles responsabilités.
Les transformations du droit social.
Les conséquences éthiques de l'utilisation de l'IA.

1 - Comprendre la démarche Agile SCRUM

Identifier les étapes d'une démarche SCRUM.
Identifier les acteurs et leurs rôles : Product owner, Scrum Master, équipe.
Les notions : d'itération, de sprint, de release.
Les réunions rituelles agiles : Sprint Planning, Daily meeting, Sprint Review, rétrospective de Sprint.

2 - Mettre en œuvre un projet de Machine Learning

Sprint 1 - Classification : Prédire un taux d'attrition client avec Orange Data Mining.
Sprint 2 - Segmentation : Identifiez des segments de clients pour le marketing.
Rétrospective : Identifiez les clés d’un projet IA réussi.

3 - Mettre en œuvre un projet de Deep Learning et intégrer des solutions IA

Sprint 3 - Reconnaissance d’images : Détectez des défauts avec Teachable Machine.
Sprint 4 - Chatbot intelligent : Construisez un chatbot avec Hugging Face et Make, intégrant documents internes et reconnaissance vocale.
Sprint review : Présentez votre projet et planifiez vos futurs succès en IA.

Formation qui regroupe des participants de différentes entreprises au sein d'une même session fixe.

Prix 2026

4 250,00 € HT

Consulter les dates et villes

Référence : 9540

Durée : 7 jours (49 heures)
Présentiel ou classe à distance
Fondamental

Vous souhaitez obtenir des informations complémentaires ?

Être rappelé

Horaires

Nos formations débutent à 9h et se terminent entre 17h et 18h. Pour vous accueillir, nos centres sont ouverts dès 8 heures. Un petit déjeuner d'accueil vous est proposé avant la formation.

Pédagogie

Identification des problématiques individuelles. Alternance d'animations en plénière, sous-groupe et en individuel. Études de cas. Mises en situation. Travaux individuels de transposition. Plan d'actions pour retour dans la structure.

Évaluation des compétences acquises via un questionnaire en ligne intégrant des mises en situation.

Les solutions de financement

Comment financer cette formation ?

OPCO et financement de la formation

Les opérateurs de compétences (OPCO) travaillent avec Cegos depuis de nombreuses années. Leurs missions évoluent depuis janvier 2019 grâce à la loi "Avenir professionnel". Toutefois, plusieurs dispositifs de financement sont accessibles selon les critères de prise en charge de chaque OPCO.

Pour plus d’information, une équipe de gestionnaires spécialisée vous accompagne dans le choix de vos formations et la gestion administrative.

En savoir plus sur les OPCO.

Choisissez votre prochaine session

Date de début

Date de fin

Lieu

Éligibilité

*Nous nous engageons à réaliser les sessions identifiées par "session garantie". Ces sessions sont maintenues sauf force majeure.

Places disponiblesSession garantie*

Du 15 oct. 2026 au 12 janv. 2027

4 250,00 € HT

A Distance

Le lien de connexion à la formation à distance sera envoyé au participant quelques jours avant le début de sa formation.

S'inscrire

Places disponiblesSession garantie*

Du 2 nov. 2026 au 2 févr. 2027

4 250,00 € HT

Paris

L’adresse du centre de formation sera communiquée 3 semaines avant le début de la formation

S'inscrire

Places disponibles

Du 10 déc. 2026 au 2 mars 2027

4 250,00 € HT

A Distance

Le lien de connexion à la formation à distance sera envoyé au participant quelques jours avant le début de sa formation.

S'inscrire

Ce chatbot utilise une "intelligence artificielle (IA) de type « LLM »". Les échanges sont anonymes : merci de ne pas communiquer d'informations personnelles ou confidentielles. Pour en savoir plus consultez nos mentions légales.

Formation - Chef de projet intelligence artificielle

Informations pratiques

A qui s'adresse cette formation ?

Les objectifs de la formation

Les points forts de la formation

Prérequis

Le programme de la formation

Forfait Intra

Cette formation est disponible

Horaires

Pédagogie

Les solutions de financement

Comment financer cette formation ?

OPCO et financement de la formation

Choisissez votre prochaine session

Vous souhaitez être rappelé ?