Programme jour 1
Thème 1 – Introduction à la notion d’intelligence artificielle en entreprise
Accueil et objectifs de la formation
Panorama et enjeux de l’IA en entreprise
Thème 2 – Les fondamentaux de l’IA pour l’entreprise
Démystifier l’IA : ce qu’elle peut et ne peut pas faire
Types d’IA : IA générative, prédictive, analytique
Différence entre IA, Machine Learning et Deep Learning
Cas d’usage sectoriels concrets
Thème 3 – Définir sa stratégie IA
Alignement avec la stratégie d’entreprise
Matrice d’opportunités : valeur vs complexité
Identifier les quick wins vs projets structurants
Évaluer la maturité IA de son organisation
Thème 4 – Cadrage du Projet IA
Méthodologie de cadrage : du besoin métier à la solution IA
Définir les objectifs SMART du projet
Identifier les parties prenantes et sponsors
Évaluer les données disponibles (quantité, qualité, accessibilité)
Estimer les ressources nécessaires (humaines, techniques, financières)
Thème 5 – Les Données : Carburant de l’IA
Audit et cartographie des données
Qualité des données : le GIGO (Garbage In, Garbage Out)
Collecte, nettoyage et préparation des données
Conformité RGPD et souveraineté des données
Data governance : qui fait quoi ?
Programme jour 2
Thème 6 – Méthodologie de mise en oeuvre
Approche POC → Pilote → Déploiement
Méthode agile appliquée aux projets IA
Définir les KPI de succès et mesures de performance
Roadmap projet : étapes et jalons
Gestion des risques spécifiques à l’IA
Thème 7 – Choisir sa solution technique
Build vs Buy : critères de décision
Panorama des solutions : IA propriétaire, open source, SaaS
Souveraineté numérique et IA européenne
Critères de sélection d’un prestataire IA
Infrastructure technique nécessaire (cloud, on-premise, hybrid)
Thème 8 – Conduite du changement et adoption
Identifier les résistances et freins organisationnels
Communication autour du projet IA
Formation et montée en compétences des équipes
Impliquer les utilisateurs finaux dès le départ
Stratégie d”adoption progressive
Thème 9 – Gouvernance et éthique de l’IA
Cadre éthique : biais, transparence, explicabilité
Réglementation IA (AI Act européen)
Comité éthique et gouvernance du projet
Responsabilité et accountability
Sécurité et cybersécurité des solutions IA
Thème 10 – Atelier Final : Mon plan d’action
Audit et cartographie des données
Qualité des données : le GIGO (Garbage In, Garbage Out)
Collecte, nettoyage et préparation des données
Conformité RGPD et souveraineté des données
Data governance : qui fait quoi ?