1

L’introduction à l’IA et aux données

• Qu’est-ce que le deep learning ?
• Qu’est-ce qu’un neurone artificiel ? Comment fonctionne l’apprentissage ?
• Comment évaluer un modèle ?
• Qu’est-ce que l’IA générative ? Comment interagir avec ChatGPT ?
• Qu’est-ce que c’est qu’une solution data lake avec IA ?
• Le rôle de l'IA dans la mise en qualité des données.
• Détection et correction des erreurs, standardisation des données, enrichissement et nettoyage des données.
• Sécurité des données.

2

Place de l’IA et des données dans le processus de l’innovation

• Les données au service de l’innovation et de la transformation numérique de l'entreprise.
• Les enjeux : l’IA et deep learning, le gain de productivité, optimisation des processus, gain de performance.
• Les défis et les erreurs classiques.
• IA agentique, qu'est-ce que c'est ? Comment ça marche.
• Les nouveaux métiers liés aux données et à l’IA.
• Comment mettre en place un pilotage par silos à une organisation intégrée permettant d’encourager l'utilisation de l'IA.
• Comment mettre en place une gouvernance transversale de la donnée et de l’IA au sein de l’entreprise ?
• Les différents modèles, les bonnes pratiques.
• Comment mettre en place un pilotage par la donnée et l’IA pour optimiser les transformations ?
• Culture de la donnée et de l’IA, utiliser des outils d’analyse avancée (deep learning, data visualisation).

3

L’architecture technique : décisionnel, big data, intelligence artificielle

• Le décisionnel dans un contexte de dématérialisation, pourquoi et pour qui ?
• MDM et référentielles des données.
• L'architecture technique des données : ETL, infocentre, data lake, data visualisation.
• Machine learning et deep learning. Architecture neuronale, intelligence artificielle.
• Les grands modèles de langage (LLM) et les modèles génératifs pré-entraînés (GPT).
• Les principaux types d’apprentissage.
• Déployer un projet d’IA dans l’entreprise.
• Principaux acteurs du marché (Mistral, Microsoft, Google, Amazon, Met...).
• Les RAG (Retrieval-Augmented Generation) : fonctionnement, avantages.
• Applications pratiques (chatbots, recherche documentaire…).

4

La gouvernance des données et de l’IA, levier de la transformation numérique

• Pourquoi la gouvernance des données et de l’IA est-elle au centre d’une telle démarche ?
• Qu'est-ce que la gouvernance des données et de l'IA ?
• Les principaux aspects de la gouvernance des données et de l'IA. Qualité des données, sécurité des données.
• Éthique et conformité, transparence.
• Comment mettre en place une gouvernance des données et de l'IA ?
• Quels sont les bénéfices d’un bon management et d’une bonne gouvernance des données et de l’IA ?
• Quelle trajectoire pour mettre en place une telle gouvernance ?
• Une gouvernance pour la donnée et une gouvernance pour l’IA ou vers une gouvernance partagée ?
• Les défis et les risques techniques (référentiel MDM).

5

Les facteurs clés de succès pour une gestion de projet réussie

• Définir des objectifs clairs.
• Mettre en place une gouvernance efficace.
• Adapter une approche par petit pas en fonction de la maturité de l’entreprise.
• Communiquer efficacement.
• Se doter d’une vision à long terme.
• Se concentrer sur le problème, pas sur la technologie.
• Investir dans les infrastructures (IA, données).
• Comprendre les limites de l'IA et le pilotage par la donnée.

6

Cadres réglementaires, souveraineté, géopolitiques des données et de l’IA

• Les enjeux géopolitiques des données : EU, USA, Chine.
• Cloud Act, e-evidence, EU-U.S. Data Privacy Framework.
• Le cadre réglementaire européen : RGPD, Data Governance Act, Data Act.
• Le futur cadre européen de l’intelligence artificielle (AI Act).
• Quels sont les enjeux en matière de la souveraineté en IA et les données ?
• Qu'est-ce que la souveraineté ? Comment la garantir ?
• Le cadre américain des données.

7

Tendances et orientations futures de l’IA et des données

• L'évolution rapide des technologies de l'IA générative et des big data/small data.
• Comment allier souveraineté et modernité notamment des GAFA (Google, Apple, Facebook, Amazon).
• Vers une IA éthique et responsable.
• Automatisation intelligente (RPA, IA...).