fr
en
Artificial Intelligence Foundation : comprendre les bases de l'IA (AIF–AI3010)
L'intelligence artificielle transforme tous les secteurs d'activité. Comprendre ses fondements est devenu indispensable pour tout professionnel souhaitant participer aux projets IA de son organisation, prendre des décisions éclairées et dialoguer efficacement avec les équipes techniques.
Cette formation de 2 jours vous permettra d'explorer les fondements officiels de l'IA selon le référentiel IABAC : résolution de problèmes et algorithmes de recherche, machine learning, NLP, vision par ordinateur, robotique et agents intelligents. Vous découvrirez également les bases de l'IA générative et du prompt engineering — compétences incontournables en entreprise.
L'approche pédagogique repose sur l'alternance entre théorie, labs pratiques et études de cas concrets. La préparation à l'examen AIF-AI3010 de l'IABAC est intégrée au parcours : simulation d'examen, révision des points clés et conseils pour obtenir la certification Artificial Intelligence Foundation (en savoir plus dans l'onglet certification).
En tant que partenaire de formation Gold (ATP) agréé par l'IABAC sous le numéro 100476, Oo2 vous propose des formations certifiantes qui respectent les normes de qualité rigoureuses de l'association.
Objectifs
À l'issue de cette formation AI Foundation, vous atteindrez les objectifs de compétences suivants :
- comprendre les concepts fondamentaux de l'IA, son histoire et ses domaines d'application dans les différents secteurs ;
- appliquer les algorithmes de recherche et de résolution de problèmes : BFS, DFS, A* et satisfaction de contraintes ;
- maîtriser les bases du machine learning : apprentissage supervisé, non supervisé, régression, classification, clustering et évaluation des modèles ;
- appliquer l'IA à la vision par ordinateur (CNN) et au traitement du langage naturel (NLP, BERT, Transformers) ;
- comprendre les principes de la robotique et des agents intelligents avec l'apprentissage par renforcement ;
- découvrir les bases de l'IA générative, des LLM et du prompt engineering ;
- intégrer les principes d'une IA éthique et responsable : biais, transparence et gouvernance ;
- se préparer et réussir l'examen Artificial Intelligence Foundation (AIF–AI3010) de l'IABAC.
Programme
Module 1 : introduction à l'intelligence artificielle
- Les concepts fondamentaux de l'intelligence artificielle : définition, histoire et évolution.
- Les domaines d'application de l'IA dans les différents secteurs d'activité.
- La distinction entre IA, science des données et apprentissage automatique.
- Les considérations éthiques et les enjeux de responsabilité liés à l'IA.
Module 2 : résolution de problèmes et algorithmes de recherche
- Les méthodes et techniques de résolution de problèmes en IA.
- Les algorithmes de recherche : BFS (parcours en largeur), DFS (parcours en profondeur) et algorithme A*.
- La recherche heuristique et les algorithmes de recherche informée.
- Les problèmes de satisfaction de contraintes (CSP).
Module 3 : bases du machine learning
- Introduction au machine learning et à ses paradigmes.
- L'apprentissage supervisé et non supervisé : principes et différences.
- Les algorithmes de régression et de classification.
- Les métriques d'évaluation des modèles de machine learning.
Travaux pratiques
- Entraîner et évaluer un modèle de régression et de classification sur un jeu de données réel.
Module 4 : algorithmes de machine learning
- La régression linéaire et logistique.
- Les arbres de décision et les forêts aléatoires (Random Forests).
- Les machines à vecteurs de support (SVM).
- Les algorithmes de clustering : K-means et clustering hiérarchique.
Travaux pratiques
- Implémenter et comparer différents algorithmes de machine learning sur un cas d'usage concret.
Module 5 : traitement du langage naturel (NLP)
- Introduction au NLP et à ses applications en entreprise.
- Le prétraitement du texte : tokenisation, lemmatisation et nettoyage.
- La classification de texte et l'analyse de sentiment.
- La reconnaissance d'entités nommées (NER) et la modélisation de sujets.
- Les Transformers et les grands modèles de langage (LLM) : BERT et GPT.
Travaux pratiques
- Implémenter une analyse de sentiment avec BERT sur un jeu de données réel.
Module 6 : vision par ordinateur
- Introduction à la vision par ordinateur et à ses applications.
- Le prétraitement des images et l'extraction de caractéristiques.
- La détection d'objets et la classification d'images avec les CNN.
- La segmentation d'images et la reconnaissance d'objets.
Travaux pratiques
- Classification d'images avec un réseau CNN (exemple : chat vs chien).
Module 7 : robotique et agents intelligents
- Introduction à la robotique et aux agents intelligents.
- La perception robotique et l'intégration des capteurs.
- La planification de trajectoire et le contrôle de mouvement.
- L'apprentissage par renforcement appliqué à la robotique.
Module 8 : IA générative et prompt engineering
- Les principes fondamentaux de l'IA générative et des LLM.
- Les cas d'usage de l'IA générative en entreprise.
- Les bases du prompt engineering : conception de prompts efficaces.
- Les risques liés aux LLM : hallucinations, biais et gouvernance responsable.
Module 9 : préparer l'examen AIF-AI3010
- Révision des points clés du cours.
- Simulation d'examen avec correction et explication des réponses.
- Conseils et stratégies pour réussir l'examen : gestion du temps, lecture des questions et gestion du stress.
Prérequis
Suivre cette formation nécessite les prérequis suivants :
- Compétences techniques : avoir des notions de base en programmation, idéalement en Python, et une familiarité avec les concepts fondamentaux de l'informatique.
- Bases théoriques : avoir quelques notions en mathématiques appliquées (algèbre linéaire, probabilités et statistiques) est un plus, sans être obligatoire.
- Aptitudes linguistiques : savoir lire et comprendre l'anglais technique pour le passage de l'examen AIF-AI3010.
Public
Cette formation s'adresse à tout professionnel souhaitant acquérir une compréhension solide des fondements de l'IA, quel que soit son niveau technique. Le public inclut notamment :
- les développeurs et ingénieurs logiciels qui souhaitent acquérir des bases solides en IA et deep learning pour intégrer ces technologies dans leurs applications ;
- les data scientists et analystes qui cherchent à structurer leurs connaissances en IA et à maîtriser TensorFlow pour construire et entraîner des modèles ;
- les chefs de projet IT, managers et décideurs qui souhaitent comprendre les enjeux de l'IA pour piloter des projets, évaluer les risques et prendre des décisions éclairées sur l'adoption de solutions IA.
Points forts
- Partenaire Gold agréé IABAC : Oo2 est partenaire de formation Gold (ATP) agréé par l'IABAC sous le numéro 100476, garantissant un contenu officiel et des formateurs certifiés par l'association.
- Formation accessible à tous : aucun prérequis avancé n'est requis, car cette certification est idéale comme première approche de l'IA pour les profils techniques et non-techniques.
- Approche pratique et cas réels : labs pratiques sur les algorithmes ML, CNN et BERT et études de cas concrets pour développer des réflexes directement applicables en entreprise.
- Examen AIF-AI3010 inclus + Retake gratuit : le passage de l'examen Artificial Intelligence Foundation est compris dans notre offre. En cas d'échec, vous pouvez le repasser sans frais supplémentaires.
- Préparation complète à la certification : sessions de révision, simulation d'examen et conseils personnalisés pour maximiser vos chances de réussite.
Certification
Cette formation prépare de manière intensive à l'examen de certification professionnelle Artificial Intelligence Foundation (AIF-AI3010) de l'IABAC. Un code coupon vous sera fourni à l'issue de la formation pour programmer votre examen en ligne via le site de l'IABAC.
Modalités de l'examen AIF-AI3010
- Type d'examen : QCM accompagnés de scénarios et de questions basées sur du code
- Lieu : en ligne via la plateforme de l'IABAC
- Durée : 01H00
- Langue : anglais
- Score requis : 60% minimum
- Livre ouvert : non autorisé
La réussite de cet examen vous permet d'obtenir la certification officielle Artificial Intelligence Foundation de l'IABAC. La confirmation de certification vous sera envoyée par mail sous 7 jours.
À savoir : la certification AIF est valable 1 an. Pour maintenir votre certification, vous devrez accumuler 30 crédits CPD (Continuing Professional Development) chaque année. Le renouvellement est gratuit. En savoir plus sur les modalités de renouvellement.
Objectifs
À l'issue de cette formation AI Foundation, vous atteindrez les objectifs de compétences suivants :
- comprendre les concepts fondamentaux de l'IA, son histoire et ses domaines d'application dans les différents secteurs ;
- appliquer les algorithmes de recherche et de résolution de problèmes : BFS, DFS, A* et satisfaction de contraintes ;
- maîtriser les bases du machine learning : apprentissage supervisé, non supervisé, régression, classification, clustering et évaluation des modèles ;
- appliquer l'IA à la vision par ordinateur (CNN) et au traitement du langage naturel (NLP, BERT, Transformers) ;
- comprendre les principes de la robotique et des agents intelligents avec l'apprentissage par renforcement ;
- découvrir les bases de l'IA générative, des LLM et du prompt engineering ;
- intégrer les principes d'une IA éthique et responsable : biais, transparence et gouvernance ;
- se préparer et réussir l'examen Artificial Intelligence Foundation (AIF–AI3010) de l'IABAC.
Programme
Module 1 : introduction à l'intelligence artificielle
- Les concepts fondamentaux de l'intelligence artificielle : définition, histoire et évolution.
- Les domaines d'application de l'IA dans les différents secteurs d'activité.
- La distinction entre IA, science des données et apprentissage automatique.
- Les considérations éthiques et les enjeux de responsabilité liés à l'IA.
Module 2 : résolution de problèmes et algorithmes de recherche
- Les méthodes et techniques de résolution de problèmes en IA.
- Les algorithmes de recherche : BFS (parcours en largeur), DFS (parcours en profondeur) et algorithme A*.
- La recherche heuristique et les algorithmes de recherche informée.
- Les problèmes de satisfaction de contraintes (CSP).
Module 3 : bases du machine learning
- Introduction au machine learning et à ses paradigmes.
- L'apprentissage supervisé et non supervisé : principes et différences.
- Les algorithmes de régression et de classification.
- Les métriques d'évaluation des modèles de machine learning.
Travaux pratiques
- Entraîner et évaluer un modèle de régression et de classification sur un jeu de données réel.
Module 4 : algorithmes de machine learning
- La régression linéaire et logistique.
- Les arbres de décision et les forêts aléatoires (Random Forests).
- Les machines à vecteurs de support (SVM).
- Les algorithmes de clustering : K-means et clustering hiérarchique.
Travaux pratiques
- Implémenter et comparer différents algorithmes de machine learning sur un cas d'usage concret.
Module 5 : traitement du langage naturel (NLP)
- Introduction au NLP et à ses applications en entreprise.
- Le prétraitement du texte : tokenisation, lemmatisation et nettoyage.
- La classification de texte et l'analyse de sentiment.
- La reconnaissance d'entités nommées (NER) et la modélisation de sujets.
- Les Transformers et les grands modèles de langage (LLM) : BERT et GPT.
Travaux pratiques
- Implémenter une analyse de sentiment avec BERT sur un jeu de données réel.
Module 6 : vision par ordinateur
- Introduction à la vision par ordinateur et à ses applications.
- Le prétraitement des images et l'extraction de caractéristiques.
- La détection d'objets et la classification d'images avec les CNN.
- La segmentation d'images et la reconnaissance d'objets.
Travaux pratiques
- Classification d'images avec un réseau CNN (exemple : chat vs chien).
Module 7 : robotique et agents intelligents
- Introduction à la robotique et aux agents intelligents.
- La perception robotique et l'intégration des capteurs.
- La planification de trajectoire et le contrôle de mouvement.
- L'apprentissage par renforcement appliqué à la robotique.
Module 8 : IA générative et prompt engineering
- Les principes fondamentaux de l'IA générative et des LLM.
- Les cas d'usage de l'IA générative en entreprise.
- Les bases du prompt engineering : conception de prompts efficaces.
- Les risques liés aux LLM : hallucinations, biais et gouvernance responsable.
Module 9 : préparer l'examen AIF-AI3010
- Révision des points clés du cours.
- Simulation d'examen avec correction et explication des réponses.
- Conseils et stratégies pour réussir l'examen : gestion du temps, lecture des questions et gestion du stress.
Prérequis
Suivre cette formation nécessite les prérequis suivants :
- Compétences techniques : avoir des notions de base en programmation, idéalement en Python, et une familiarité avec les concepts fondamentaux de l'informatique.
- Bases théoriques : avoir quelques notions en mathématiques appliquées (algèbre linéaire, probabilités et statistiques) est un plus, sans être obligatoire.
- Aptitudes linguistiques : savoir lire et comprendre l'anglais technique pour le passage de l'examen AIF-AI3010.
Public
Cette formation s'adresse à tout professionnel souhaitant acquérir une compréhension solide des fondements de l'IA, quel que soit son niveau technique. Le public inclut notamment :
- les développeurs et ingénieurs logiciels qui souhaitent acquérir des bases solides en IA et deep learning pour intégrer ces technologies dans leurs applications ;
- les data scientists et analystes qui cherchent à structurer leurs connaissances en IA et à maîtriser TensorFlow pour construire et entraîner des modèles ;
- les chefs de projet IT, managers et décideurs qui souhaitent comprendre les enjeux de l'IA pour piloter des projets, évaluer les risques et prendre des décisions éclairées sur l'adoption de solutions IA.
Points forts
- Partenaire Gold agréé IABAC : Oo2 est partenaire de formation Gold (ATP) agréé par l'IABAC sous le numéro 100476, garantissant un contenu officiel et des formateurs certifiés par l'association.
- Formation accessible à tous : aucun prérequis avancé n'est requis, car cette certification est idéale comme première approche de l'IA pour les profils techniques et non-techniques.
- Approche pratique et cas réels : labs pratiques sur les algorithmes ML, CNN et BERT et études de cas concrets pour développer des réflexes directement applicables en entreprise.
- Examen AIF-AI3010 inclus + Retake gratuit : le passage de l'examen Artificial Intelligence Foundation est compris dans notre offre. En cas d'échec, vous pouvez le repasser sans frais supplémentaires.
- Préparation complète à la certification : sessions de révision, simulation d'examen et conseils personnalisés pour maximiser vos chances de réussite.
Certification
Cette formation prépare de manière intensive à l'examen de certification professionnelle Artificial Intelligence Foundation (AIF-AI3010) de l'IABAC. Un code coupon vous sera fourni à l'issue de la formation pour programmer votre examen en ligne via le site de l'IABAC.
Modalités de l'examen AIF-AI3010
- Type d'examen : QCM accompagnés de scénarios et de questions basées sur du code
- Lieu : en ligne via la plateforme de l'IABAC
- Durée : 01H00
- Langue : anglais
- Score requis : 60% minimum
- Livre ouvert : non autorisé
La réussite de cet examen vous permet d'obtenir la certification officielle Artificial Intelligence Foundation de l'IABAC. La confirmation de certification vous sera envoyée par mail sous 7 jours.
À savoir : la certification AIF est valable 1 an. Pour maintenir votre certification, vous devrez accumuler 30 crédits CPD (Continuing Professional Development) chaque année. Le renouvellement est gratuit. En savoir plus sur les modalités de renouvellement.
Formation intra-entreprise
Cette formation est disponible en format intra-entreprise, adaptée aux besoins spécifiques de votre organisation
Formation inter-entreprise
Le délai d’inscription dépend de la formation et vous sera notifié par votre conseiller Oo2.
IABAC® et le logo IABAC® sont des marques déposées de IABAC BV, Pays-Bas.