Formation IA : État de l’Art

Programme du séminaire sur l’intelligence artificielle – AI for Businesses

Jour 1

Les principales questions & réponses autour de l’IA

• C’est quoi l’intelligence artificielle (IA) ?
• Que fait l’IA, son potentiel et ses limites ?
• Quels sont les différents use cases par industrie ?
• Quels sont les différents algorithmes et technologies sous-jacentes à l’intelligence artificielle (machine learning, deep learning, reinforcement learning, transfer learning) ?
• Quels sont les composants (infrastructures, outils, frameworks) qui ont permis à l’IA d’émerger ?
• Comment construire une équipe autour d’un projet d’IA ?
• Comment mettre en place un projet IA ?
• Comment construire une solution IA ou évaluer la qualité de partenaires – cabinets de conseils, startups, fournisseurs de solutions) ?
• Combien de temps pour déployer un projet ?
• Quelle méthode suivre pour établir une stratégie globale IA ?
• Qui sont les acteurs et les grandes tendances ?
• Quelles sont les stratégies nationales ?
• Quels sont les impacts éthiques, moraux et sociaux ?
• L’impact sur le futur du travail

Introduction

• Définition de l’IA et principes de neurosciences
• Définitions des technos et des stades de maturités (ce qu’on sait / ne sait pas faire)
• Les acteurs de l’IA
• Les trends IA
• Que peut faire l’IA dans mon industrie ? Les use cases ?

Macro

• Comment élaborer une stratégie d’IA effective ?
• Que font mes concurrents en matière d’IA et de projets ?
• Comment augmenter la marque employeur pour attirer un vivier de talents IA ?
• Comment communiquer efficacement au sujet de l’IA dans mon entreprise ?
• Quel impact sur l’emploi de l’IA dans mon secteur ?
• Quels sont les problèmes éthiques de l’IA
• Quels budgets globaux allouer ?
• Quelle stratégie nationale ?

Jour 2

Micro

• Quels sont les premiers drivers de valeurs / pain points aujourd’hui ?
• Comment construire un algorithme de machine learning et de deep learning ?
• Comment construire un projet IA et la méthode de déploiement ?
• Quel budget alloué à un projet de développement ?
• Comment travailler avec des sociétés de services de l’IA (POCs) ? Acheter ou construire ? Rapport temps / valeur / Part de marché ? Comment juger de la qualité des partenaires ?
• Quels sont les talents dont on a besoin / Former vs Recruter ?
• Bonnes pratiques (Best Practices)

Module complémentaire – Technologies & Enjeux (2 jours supplémentaires)

La technologique de l’IA

• La force brute, utilisée notamment dans les jeux comme les échecs
• Les méthodes statistiques, le bayésien
• L’IA symbolique, les systèmes experts, et moteurs de règles et d’inférences
• La logique floue comme moyen d’affiner les systèmes experts
• Le concept des réseaux de neurones ou le biomimétisme
• Le machine learning et les différentes composantes de l’apprentissage supervisé et non supervisé
• L’apprentissage par renforcement
• Classification, régression, modèles prédictifs
• Le deep learning
• Les grands outils du développement d’applications : TensorFlow, PyTorch, SparkML, Azure Machine Learning…
• Le rôle stratégique des données et des bases de connaissances dans les applications d’IA

Applications génériques de l’intelligence artificielle

• Reconnaissance de la parole : les solutions du marché avec Amazon Alexa, Apple Siri, Google Assistant, Microsoft Cortana, Nuance
• Traitement du langage : traduction automatique, production automatique de résumés, génération automatique de textes
• Robots conversationnels : la mode des chatbots utilisés dans les services clients
• Reconnaissance d’images fixes et de vidéos, notamment dans les moteurs de recherche
• Segmentation automatique et ses applications dans le marketing
• Détection de fraudes, churn et autres comportements clients anormaux
• Méthodes de prédiction. Recommandation de contenus
• Cybersécurité : détection d’activités suspectes
• Robotique : les principaux robots du marché (accueil du public, maintien à domicile des personnes âgées, livraisons, les drones), les robots de Boston Dynamics

Les applications métiers

• Dans la santé : pour la génomique, l’aide au diagnostic, l’imagerie médicale, l’invention de nouvelles thérapies. Le rôle des statistiques croisées génotypes/phénotypes. Le futur de la simulation dans les biotechs
• Dans l’automobile, avec la conduite assistée et autonome et ses grands enjeux. Le rôle des LiDAR dans les véhicules autonomes. L’exemple de Mobileye et son architecture de cartographie des routes en cloud
• Dans l’industrie : maintenance prédictive, robots et automates, vision artificielle, simulation de méthodes de production (PLM).
• Dans le marketing, la vente et la relation clients : l’IA pour mieux cibler ses clients, faire de l’upselling et du cross-selling, à détecter les tendances, l’humeur du marché et des clients ? L’analyse de sentiments dans les réseaux sociaux et la détection des signaux faibles
• Dans la finance : pour l’investissement, l’évaluation de risques, la détection de fraudes bancaires, voire fiscales
• Dans les métiers juridiques : l’évolution des métiers d’avocat, de notaire et de la justice
• Dans les médias et contenus : le machine learning appliqué à la commande des scénarios de jeu vidéo, le journalisme automatisé, la recommandation de contenus, la réalité virtuelle et augmentée
• Dans le secteur public : en particulier dans la sécurité et le renseignement

Les grands acteurs

• La commercialisation des solutions d’intelligence artificielle (modèles produits, projets et cloud)
• Les approches grand public et entreprises
• La mise en place d’un projet d’intelligence artificielle
• Les principales startups dans l’IA et leur segmentation (domaine, modèles économiques, financement)
• La stratégie IA d’autres grands acteurs du marché : Google, Facebook, Microsoft…
• La France face à l’intelligence artificielle : où en est-elle ?
• Le rôle de l’open source et de l’open data dans l’IA, et celui du cloud ?

L’intelligence artificielle dans la société

• L’IA et la robotique transformeront les métiers dans le futur
• L’impact de l’IA sur le futur de l’emploi
• Les emplois les moins et les plus menacés
• Les moyens d’éviter de se faire « robotiser » (forme d’éducation, faire évoluer les compétences des salariés)
• Les limites des prédictions sur l’IA
• L’IA en politique : faire de la politique autrement
• Les régulations futures autour de l’intelligence artificielle, autour de la vie privée, de la protection des données ou de la taxation du travail des robots

L’IA, l’entreprise et la DSI

• Suivre le marché de l’IA, son évolution et ses applications pour innover
• Les premiers projets à envisager : leurs spécificités
• Les spécialistes de l’IA : où sont-ils formés ?
• S’organiser pour « vendre » ces projets en interne
• Évaluer l’efficacité de l’IA dans la pratique