PLB CONSULTANT : 19. Etat de l'art sur l'Intelligence Artificielle

Jour 1

Introduction à l’intelligence Artificielle

Définir l’IA par des exemples concrets

Historique et concepts actuels

Situer les notions clefs autour de l’IA

Les briques technologiques de l'Intelligence Artificielle (IA)

Démonstrations d'utilisations de l'IA, classification des technologies

Les frameworks de développement, panoramas et comparaison

Le rôle stratégique des données, phases de traitement des données

Introduction au Deep Learning et Machine Learning

Comprendre ce qu’est le Machine Learning ainsi que le Deep Learning

Quelles sont les différences ?

Le machine-learning et les problématiques auxquelles il répond

Le deep-learning et l'apprentissage profond, ses applications

Quiz

Quiz sur le vocabulaire pour que tout le monde dispose d’un langage commun durant la formation (IA, ML, Deep Learning, Frameworks, etc.)

Applications génériques de l'IA

Le domaine de l'audio : reconnaissance, génération

Traitement du langage naturel : classification, traduction, conversation

L'image et la vidéo : segmentation, suivi, voiture autonome, robotique

Démonstrations

Analyse de sentiment en utilisant le texte ou l’audio (personne agressive ou reposante) afin d’offrir un service client de meilleure qualité.

Fonctionnement voiture autonome (analyse en temps réel des objets du voisinage sous forme cartographiée avec pourcentage d’erreur dans la reconnaissance des véhicules).

Les applications métier de l'intelligence artificielle

Management : aide à la décision, détection de KPI

Marketing et commercial : segmentation client, détection de churn

Organisation de l'entreprise, productivité

Services techniques : maintenance prédictive, surveillance d'infrastructure, chaîne de fabrication, optimisation, consommation

Démonstration

Exemple de rendu d’un programme écrit en Python pour évaluer les risques de noyade (identification des personnes à risque en fonction de leurs positions par rapport au point d’eau : plage, piscine, etc.). Les personnes apparaissent encadrées en temps réel sur la vidéo de surveillance.

Quizz d’évaluation des acquis de la journée

Jour 2

IA et infrastructure informatique

IA et Big Data : l'importance de la donnée

Impacts sur l'infrastructure requise

Principes généraux des clusters

Exemple de l’écosysème Hadoop

L’offre des grands acteurs du Cloud (Amazon, Google, Microsoft)

Le principe de l’infrastructure as a service (IaaS)

Les outils pour nous aider à capter la donnée dans un contexte réparti

Démonstration

Visite de l’offre en infrastructure Informatique pour l’IA proposée par Amazon. L’idée est surtout de disposer d’une synthèse claire de ce que doit être une infrastructure type qui supporte des applications d’intelligence artificielle mais aussi des services annexes proposés afin de disposer d’une vue globale sur l’infrastructure (stockage des données, traitements, analyses, etc.)

Les projets IA en entreprise

Comment s'organise un projet lié à l'IA

L'importance de la gouvernance des données

Les nouveaux rôles de la DSI, les nouvelles compétences

Deep Learning VS Machine Learning

Situer l’IA dans des projets complexes

Démonstrations

Exemples de projets réussis où l’utilisation de l’IA a été évoquée pour finalement ne pas être retenue.

Exemple de réorganisation (équipes, phases du projet, etc.) lors de l’introduction de l’IA dans un projet et la place fondamentale prise par la gouvernance des données afin d’alimenter de façon fiable et performante l’environnement IA sous-jacent souvent complexe (infrastructure répartie, spécificités du traitement des gros volumes de données, technologies Cloud, etc.).

Les acteurs de l'IA

L'IA d'aujourd'hui, entre réalité et effet marketing

Le positionnement des GAFAM, l'effet de l'IA sur leur marché

Les solutions innovantes les plus marquantes

Le positionnement de la France

Démonstrations

Exemples concrets des grands projets en France et à l’étranger actuellement en production… et en phase d’étude.

Impact sociétal

La sécurité et les impacts sur la vie privée

La vision européenne de la sécurité (RGPD)

Responsabilité et éthique

Impact sociétal et cohabitation avec l'IA

Démonstrations

Biais de l’IA, failles du système, comment les contrer ?

Exemples d’erreurs liées à la base d’apprentissage quand le système arrive à de mauvaises conclusions sur la reconnaissance faciale homme ? femme ? car l’échantillon de personnes contient des informations biaisées (trop de personnes du même type).

Tour d’horizon des impacts sociétaux concrets dans différents domaines comme la santé, l’éducation, les villes intelligentes, etc.

Quizz final d’évaluation des acquis de la formation