← Retour aux formations

Intelligence Artificielle & Data

Piloter l'innovation et la transformation numérique par les données et l'IA

Fondamental
Intelligence Artificielle & Data

À propos de cette formation

Ce séminaire donne une vision stratégique et globale de l'IA — deep learning, machine learning, IA générative, IA agentique — et du rôle central des données dans l'innovation et la transformation numérique. Conçu pour les chiefs data officers, data ingénieurs, data architectes, décideurs, directeurs métier, DSI et chefs de projets numériques, il couvre les acteurs du marché (Mistral, Microsoft, Google, Meta…), le cadre réglementaire (RGPD, IA Act, Data Act), les enjeux organisationnels et les architectures techniques, le tout illustré par de nombreux exemples concrets.

Objectifs de la formation

  • check_circleSaisir les enjeux de l'IA et de la donnée comme moteurs de l'innovation et de la transformation numérique.
  • check_circleComprendre le rôle de l'IA et des données dans l'émergence de nouveaux modèles d'affaires.
  • check_circleAppréhender les dimensions organisationnelles liées à la gouvernance de l'IA et des données.
  • check_circleMaîtriser le cadre juridique applicable en Belgique et en Europe (RGPD, IA Act, Data Act…).
  • check_circleIdentifier les facteurs déterminants pour réussir un projet IA.
  • check_circleAcquérir une vue d'ensemble des architectures IA et data (data lake, data visualisation) les plus répandues.

Programme détaillé

Module 1 — Introduction à l'IA et aux données

  • Principes du deep learning : neurone artificiel, mécanismes d'apprentissage, évaluation d'un modèle
  • L'IA générative : fonctionnement et interaction avec des outils comme ChatGPT
  • Les solutions data lake intégrant l'IA
  • Le rôle de l'IA dans la qualité des données : détection d'erreurs, standardisation, enrichissement, nettoyage
  • Sécurité des données
  • L'IA et les données comme leviers de l'innovation et de la transformation numérique
  • Les enjeux : gains de productivité, optimisation des processus, amélioration des performances
  • Les défis courants et les erreurs à éviter
  • L'IA agentique : définition et fonctionnement
  • Les nouveaux métiers liés aux données et à l'IA

Module 2 — Place de l'IA et des données dans l'innovation

  • Du pilotage en silos à une organisation intégrée favorisant l'adoption de l'IA
  • Mise en place d'une gouvernance transversale de la donnée et de l'IA au sein de l'entreprise
  • Les différents modèles et les bonnes pratiques
  • Pilotage par la donnée et l'IA pour optimiser les transformations
  • Développer une culture de la donnée et de l'IA, en s'appuyant sur des outils d'analyse avancée (deep learning, data visualisation)
  • Réflexion collective — impact sur les modèles d'affaires : RH (automatisation du recrutement, analyses prédictives), finance (optimisation des investissements, détection de fraudes, gestion des risques), industrie (maintenance prédictive, optimisation des chaînes de production), secteur public (enseignement, recherche…)

Module 3 — Architecture technique : décisionnel, big data et intelligence artificielle

  • Le décisionnel dans un contexte de dématérialisation : enjeux et parties prenantes
  • MDM et référentiels de données
  • Architecture technique des données : ETL, infocentre, data lake, data visualisation
  • Machine learning et deep learning : architectures neuronales
  • Grands modèles de langage (LLM) et modèles génératifs pré-entraînés (GPT)
  • Les principaux types d'apprentissage
  • Déployer un projet d'IA en entreprise
  • Panorama des acteurs du marché (Mistral, Microsoft, Google, Amazon, Meta…)
  • Les RAG (Retrieval-Augmented Generation) : fonctionnement et avantages
  • Applications pratiques : chatbots, recherche documentaire…

Module 4 — Gouvernance des données et de l'IA, levier de la transformation

  • Pourquoi la gouvernance est au cœur d'une démarche de transformation numérique
  • Définition et périmètre de la gouvernance des données et de l'IA
  • Les dimensions clés : qualité des données, sécurité, éthique, conformité, transparence
  • Comment mettre en place une gouvernance des données et de l'IA
  • Les bénéfices d'un management rigoureux des données et de l'IA
  • Trajectoire et plan de déploiement d'une telle gouvernance
  • Gouvernance commune ou distincte pour la donnée et pour l'IA ?
  • Les défis et risques techniques (référentiel MDM)

Module 5 — Facteurs clés de succès pour la gestion de projet

  • Définir des objectifs précis et mesurables
  • Instaurer une gouvernance de projet efficace
  • Adopter une progression par étapes selon la maturité de l'organisation
  • Assurer une communication claire et régulière
  • Se doter d'une vision à long terme
  • Centrer la réflexion sur le problème métier plutôt que sur la technologie
  • Investir dans les infrastructures IA et data
  • Intégrer les limites de l'IA dans le pilotage par la donnée

Module 6 — Cadres réglementaires, souveraineté et géopolitique des données

  • Les enjeux géopolitiques des données : Union Européenne, États-Unis, Chine
  • Cloud Act, e-evidence, EU-U.S. Data Privacy Framework
  • Le cadre réglementaire européen : RGPD, Data Governance Act, Data Act
  • L'IA Act : le cadre européen pour l'intelligence artificielle
  • Les enjeux de souveraineté en matière d'IA et de données
  • Définir et garantir la souveraineté numérique
  • Le cadre américain de régulation des données

Module 7 — Tendances et orientations futures

  • L'évolution rapide des technologies IA génératives et des approches big data/small data
  • Concilier souveraineté numérique et dépendance aux grandes plateformes (Google, Apple, Facebook, Amazon)
  • Vers une IA éthique et responsable
  • Automatisation intelligente : RPA et IA combinées

Prérequis

Aucune connaissance particulière.