← Retour aux formations
Intelligence Artificielle & Data
Jumeaux numériques et intelligence artificielle : fondamentaux, applications sectorielles et enjeux de mise en œuvre
Intermédiaire
À propos de cette formation
Décideurs stratégiques, chefs de projet innovation, responsables d'équipes techniques, ingénieurs R&D et managers engagés dans des démarches de transformation digitale ou industrielle souhaitant comprendre et exploiter le potentiel des jumeaux numériques couplés à l'IA.
Objectifs de la formation
- Appréhender les concepts fondamentaux des jumeaux numériques et leur articulation avec l'intelligence artificielle
- Distinguer les opportunités, les limites et les défis liés à la mise en œuvre des jumeaux numériques
- Identifier les cas d'usage pertinents dans des secteurs variés : industrie, santé, aéronautique, énergie
- Analyser les étapes clés et les outils nécessaires à la conception d'un jumeau numérique intégré à l'IA
Programme détaillé
Module 1 — Fondamentaux et concepts des jumeaux numériques
- Définition, origines et évolution historique du concept de jumeau numérique
- Composants constitutifs : données, modèles mathématiques et connexions avec le système réel
- Distinctions entre jumeaux numériques, simulations classiques et maquettes numériques
- Rôle et intérêt des modèles simplifiés (surrogate models) dans la réduction de la complexité
- Cartographie des domaines d'application émergents
Module 2 — L'intelligence artificielle au service des jumeaux numériques
- Fondements de l'intelligence artificielle : focus sur le Machine Learning
- Synergies entre IA et simulation : modélisation hybride, prédiction et recalibrage en continu
- Interconnexions avec le Big Data, la réalité virtuelle et la science des données
- Rôle des infrastructures de calcul : HPC, cloud computing et edge computing
- Enjeux éthiques et défis techniques liés à l'intégration de l'IA dans les jumeaux numériques
Module 3 — Méthodologie de conception et de déploiement
- Les grandes étapes : de la modélisation initiale au déploiement opérationnel
- Collecte et intégration des données : capteurs, données historiques et données synthétiques
- Sélection des outils logiciels et plateformes : solutions open source versus solutions industrielles
- Validation, calibration et maintenance du jumeau en conditions réelles
- Facteurs clés de succès et principaux écueils à anticiper
Module 4 — Cas d'usage sectoriels et perspectives
- Industrie manufacturière : simulation des processus et optimisation de la production
- Médecine et santé : jumeaux de patients et médecine personnalisée
- Aéronautique et transport : maintenance prédictive et amélioration de la sécurité
- Énergie et environnement : surveillance en temps réel et efficacité énergétique
- Échanges collectifs : identification des opportunités concrètes pour votre domaine d'activité
Prérequis
Bases des mathématiques appliquées, de la simulation et de la modélisation numérique. Une première exposition au Machine Learning est un atout.