Contexte

L’intelligence artificielle (IA) est une sous-discipline de l’informatique et des mathématiques dont le but est de construire des programmes ou des systèmes intelligents, i.e. des programmes ou des systèmes qui permettent de résoudre des problèmes complexes qu’on aurait cru réserver à l’intelligence humaine.
L’intelligence artificielle devient peu à peu omniprésente dans notre quotidien, dans un cadre professionnel ou personnel. En effet, de nombreux domaines utilisent l’IA tels que la médecine, la finance ou encore le transport, c’est donc un domaine qui a un potentiel énorme pour améliorer la productivité, faciliter nos tâches quotidiennes et plus globalement pour le bien commun.
Cette formation aborde ce sujet d’actualité d’une manière simplifiée et s’adresse principalement à des non-initiés. Elle a pour objectif de sensibiliser aux concepts et aux principales méthodologies et technologies de l’Intelligence Artificielle.
Après une présentation du domaine de l’intelligence artificielle, ses deux principaux courants IA symbolique et IA à base d’apprentissage, nous détaillerons pour chaque courant les principaux modèles ou paradigmes. En particulier, pour l’IA à base d’apprentissage, nous rappellerons, au travers de l’exemple d’une tâche simple comme la reconnaissance d’un objet dans une image, les principes de l’apprentissage supervisé et de l’apprentissage profond qui a révolutionné le domaine lors de la dernière décennie. Nous aborderons aussi d’autres paradigmes comme l’apprentissage non-supervisé ou semi-supervisé. Concernant l’IA symbolique, nous fournirons un panorama des principaux modèles : les modèles à bases d’état, les modèles à base de variables comme les CSPs ou les réseaux bayésiens et enfin les modèles à base de connaissance. Pour chaque famille de modèles, nous insisterons sur le type de problèmes auxquels les différentes familles de modèles peuvent répondre, leurs avantages et leurs inconvénients.
Enfin, la formation se terminera sur un des grands enjeux actuels de l’IA : la construction de systèmes d’IA digne de confiance. Cet enjeu sera décliné en plusieurs défis : la robustesse et la certification des systèmes d’IA, leur explicabilité et leur éthique.

ObjectifS

A l'issue de cette formation, le participant sera en capacité de :
- DECRIRE les concepts et les principales méthodologies et technologies de l’Intelligence Artificielle.
- DEFINIR l’intelligence artificielle et décrire son histoire et ses courants.
- DISTINGUER les différentes méthodes et modèles de l’IA.
- EXPLIQUER les enjeux actuels de l’IA comme l’IA de confiance.

PROGRAMME

• Une brève introduction à l’intelligence artificielle
  Introduction : Intelligence Artificielle, de quoi parle-t-on ?
  - Définitions.
  - Les différentes approches de l’IA : IA symbolique – IA orientée données.
  
  Comment traiter un problème en IA ?
  - Paradigme Modéliser – Inférer- Apprendre.
  - L’IA vue comme la conception d’agents rationnels.
  
  Une courte histoire de l’IA.
  - Les pères et les concepts fondateurs.
  - Les différentes saisons et courants de l’IA.
  
  L’IA aujourd’hui : un rapide tour d’horizon.
  - Ses succès et ses promesses.
  - Ses caractéristiques et ses besoins.
  - Ses limitations.
• Introduction à l’IA orientée données : les modèles à base d’apprentissage
  Introduction au travers d’une tâche simple, e.g. reconnaissance d’un objet dans un image.
  
  Principe et fondements de l’apprentissage supervisé.
  - Régression et classification linéaire.
  - Minimisation du risque empirique – Techniques d’optimisation.
  - Généralisation......
  - Quelques modèles de classification.
  - Bonnes pratiques pour construire un modèle d’apprentissage.
  
  Apprentissage profond.
  - Motivations : limites de l’apprentissage « classique »
  - Apprentissage de représentations.
  - Réseaux de neurones – Back-propagation.
  - Panorama des principes architectures : CNN, RNN, Transformers.
  - Principaux Framework.
  
  Autres paradigmes d’apprentissage
  - Apprentissage non-supervisé.
  - Apprentissage semi-supervisé.
  - Autres paradigmes.
  
  Conclusion : limitations et enjeux.
• Introduction à l’IA symboliques : les différents modèles d’agents
  Introduction au travers d’une tâche simple, e.g. jouer aux échecs 
  
  Modèles à base d’états.
  - Problèmes de recherche.
  - Processus de Markov.
  - Recherche adversariale.
  
  Modèles à base de variables
  - CSPs.
  - Réseaux bayesiens.
  
  Modèles à base de connaissances   
  - Représentation de la connaissances – Les principaux formalismes.
   - Agents logiques.
  
  Conclusion : limitations et enjeux
• Enjeux et défis actuels de l’IA : vers une IA de confiance
  Introduction : Motivations – Enjeux sociétaux et règlementaires – IA digne de Confiance
  
  Robustesse et certification des systèmes d’IA
  
  IA et intégrité des données
  
  Explicabilité des systèmes d’IA5. Responsabilité des systèmes d’IA (équité, éthique)

Pré-requis

Bac + 5 en particulier une culture générale en informatique/mathématiques

public concerné

- Comité de direction.
- Chef de projets.
- Responsables d’équipes techniques.
- Ingénieurs de recherche et développement.

en pratique

Méthodes pédagogiques

Interactions avec les intervenants.
Des exemples et des cas d’usages.

Moyens pédagogiques

Formation en salle

Modalités d'évaluation

L'évaluation des connaissances acquises en formation s'appuie sur la réalisation de mise en situation et des études de cas mises en œuvre par le formateur.

Les + de la formation

Formation élaborée avec des intervenants reconnus.
De nombreux cas d'usages.

Statistiques

97%
de satisfaction globale pour 399 formations
(sur un panel de 2177 répondants sur les 4732 participants en 2022)

99,2%
de satisfaction globale relative aux formateurs en 2022 pour 399 formations
(sur un panel de 2177 répondants sur 4732 participants en 2022)