1 – Introduction

• Où trouve-t-on de l’intelligence artificielle ? L’IA dans la vie quotidienne et professionnelle
• Qu’est-ce que l’intelligence artificielle ? Histoire et définition
• Pourquoi l’intelligence artificielle est-elle en plein essor ? Les révolutions du hardware, de la data et du software, les leaders mondiaux

2 – Les modèles linéaires

• Quels sont les algorithmes les plus simples ? La moyenne, la régression linéaire et la régression logistique
• Comment fonctionne l’apprentissage ? La descente de gradient, les méthodes par batch et stochastiques
• Comment évaluer un modèle ? Les jeux d’entraînement et de test

3 – Les réseaux de neurones

• Pourquoi un seul neurone ne suffit pas ? Le cas historique de XOR, les réseaux de neurones à une couche et multi-couches
• Comment gérer un projet de deep learning ? La référence humaine, l’analyse manuelle d’erreurs
• Quels sont les outils de développement du deep learning ? PyTorch, HuggingFace et autres

4 – Le traitement automatique d’images

• Qu’est-ce qu’un réseau de neurones convolutif ? Les bases du traitement d’images, les applications les plus courantes, les couches convolutives et de pooling
• Comment détecter des objets sur une image ? Les métriques de performance en détection d’objet, la structure des labels de données, l’architecture Yolo, la suppression non-maximale
• Comment faire du transfer learning ? L’apprentissage par transfert, le piratage des réseaux de neurones

5 – Le traitement automatique du langage

• Qu’est-ce qu’un réseau de neurones récurrent ? Les bases du traitement de texte, les applications les plus courantes, les architectures récurrentes, application à génération de noms de communes françaises
• Comment faire de la traduction automatique ? L’architecture Seq2Seq et le teacher forcing, application à la traduction littérale de chiffres

6 – L’IA générative

• Qu’est-ce que l’IA générative ? Modèles de fondation et Large Language Models, ChatGPT et Gemini, méthodes d’entraînement sur des archives du web
• Comment interagir avec ChatGPT ? Applications concrètes de la vie de tous les jours, capacités émergentes, limites, non-reproductibilité et hallucinations
• Comment évaluer une IA générative ? Les jeux de données standard, les annotations humaines, les LLM-as-Judge

7 – Industrialisation de l’intelligence artificielle

• Quels sont enjeux éthiques et environnementaux de l’IA ? Quid de la réglementation ?
• Quelles sont les technologies liées au Big Data ? Les 4 V du Big Data, panorama technologique, les providers cloud
• Comment industrialiser un modèle ? Les produits à base d’intelligence artificielle, la chaîne de décision au cours d’un projet
• Comment maîtriser le cycle de vie d’un modèle en production ? Le cycle de vie des modèles et analogie avec l’épopée industrielle de la voiture, les neuf étapes du cycle de vie des modèles

Ce programme a été mis à jour le 21 septembre 2026.