IA générative | De l'introduction au prompt engineering Mixte : présentiel / à distance

Notre programme de formation approfondie sur l'intelligence artificielle explore en détail les IA génératives textuelles, couvrant les bases des algorithmes et des modèles, la manipulation d'outils avancés, et des applications concrètes dans des domaines tels que le marketing, la gestion de projet et le service clientèle.

Les participants auront l'occasion de personnaliser ces technologies pour répondre à leurs besoins spécifiques et seront sensibilisés aux limites et aux risques potentiels. En fin de compte, cette formation offre une perspective complète sur les opportunités et les défis que présentent les IA génératives pour les entreprises d'aujourd'hui.

Ce module vise à équiper les participants d'une compréhension solide des fondamentaux des technologies d'intelligence artificielle, en particulier des IA génératives textuelles.

Les participants apprendront comment ces outils peuvent être personnalisés et utilisés de manière avancée, ce qui est essentiel dans divers processus de travail.

À travers des ateliers pratiques, les participants seront capables de mettre en œuvre leurs connaissances en utilisant des outils d'IA dans des scénarios réels les préparant à augmenter leur productivité et leur efficacité dans leurs rôles professionnels.

Introduction
• Présentation de la formation, des formateurs
• Objectifs et attentes des participants
• Enjeux de l'adoption technologique en entreprise
• Contexte et enjeux de l'utilisation des IA dans le monde de l'entreprise

Fondamentaux sur les technologies d'IA
• Définition des algorithmes et de l'intelligence artificielle (IA computationnelle, systèmes experts, statistiques, réseaux de neurones, etc.)
• Machine Learning et Deep Learning, CNN (Convolutional Neural Networks), RNN (Recurrent Neural Networks), GAN (Generative Adversarial Network), etc.
• NLP (Natural Language Processing), et le TDM (Text Data Mining) : similarités et différences.
• Sujets connexes : Voice models, Computer vision, Multi-modalité.

Bases du fonctionnement des IA génératives textuelles
• Large Language Model (LLM) et Transformers
• Modèle de fondation, et couches d'apprentissage appliquées
• Fenêtre de contexte, RAG (Retrieval Augmented Generation)

Panorama des outils et prise en main des outils
• Historique et présentation des différents fournisseurs et modèles (OpenAI ChatGPT, Google, Gemini, Meta Llama, Anthropic Claude, Mistral Large, etc.)
• Comparaison en terme de performances (contexte, paramètres, quantization...), de 
fonctionnalités (prompt système, fonctions...), de transparence, de réutilisation et d'adaptabilité (opensource ? Finetuning?), et de coût.
• Les modes de fonctionnement disponibles (complétion, insertion, réécriture, chat tronqué, chat  avec RAG)
• Prise en main des interfaces de chat et exemples d'utilisation.
• Prise en main des playgrounds (OpenAI Playground, Google AIStudio, EleuterAI, etc.)

Utilisation et personnalisation : les bases du prompt engineering
• Quelles techniques pour adapter les IA à vos besoins spécifiques ?
• Définir des instructions claires pour obtenir des réponses précises.
• Explorer les fonctionnalités avancées (contrôle du style, génération conditionnelle, structure...)
• Panorama de techniques : zero shot, few shots, chain of thought, self-consistency, general knowledge, chaining, tree-of-thoughts, ReAct, Reflexion, etc.

Utilisation des IA génératives (textuelles) dans les processus de travail
• Comment intégrer les LLM dans les processus de travail existants ?
• Exemples d'utilisation des LLM dans différents domaines : marketing, développement, gestion de projet, service clientèle, rapports, évaluation et analyse, etc.

Les limites des IA génératives (textuelles)
• Vue d'ensemble des limites des IA, liées à leur fonctionnement
• Biais et les erreurs liés sur les données initiales (biais, etc.)
• Phénomène « d'IA menteuse » ou « d'hallucinations »
• Problème de transparence et d'explicabilité des IA
• Modération, contrôle des contenus et effet Waluigi
• Quelles alternatives lorsque les IA ne sont pas adaptés?

Risques de l'utilisation des IA
• Les risques associés à la génération automatique de contenu
• Risques juridiques (propriété intellectuelle, données personnelles, responsabilité, statut juridique...)
• Risques de sécurité (prompts malveillants, données sensibles, ...)
• Quelques pistes pour éviter les écueils de l'utilisation des IA

Conclusion
• Bilan de la formation et des acquis des participants
• Perspectives pour l'utilisation des IA dans le monde de l'entreprise
• Réponses aux questions des participants

• Professionnels cherchant à intégrer des outils d'IA dans leur travail quotidien.
• Managers et leaders d'équipe désireux de comprendre l'impact des IA sur les processus de travail.
• Toute personne intéressée par l'apprentissage de l'IA générative textuelle et son application pratique.

• Expérience préalable dans l'utilisation d'outils technologiques dans un contexte professionnel.

• Capacité à comprendre et à manipuler des concepts techniques à un niveau de base.

Docaposte Institute propose plusieurs dispositifs pédagogiques adaptés aux apprenants :

•  Formation en présentiel
• En groupe (inter-entreprises ou intra-entreprise)
• En individuel (monitorat)
• En journée ou en cours du soir (sur demande spécifique)
• Formation en distanciel
• Distanciel synchrone
• Distanciel asynchrone

• Apports des connaissances communes.
• Mises en situation sur le thème de la formation et des cas concrets.
• Méthodologie d'apprentissage attractive, interactive et participative.
• Equilibre théorie / pratique : 60 % / 40 %.
• Supports de cours fournis au format papier et/ou numérique.
• Ressources documentaires en ligne et références mises à disposition par le formateur.
• Pour les formations en présentiel dans les locaux mis à disposition, les apprenants sont accueillis dans une salle de cours équipée d'un réseau Wi-Fi, d'un tableau blanc ou paperboard. Un ordinateur avec les logiciels appropriés est mis à disposition (le cas échéant).

En amont de la formation

• Recueil des besoins des apprenants afin de disposer des informations essentielles au bon déroulé de la formation (profil, niveau, attentes particulières...).
• Auto-positionnement des apprenants afin de mesurer le niveau de départ.

Tout au long de la formation

• Évaluation continue des acquis avec des questions orales, des exercices, des QCM, des cas pratiques ou mises en situation...

A la fin de la formation

• Auto-positionnement des apprenants afin de mesurer l'acquisition des compétences.
• Evaluation par le formateur des compétences acquises par les apprenants.
• Questionnaire de satisfaction à chaud afin de recueillir la satisfaction des apprenants à l'issue de la formation.
• Questionnaire de satisfaction à froid afin d'évaluer les apports ancrés de la formation et leurs mises en application au quotidien.