Fondamentaux de l'IA

Objectifs

• Comprendre le fonctionnement des LLMs : tokens, paramètres, mécanismes d'attention
• Distinguer modèles prédictifs (ML) et génératifs (LLMs), comprendre forces et limites (hallucinations, biais)
• Explorer les capacités multimodales et les fonctionnalités avancées des plateformes IA (ChatGPT, Claude, Gemini, Copilot)

Au programme

• Fonctionnement des LLMs : tokens, paramètres, mécanismes d'attention
• Modèles prédictifs (ML) vs génératifs (LLMs), hallucinations et biais
• Capacités multimodales et fonctionnalités avancées des plateformes IA (ChatGPT, Claude, Gemini, Copilot)

Objectifs

• Structurer un prompt : balises, contexte, tâche, format de sortie, rôle et guardrails
• Maîtriser le multishot prompting et le Chain-of-Thoughts
• Mesurer sa progression grâce au feedback instantané sur plateforme dédiée

Au programme

• Structurer un prompt : balises, contexte, tâche, format de sortie, rôle et guardrails
• Multishot prompting et Chain-of-Thoughts
• 7 exercices progressifs avec feedback instantané sur plateforme dédiée

Objectifs

• Appliquer la méthodologie Use Case Mapping pour identifier le bon cas d'usage
• Construire pas à pas un assistant IA personnalisé (Custom GPT)
• Présenter et confronter son assistant lors de la battle finale

Au programme

• Méthodologie Use Case Mapping pour identifier le bon cas d'usage
• Construction pas à pas d'un assistant IA personnalisé (Custom GPT)
• Battle finale : présentation et confrontation des assistants

Objectifs

• Comprendre l'impact énergétique et hydrique des modèles d'IA et adopter un usage sobre
• Diagnostiquer la maturité de son équipe face à l'IA (Dunning-Kruger, loi de diffusion de l'innovation)
• Passer d'une approche Tool-first à Value-first et devenir catalyseur de l'adoption

Au programme

• Impact énergétique et hydrique des modèles d'IA, usage sobre
• Diagnostic de maturité : Dunning-Kruger, loi de diffusion de l'innovation
• Approche Value-first vs Tool-first et rôle de catalyseur de l'adoption