Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Module 1 : Introduction et théorie de l'IA
- L'approche basée sur les modèles : L'IA comme problème d'ingénierie.
- Démystifier le « fantôme dans la machine » : Ce qu'est l'IA par rapport à ce qu'elle n'est pas.
- L'évolution de la technologie : De BERT aux Transformers.
- Domaines génératifs : Analyse, création, recherche, image, musique et vidéo.
- Gouvernance des données : Piliers, audits et tendances de recherche (Multimodalité, Agents, RAG, LLM vs SLM).
- Le côté sombre : Éthique, propriété intellectuelle, biais, hallucinations et ingénierie sociale.
- Évaluation des risques : Empoisonnement des données, Nepenthes et le risque de « nivellement par le bas » des talents humains.
- Taxonomie des modèles : Fondamentaux vs spécifiques à une tâche ; modèles à poids fermés vs à poids ouverts.
Module 2 : Paysage actuel et outils
- L'arène des modèles de langage : Comparaison des performances et des benchmarks.
- Critères d'achat professionnels : Coût, latence, confidentialité et verrouillage fournisseur.
- Aperçu des grands modèles : OpenAI ChatGPT, Perplexity, Gemini et Grok.
- Modèles de niche et petits modèles : Manus, SpecKit.
- Génération graphique : Perchance
- Contraintes techniques : Dérive du contexte vs coût des tokens.
Module 3 : Interaction - Ingénierie des prompts et du contexte
- Le cadre de vérification : Exhaustivité, cohérence et vérifiabilité.
- La stratégie RAG : Quand utiliser la Génération Augmentée par Récupération (RAG) par rapport au fine-tuning.
- Retour sur investissement de l'IA : Coûts de maintenance vs gains de productivité.
- Techniques avancées : Plus de 20 méthodes de prompts et de RAG avec des exemples concrets.
- Frontières expérimentales : Triangulation, aperçu de la carte et du terrain, et génération basée sur les modèles.
Module 4 : L'IA dans la gestion de projet Agile
- Le pilote surpuissant : L'IA comme moteur d'automatisation.
- Prise de décision : Responsabilité humaine vs assistance par l'IA.
- AIOps et GitOps : Intégration de l'IA dans le flux de travail opérationnel.
- Chaînes d'outils et pipelines : Création d'un environnement fluide piloté par l'IA.
- Artefacts Agile : Backlog, feuille de route et ingénierie des exigences.
- Gestion de précision : Planification des capacités et estimations (Précision vs Fidélité).
- Propriété produit : Idéation, analyse des fonctionnalités et risques liés au « vibe-coding ».
- Risques et scénarios : Planification des « et si » et gestion automatisée des risques.
- Affinage : Description et affinage des cas d'utilisation et des user stories.
Pré requis
- Une compréhension de base du Manifeste Agile et du cadre Scrum.
- Une expérience en gestion de projet, en propriété produit ou en leadership d'équipe.
- Aucune expérience préalable en programmation ou en ingénierie de l'IA n'est requise, bien qu'une familiarité générale avec les outils numériques soit recommandée.
Public cible
- Chefs de projet Agile et Maîtres Scrum.
- Product Owners et Directeurs de produit.
- Chefs d'équipe IT et Chefs de livraison.
- Analystes métier travaillant dans des environnements Agile.
- Responsables opérationnels intéressés par l'AIOps.
7 Heures
Nos clients témoignent (1)
Comprendre les fonctions et les outils de l'IA pour faciliter nos tâches. Il est nécessaire de faire évoluer l'IA Chubb, notamment pour l'analyse et la création de présentations.
Tri wulandari - PT Chubb Life Insurance Indonesia
Formation - AI Literacy & Productivity
Traduction automatique
