Programme — Introduction à l'intelligence artificielle

Définitions, histoire et grandes familles : ce que recouvre réellement le terme « IA ».

Apprentissage supervisé, non supervisé et par renforcement : les trois façons d'apprendre à partir de données.

Du neurone artificiel aux réseaux profonds : ce qui se passe réellement à l'intérieur.

Qualité, volume, biais, surapprentissage : pourquoi la plupart des projets échouent sur les données, pas sur l'algorithme.

Tokens, attention, entraînement : comment fonctionne réellement un assistant conversationnel.

Comment une machine interprète une image : classification, détection, segmentation et leurs usages réels.

Diffusion, synthèse vocale, génération de code : comment ces modèles produisent du contenu, et ce que cela implique en droit.

Quand un modèle agit au lieu de répondre : appels d'outils, agents autonomes et risques associés.

Surface d'attaque, menaces spécifiques et mesures concrètes pour un déploiement d'IA en entreprise.

Ce que l'IA change concrètement par fonction, avec les gains observés et les échecs récurrents.

Ce que ces systèmes ne savent pas faire, et pourquoi cela ne se corrige pas par une mise à jour.

RGPD et AI Act : les obligations qui s'appliquent à un système d'IA en Europe.

Choisir un cas d'usage, évaluer la faisabilité, mesurer les résultats : la méthode.