Ingénierie de l'IA
Concevoir, intégrer et mettre en production des solutions d'intelligence artificielle dans un environnement réel — des assistants documentaires aux agents IA.
La compétence est le vrai goulot d'étranglement de l'adoption de l'IA : la technologie est disponible, mais les équipes capables de la concevoir et de la déployer manquent. Un programme de référence en 13 jours, du Deep Learning aux agents autonomes, pour combler cet écart au sein de votre organisation.
Les trois compétences qui structurent un projet IA, de la donnée au déploiement.
Concevoir, intégrer et mettre en production des solutions d'intelligence artificielle dans un environnement réel — des assistants documentaires aux agents IA.
Analyser, préparer et valoriser les données de l'organisation, prérequis indispensable à tout projet IA solide.
Comprendre et construire des modèles d'apprentissage automatique, du cadrage du problème à l'évaluation des résultats.
Un parcours intensif qui mène des fondements du Deep Learning jusqu'aux agents autonomes. Chaque journée : la théorie le matin, la pratique l'après-midi, et un projet concret pour conclure. Le parcours est modulaire — une équipe peut suivre l'intégralité ou se concentrer sur les blocs utiles à ses cas d'usage.
Du neurone artificiel à la backpropagation, implémentée d'abord from scratch avec NumPy puis avec PyTorch, jusqu'aux techniques d'optimisation (Adam, BatchNorm, Dropout, early stopping) qui rendent un modèle robuste. Outils : Python, NumPy, PyTorch, Matplotlib, TensorBoard.
Convolutions, pooling et architectures CNN classiques (LeNet, ResNet), segmentation au pixel près (U-Net, Mask R-CNN), puis transfer learning et Vision Transformers, avec un regard critique sur la robustesse adversariale. Outils : PyTorch, torchvision, OpenCV, Hugging Face, timm.
Le cœur de l'IA générative actuelle : du mécanisme d'attention au fine-tuning de BERT et GPT, jusqu'à la construction de systèmes RAG et au prompt engineering. Le bloc le plus directement relié aux solutions déployées en entreprise. Outils : Hugging Face, FAISS, LangChain, Sentence Transformers.
Un module prospectif : qubits, superposition, intrication, Quantum Neural Networks et encodage quantique d'images. L'objectif est de comprendre une frontière de recherche à l'ère NISQ, pas un usage en production. Outils : Qiskit, PennyLane.
L'aboutissement du parcours : construire des agents capables de raisonner et d'agir (outils, mémoire) avec LangChain, puis orchestrer des systèmes multi-agents avec LangGraph. Le projet final intègre l'ensemble des blocs. Outils : LangChain, LangGraph, API OpenAI/Anthropic, Chroma.
Le parcours technique suppose un niveau Python intermédiaire et des bases en algèbre linéaire et probabilités. En complément des sessions en direct, un espace d'apprentissage interactif (suivi, quiz, projets guidés) consolide les acquis entre les séances. Les modules de cadrage stratégique pour dirigeants ne requièrent aucun socle technique.
Selon le besoin, deux cadres pour monter en compétence.
Des sessions ouvertes qui regroupent des participants de plusieurs organisations — idéal pour monter en compétence sur un domaine sans mobiliser une équipe entière.
Un programme conçu sur mesure pour une équipe, calibré sur ses cas d'usage réels et son niveau de départ. Le parcours en 5 blocs y est recomposé selon les priorités : une équipe orientée documents privilégiera les blocs NLP et Agents, une équipe vision les blocs Deep Learning et Computer Vision.
« Former une équipe interne, c'est transformer une dépendance ponctuelle à un prestataire en une capacité durable de l'organisation. »
Trois publics, trois objectifs distincts. Le contenu, le niveau et les blocs retenus sont ajustés au public visé.
Acquérir des compétences IA opérationnelles, directement applicables à des projets réels.
Monter en compétence collectivement sur un projet précis, avec un parcours calibré sur les cas d'usage de l'équipe.
Comprendre les enjeux, les opportunités et les limites de l'IA pour piloter une stratégie — sans prérequis technique.
Contenu de chaque bloc, projets réalisés, outils, prérequis et déroulé pédagogique : notre article de référence détaille l'intégralité du parcours.
100 % en ligne, à distance, en classe virtuelle avec un formateur en direct. Les formats intra-entreprise sont organisés en sessions privées pour les équipes, où qu'elles se trouvent.
Les deux. Un parcours de référence de 13 jours (~104 h) en 5 blocs progressifs — Deep Learning, Computer Vision, NLP & Transformers, IA quantique (en option) et Agents LLM — ainsi que des modules indépendants. En intra-entreprise, le parcours est recomposé selon les cas d'usage et le niveau de l'équipe.
Trois domaines : l'ingénierie de l'IA (conception et intégration), la data science (analyse et valorisation des données) et le machine learning (modélisation et apprentissage automatique), déclinés en Deep Learning, Computer Vision, NLP, IA quantique et agents LLM.
Oui, en inter-entreprise (sessions ouvertes) comme en intra-entreprise (programme sur mesure conçu pour une équipe selon ses cas d'usage).
Selon le module : le parcours technique suppose un niveau Python intermédiaire et des bases en algèbre linéaire et probabilités, tandis que les modules de cadrage stratégique s'adressent aussi aux dirigeants. Le programme est ajusté au public.
Ils sont communiqués sur demande, en fonction du format (inter ou intra-entreprise) et du public concerné. Il suffit de contacter BADIS AI.
Programme détaillé (13 jours / 5 blocs), calendrier des sessions et tarifs sont communiqués sur demande, selon le format (inter ou intra-entreprise) et votre public. Contactez-nous pour construire le parcours adapté.