Formation IA pour entreprises

Objectif d'apprentissage: Vous classez les quatre classes de risque de l'AI Act, expliquez les obligations des art. 4 et 26, appliquez les principes du RGPD à l'usage de l'IA et esquissez une politique IA interne.

La colonne vertébrale juridique du curriculum — orientée application : comprendre les exigences juridiques assez pour décider de façon éclairée et reconnaître les risques. Des bases RGPD au règlement IA, jusqu'au droit d'auteur, à l'accord d'entreprise et à une étude de cas complète.

Messages clés

• L'AI Act s'applique à quiconque utilise l'IA professionnellement — en tant que déployeur, vous êtes destinataire même sans développer d'IA.
• La plupart des outils bureautiques sont à risque minimal ou limité ; l'IA dans les RH est le cas de haut risque le plus fréquent (annexe III n° 4).
• RGPD et AI Act se complètent : l'un protège les données personnelles, l'autre régit sécurité et transparence des systèmes.

Unités d'enseignement

1. Unité 11 Modèles de maturité IA pour les entreprises
2. Unité 12 Contrôle des acquis 1 (quiz et réflexion)
3. Unité 13 Bases du RGPD dans le contexte IA
4. Unité 14 Éviter les données personnelles dans les prompts
5. Unité 15 EU AI Act : structure, calendrier, destinataires
6. Unité 16 Classes de risque de l'AI Act
7. Unité 17 Obligations des déployeurs selon l'art. 26
8. Unité 18 Obligation d'AI literacy selon l'art. 4
9. Unité 19 Droit d'auteur et contenus générés par IA
10. Unité 20 Secrets d'affaires et confidentialité dans le contexte IA
11. Unité 21 Cadres éthiques : OCDE, EU HLEG et Asilomar
12. Unité 22 Biais, équité et discrimination par l'IA
13. Unité 23 Accord d'entreprise sur l'IA
14. Unité 24 Étude de cas : évaluation juridique d'un cas d'usage IA

Objectif d'apprentissage: Vous structurez les prompts selon le modèle à cinq couches (rôle, contexte, tâche, format, contraintes), appliquez zero-shot, few-shot et chain-of-thought et constituez votre bibliothèque de prompts.

La compétence pratique clé de tous les modules d'application : donner aux systèmes d'IA des instructions précises et structurées. Le prompt engineering n'est pas une science occulte, mais une méthode apprenable de communication précise.

Messages clés

• La qualité de l'entrée détermine la qualité de la sortie — flou, surcharge et contexte manquant sont les trois erreurs les plus courantes.
• Un prompt précis de 80 mots bat un prompt vague de 400 — la longueur n'est pas un critère de qualité.
• Les tâches récurrentes vont dans une bibliothèque de prompts versionnée, pas dans la tête de quelques collègues.

Unités d'enseignement

1. Unité 25 Anatomie d'un prompt — rôle, contexte, tâche, format
2. Unité 26 Zero-shot vs few-shot prompting
3. Unité 27 Chain-of-thought et techniques de raisonnement
4. Unité 28 System prompts et conception de persona
5. Unité 29 Sorties structurées (JSON, Markdown, tableaux)
6. Unité 30 Prompting itératif et boucles d'affinage
7. Unité 31 Prompts négatifs, contraintes, garde-fous
8. Unité 32 Patterns de prompts (CRISPE, RTF, TAG, RISEN)
9. Unité 33 Documents longs — stratégies de synthèse
10. Unité 34 Constituer et versionner une bibliothèque de prompts
11. Unité 35 Méta-prompts et optimisation par l'IA elle-même
12. Unité 36 Exercice pratique : 10 prompts pour son poste

Objectif d'apprentissage: Vous intégrez l'assistance IA dans des flux réels — e-mail, réunions, rédaction, recherche, gestion des connaissances, présentations — en gardant le contrôle qualité côté humain.

De la compétence à la routine : comment intégrer l'IA au quotidien sans fragmenter le travail. Chaque unité a une variante pratique étendue pour équipes et organisations — dont le lab de 90 minutes « Une journée de travail avec l'IA ».

Messages clés

• Le gain de productivité vient de quelques routines bien intégrées, pas de plus d'outils.
• Critique des sources et vérification des faits sont des compétences obligatoires — la recherche IA ne remplace pas la vérification.
• Les bibliothèques de prompts partagées font passer le savoir à l'échelle — en gardant à l'esprit l'uniformité des résultats.

Unités d'enseignement

1. Unité 37 Panorama des IA de productivité (Copilot, Gemini for Workspace, ChatGPT Enterprise)
2. Unité 38 Tri des e-mails et brouillons de réponse avec l'IA
3. Unité 39 Comptes rendus, synthèses et actions issues des réunions
4. Unité 40 Rédaction : offres, rapports, articles de blog
5. Unité 41 Traduire, reformuler, ajuster la tonalité
6. Unité 42 Recherche avec les moteurs IA : Perplexity et You.com
7. Unité 43 Critique des sources et vérification des réponses IA
8. Unité 44 Gestion des connaissances avec NotebookLM et outils similaires
9. Unité 45 Générer des présentations avec Gamma et Copilot PPT
10. Unité 46 Accessibilité : textes alternatifs, langage clair, formulation inclusive
11. Unité 47 Routines personnelles de productivité avec l'IA
12. Unité 48 Lab pratique : une journée avec assistance IA (90 minutes)

Objectif d'apprentissage: Vous utilisez l'IA pour les formules, le nettoyage de données, les analyses pivot et le reporting, connaissez les limites de fiabilité statistique des analyses LLM et respectez la protection des données.

La compétence prompting rencontre le domaine le plus concret : données structurées et outils bureautiques. Des formules Excel en langage naturel au Code Interpreter jusqu'aux prévisions de gestion — y compris quand l'analyse LLM n'est pas le bon outil.

Messages clés

• L'IA explique et génère les formules de façon fiable — l'analyse quantitative exige des outils comme Code Interpreter, pas de la génération de texte brute.
• Avant tout upload : vérifier la classification des données, anonymiser les données personnelles.
• Les LLM décrivent bien les motifs mais ne calculent pas de façon fiable — toujours vérifier les chiffres.

Unités d'enseignement

1. Unité 49 Excel/Sheets avec l'IA — formules en langage naturel
2. Unité 50 Nettoyage de données avec l'IA (doublons, formats, validation)
3. Unité 51 Suggestions de pivots et de tableaux de bord par l'IA
4. Unité 52 Créer diagrammes et visualisations automatiquement
5. Unité 53 Introduction au Code Interpreter / Advanced Data Analysis
6. Unité 54 Analyse de CSV et PDF avec les LLM
7. Unité 55 Protection des données lors d'uploads sensibles
8. Unité 56 L'IA en contrôle de gestion — prévisions et analyses d'écarts
9. Unité 57 Power BI / Looker avec copilote IA
10. Unité 58 Mini-cas : optimiser les reportings
11. Unité 59 Limites de la fiabilité statistique des analyses LLM
12. Unité 60 Exercice : analyser son propre jeu de données

Objectif d'apprentissage: Vous formulez des prompts d'image selon des méthodes structurées, connaissez les champs d'application de la transcription à la génération vidéo et reconnaissez les risques juridiques et éthiques des médias synthétiques.

Du texte à toutes les modalités — avec un regard équilibré et informé plutôt que hype ou rejet : que savent réellement faire les IA d'image, d'audio et de vidéo, où sont les limites, et quels garde-fous faut-il ? Avec détection des deepfakes et droit des marques.

Messages clés

• Le prompting d'image suit des schémas apprenables : composition, style, lumière — l'itération bat le hasard.
• Les médias générés par IA sont soumis à étiquetage (art. 50) et au droit des marques — les processus de validation font partie du flux.
• Les risques de deepfake concernent chaque entreprise — savoir les détecter fait partie de la culture de sécurité.

Unités d'enseignement

1. Unité 61 Génération d'images : Midjourney, DALL·E et Stable Diffusion
2. Unité 62 Prompting d'image : composition, style et lumière
3. Unité 63 Retouche par IA : inpainting, upscaling, détourage
4. Unité 64 Aspects juridiques des images générées et droit des marques
5. Unité 65 Speech-to-text et transcription
6. Unité 66 Text-to-speech et voix synthétiques
7. Unité 67 Génération vidéo : Sora, Runway et Veo
8. Unité 68 Avatars et présentateurs IA : HeyGen et Synthesia
9. Unité 69 Risques de deepfake et détection
10. Unité 70 Scénarios d'usage : marketing et communication interne
11. Unité 71 Garde-fous éthiques pour les médias synthétiques
12. Unité 72 Exercice : son propre clip explicatif avec l'IA

Objectif d'apprentissage: Vous distinguez agents IA et chatbots, comprenez conceptuellement tool use, RAG et orchestration, sélectionnez les bons processus et concevez des schémas human-in-the-loop avec calcul de ROI.

Le seuil qualitatif du curriculum : de l'assistant passif au système semi-autonome qui planifie, utilise des outils et exécute des tâches. Cela change fondamentalement la dimension de risque — et donc les exigences de compétence.

Messages clés

• Agents = modèle de langage + accès aux outils + planification + mémoire — chaque étage augmente valeur et risque.
• Le RAG relie les modèles de langage au savoir de votre entreprise — la base d'assistants internes dignes de confiance.
• Les processus fréquents et réglés à valeur claire se qualifient en premier — surveillance et validation humaine sont obligatoires.

Unités d'enseignement

1. Unité 73 Automatisation no-code : Zapier, Make, n8n
2. Unité 74 Microsoft Power Automate avec briques IA
3. Unité 75 Agents IA vs chatbots — panorama d'architecture
4. Unité 76 Tool use, function calling, protocole MCP
5. Unité 77 Comprendre la retrieval-augmented generation (RAG)
6. Unité 78 Construire des GPT personnalisés et des agents Copilot Studio
7. Unité 79 Orchestrer des agents (CrewAI, LangGraph — concept)
8. Unité 80 Choix des processus : quelles tâches pour les agents ?
9. Unité 81 Schémas de conception human-in-the-loop
10. Unité 82 Surveillance et journalisation des agents IA
11. Unité 83 Calcul du ROI des automatisations
12. Unité 84 Exercice : son propre agent no-code

Objectif d'apprentissage: Vous identifiez les potentiels IA le long de la chaîne de valeur, priorisez les cas d'usage avec ICE/RICE, tranchez build vs buy et créez une feuille de route à 12 mois avec business case.

Changement de perspective : de la compétence individuelle à la capacité stratégique de l'organisation. Pour dirigeants, multiplicateurs et toutes les parties prenantes des déploiements IA — avec matrice de potentiel, canvas de cas d'usage, conception de pilote et modèle de gouvernance.

Messages clés

• Les processus avant la technologie : la matrice de potentiel (fréquence × caractère réglé × valeur) trouve les bons candidats.
• Les pilotes exigent hypothèses, KPI et critères d'arrêt — sinon ils deviennent des projets sans fin ni preuve.
• Sans conduite du changement ni gouvernance, toute feuille de route reste sur le papier.

Unités d'enseignement

1. Unité 85 Méthodes de cartographie des processus (value stream, SIPOC)
2. Unité 86 Matrice de potentiel IA : fréquence × caractère réglé × valeur
3. Unité 87 Canvas et fiches de cas d'usage
4. Unité 88 Priorisation : ICE, RICE, analyse de valeur
5. Unité 89 Décisions build vs buy vs configure
6. Unité 90 Évaluer qualité et disponibilité des données
7. Unité 91 Conception de pilote : hypothèses, KPI, critères d'arrêt
8. Unité 92 Conduite du changement et adhésion des équipes
9. Unité 93 Modèle de gouvernance IA dans l'entreprise
10. Unité 94 Construire une feuille de route IA à 12 mois
11. Unité 95 Calcul du business case (TCO, bénéfice, amortissement)
12. Unité 96 Atelier : identifier et finaliser 3 cas d'usage

Objectif d'apprentissage: Vous nommez les vecteurs d'attaque comme l'injection de prompt et la fuite de données, pilotez le shadow AI, évaluez les fournisseurs, comprenez les questions de souveraineté et remplissez les obligations documentaires.

Le retour critique après la montée en compétence : traiter systématiquement les risques de l'IA en production — des attaques techniques aux angles morts organisationnels, jusqu'à la réponse aux incidents et au rôle du référent IA.

Messages clés

• Le shadow AI — outils privés non validés — est déjà une réalité dans la plupart des organisations ; le pilotage bat l'interdiction.
• L'injection de prompt est le principal nouveau vecteur d'attaque — garde-fous et red-teaming font partie de l'exploitation.
• La souveraineté des données est une décision d'architecture : on-premise, hébergement UE ou cloud avec des contrats clairs.

Unités d'enseignement

1. Unité 97 Vecteurs d'attaque : injection de prompt, jailbreaks, fuite de données
2. Unité 98 Mesures de protection : red-teaming, garde-fous, filtres
3. Unité 99 Détecter et piloter le shadow AI
4. Unité 100 Classification et minimisation des données
5. Unité 101 On-premise vs cloud vs hébergement UE (souveraineté)
6. Unité 102 Check-list d'évaluation des fournisseurs d'IA
7. Unité 103 Assurance qualité : evals, jeux de test, benchmarks
8. Unité 104 Surveillance en exploitation (dérive, qualité, coûts)
9. Unité 105 Obligations documentaires selon l'AI Act
10. Unité 106 Réponse aux incidents IA
11. Unité 107 Le rôle de référent IA dans l'entreprise
12. Unité 108 Étude de cas : évaluation des risques d'un cas d'usage

Objectif d'apprentissage: Vous transformez l'appris en projet réel : définir un cas d'usage, prototyper, évaluer, présenter — et devenir multiplicateur efficace dans votre équipe.

Une clôture à double fonction — transfert et synthèse : comment les contenus arrivent-ils vraiment en pratique, et comment les dix modules s'articulent-ils ? Avec coaching de projet, simulation d'examen, colloque et plan de transfert jusqu'à la certification.

Messages clés

• La compétence se montre dans les projets, pas dans les quiz — c'est pourquoi le curriculum se termine par un vrai travail de projet.
• Les éléments train-the-trainer transforment les apprenants en multiplicateurs — c'est ainsi que la compétence IA passe à l'échelle en interne.
• Le plan de transfert ancre l'appris dans des étapes concrètes pour votre organisation.

Unités d'enseignement

1. Unité 109 Introduction au projet : définir thème et périmètre
2. Unité 110 Coaching de projet I — définition du cas d'usage
3. Unité 111 Coaching de projet II — prototypage avec outils IA
4. Unité 112 Coaching de projet III — évaluation et documentation
5. Unité 113 Techniques de présentation et de communication
6. Unité 114 Rôle de multiplicateur dans son équipe — train the trainer
7. Unité 115 Préparation à l'examen — structure et thèmes
8. Unité 116 Simulation d'examen écrit
9. Unité 117 Revue par les pairs des travaux de projet
10. Unité 118 Examen final écrit (90 minutes)
11. Unité 119 Présentations de projet et colloque
12. Unité 120 Feedback, remise des certificats et plan de transfert