Chef de Projet IA : Cadrer, piloter et déployer un projet d’IA

Jour 1 : Chef de Projet IA-Cadrage stratégique, Faisabilité et Conception du projet IA Module 1 : Fondations technologiques pour le Chef de Projet Le lexique de l’IA sans jargon : Machine Learning, Deep Learning, LLM, RAG et Agents autonomes. Comprendre le fonctionnement d’un grand modèle de langage : les capacités réelles et les limites (hallucinations). Cartographie du marché : Modèles propriétaires (API) vs Modèles ouverts (Open-source / Souverain). Module 2 : Idéation et Qualification des Cas d’Usage Méthodologie pour identifier les opportunités IA au sein des directions métiers. La matrice d’évaluation : Valeur métier vs Complexité de mise en œuvre. Étude de la donnée : Évaluer la disponibilité, la qualité et la conformité des données nécessaires. Estimation des coûts (Run et Token) et calcul du ROI d’un projet d’IA. TP 1 : Atelier pratique de cadrage. Rédaction de la charte de projet et du cahier des charges fonctionnel pour un cas d’usage réel d’IA d’entreprise. Jour 2 : Pilotage, Risques, Déploiement et Conduite du Changement Module 3 : Les Phases du Projet IA et Management des Équipes Pourquoi le cycle classique échoue : Adapter les méthodes Agiles aux spécificités de l’IA. Le triptyque du succès : Du POC (Preuve de concept) au MVP (Produit Minimum Viable) jusqu’à l’industrialisation. Collaborer avec les profils techniques : Data Scientists, Data Engineers, Développeurs et Experts Cyber. Définir et suivre les KPI du projet (Performance du modèle, latence, satisfaction utilisateur). Module 4 : Gouvernance, Sécurité et Accompagnement des Équipes Maîtriser les risques du projet : Protection des données confidentielles, propriété intellectuelle et biais algorithmiques. Introduction à l’EU AI Act : Classifier son application selon les niveaux de risques réglementaires. Stratégie de conduite du changement : Lever les freins psychologiques, former les utilisateurs et rédiger la charte d’utilisation interne. TP 2 : Simulation de gestion de crise sur un projet IA en cours de déploiement (dérive des coûts d’API, performances insuffisantes du modèle, résistance des équipes). Evalution de fin de formation Le QCM de Validation Final: Un questionnaire à choix multiples de 20 questions permettant de mesurer l’assimilation des concepts clés du programme. Sanction de la formation : L’obtention d’une note minimale de 70% aux évaluations donne droit à la délivrance de l’Attestation Officielle de Fin de Formation et du badge de compétences numérique Dndagency. Profil intervenant : Esteban F. – Consultant Senior en Cybersécurité & Spécialiste de la Sécurité des Systèmes d’IA Expertise Terrain : Plus de 4 ans d’expérience en audit de sécurité, tests d’intrusion et sécurisation des infrastructures critiques. Il s’est spécialisé très tôt dans l’analyse des vulnérabilités propres aux algorithmes d’apprentissage automatique et au durcissement des applications connectées aux LLM. Suites de parcours recommandées Axe Architecture & Développement : Architecturer et Développer une IA Souveraine : RAG et LLM locaux Axe Gouvernance & Audit Légal : IA Act : Expertise Technique & Audit de Conformité