Appelez-nous ! + 224 624 96 50 13 | +224 626 35 62 75
Contact

Informatique

Agilité

Data

Cybersécurité

Gestion de projets informatiques

Langage et développement

Management du SI

Réseaux et télécoms

Virtualisation • Stockage • Sauvegarde

Intelligence artificielle

Assistant et AI génératives

AI par métier

Fondamentaux de l’AI

Management

Communication

Gestion de projets

Comptabilité • Fiscalité • Gestion

Entrepreunariat

Bureautique

Logiciels bureautique

Anglais

E-learning

Coaching

Individuel ou collectif

Conversation

Appelez-nous
Contact

Devenir manager de produits d’Intelligence Artificielle (IA)

14 heures | 2 jours

IA-MAN

Objectifs pédagogiques

A l’issue de cette formation, vous serez capable de :

  • Reconnaître les concepts, terminologies, spécificités et enjeux de l’IA moderne
  • Faire évoluer des produits existants pour y intégrer l’IA et identifier des nouveaux besoins
  • Développer et déployer des produits IA selon les meilleures méthodologies
  • Activer les leviers de maîtrise des coûts et de croissance et identifier les pièges.

Niveau requis

Cette formation ne nécessite pas de prérequis.

Public concerné

Managers de produits, chefs de projets, Product Owners, consultants BI / Big Data.

Programme

Jour 1

Fondamentaux de l’IA moderne

  • Qu’est-ce que l’IA ?
  • Similarités et différences entre IA et le développement d’applications traditionnelles
  • Machine Learning vs Deep Learning
  • Les différents types d’apprentissage de modèles
  • Stockage des données : Data Warehouse, Data Lake et lakehouse
  • Pipelines de données et automatisation
  • Solutions d’IA sur le Cloud vs solutions On-Premise
  • Stratégies de déploiement de produits IA
  • Cas d’étude issus de l’industrie

Développement et maintenance de produits IA

  • Etapes de développement de nouveaux produits
  • Spécificités des produits IA, de la conception au déploiement et à la maintenance
  • Intégration de l’IA dans des produits non-IA : exemples
  • Principaux facteurs de succès et d’échec
  • Cas d’étude issus de l’industrie

Commercialisation de produits IA

  • Spécificités des offres IA, B2B, B2C, Blue Ocean, Red Ocean et GOAT à travers des exemples

Exemples de travaux pratiques (à titre indicatif)

  • Etablissement des objectifs d’un PoC d’IA
  • Ingestion, exploration, nettoyage, préparation d’un jeu de données
  • Choix des algorithmes, choix de la plateforme de développement et de déploiement du modèle
  • Monitoring du déploiement, du Data drift et du modèle drift
  • Ré-entraînement du modèle

Jour 2

Développer l’équipe IA / ML

  • IA PM (Product Manager)
  • IA / ML / Data Strategist
  • Data Engineer
  • Data Scientist
  • Data Analyst
  • Ingénieurs ML
  • Ingénieurs Front End / Back End / Full Stack
  • UX Designers
  • Implication du client
  • Marketing et vente
  • Les frameworks collaboratifs
  • AIOps et MLOps

Benchmarking, croissance et coûts

  • Identifier les métriques clés : métriques « north star », KPI, OKR
  • Identifier la meilleure stratégie produit pour une forte croissance
  • Maîtriser les coûts et optimiser les prix des produits
  • Savoir exploiter la pile technologique avec les CDP (Customer Data Platforms) et les CEP (Customer Engagement Platforms)

Domaines à fort potentiel de croissance pour les produits IA

  • L’IA
    • Embarquée
    • Créative
  • Les TuningBots
  • Ce qui est possible vs ce qui est probable : le diagramme de Venn

Exemples de travaux pratiques (à titre indicatif)

  • Analyse de marché pour un produit IA
    • Etude de marché
    • Définition des personas des utilisateurs
    • Analyse des concurrents
  • Développement d’un MVP en incluant l’équipe
  • Aspects éthiques et réglementaires
  • Stratégie de mise sur le marché
  • Gestion des données (du sourcing à la consommation dans les modèles)
  • Définition des KPI (métriques, feedback utilisateurs, ajustements)

Enjeux, limites et bonnes pratiques

  • Evaluation de la qualité des résultats
  • Gestion des biais et des hallucinations
  • Questions éthiques et juridiques (droits d’auteur, RGPD)
  • Bonnes pratiques pour garantir la confidentialité
  • Intégration des IA dans le workflow professionnel
  • Présentation d’outils pour travailler en toute confidentialité

Le contenu de ce programme peut faire l’objet d’adaptation selon les niveaux, prérequis et besoins des apprenants.

Modalités d’évaluation des acquis

  • En cours de formation, par des études de cas ou des travaux pratiques
  • Et, en fin de formation, par un questionnaire d’auto-évaluation

Suivre en Distanciel

Suivre en Présentiel

Pour connaître les prochaines dates disponibles, en présentiel ou à distance, contactez-nous.

Pour connaître les prochaines dates disponibles, en présentiel ou à distance, contactez-nous.

Modalités

Présentiel, Classe à distance

Formation disponible
en intra-entreprise

Votre société a besoin d'une offre personnalisée ?


Contactez-nous