🧠 Intelligence Artificielle
Bienvenue dans le module d’Intelligence Artificielle. Ce cours intensif a pour objectif de vous faire passer du stade de “consommateur” d’IA à celui d’architecte système. Nous allons déconstruire les boîtes noires, comprendre la mathématique sous-jacente, et construire des agents autonomes capables d’interagir avec le monde réel.
- Mathématiques : Bases solides en algèbre linéaire (matrices, vecteurs) et probabilités.
- Programmation : Maîtrise de Python (Pandas, NumPy) et de l’utilisation du Terminal.
- Anglais : Capacité à lire de la documentation technique et des papiers de recherche.
- Outils : Notions d’utilisation de Docker et Git.
🎯 Objectifs Pédagogiques
À l’issue de ce module, vous serez capables de :
- Comprendre l’architecture et la mécanique mathématique des réseaux de neurones profonds.
- Déployer et paramétrer des Large Language Models (LLMs) pour des cas d’usage industriels.
- Concevoir et orchestrer des agents autonomes via des frameworks comme LangChain et le protocole MCP.
- Évaluer de manière critique les implications éthiques, de sécurité et environnementales des systèmes d’IA.
🗺️ Navigation dans le Module
Ce module est structuré en 5 parties progressives, complétées par un 📖 Glossaire Global et un 🧠 Aide-Mémoire :
- Théorie : Histoire de l’IA, anatomie des réseaux, fonctions d’activation, descente de gradient, et pipeline de nettoyage des données.
- Pratique : Rappels Python, manipulation des tenseurs, génération de données avec NumPy, entraînement d’une régression linéaire.
- Évaluation : Quizz “Cluedo en groupe”.
- Théorie : Architecture des CNN, révolution AlexNet, Transfer Learning, et lutte contre l’Overfitting.
- Pratique : Initiation à TensorFlow/Keras, réglage des hyperparamètres, gestion des fonctions de perte et métriques.
- Évaluation : Quizz “Mot de passe” et Projet d’étude de cas (Kaggle).
- Théorie : Du Bag of Words aux Transformers, mécanisme de Self-Attention, tokenisation, prompt engineering, failles de sécurité.
- Pratique : Compétition de “Prompt Battle” et exploration avancée de l’espace latent.
- Théorie : Framework LangChain, architecture RAG, bases vectorielles, recherche hybride, framework ReAct, et protocole MCP.
- Pratique : Création d’agents autonomes, manipulation de contexte, intégration d’outils et de MCP.
- Évaluation : Quizz “Complétez la chaîne” et Projet “Agent anti-arnaqueurs”.
- Théorie : EU AI Act, menace des Live Deepfakes, équité algorithmique, alignement (RLHF/DPO), durabilité et Paradoxe de Jevons.
- Évaluation : Débat “Quelle sera l’IA parfaite ?” et Quizz “Jeopardy”.