ChatGPT, Claude et d'autres applications d'IA générative sont rapides à prendre en main, mais n'offrent d'excellents résultats qu'une fois leur fonctionnement compris. En guise d'introduction, nous expliquons ce que sont les modèles de langage et pourquoi ils peuvent parfois fournir des réponses convaincantes mais erronées. Nous nous concentrons ensuite sur un prompting efficace : description claire des tâches, exemples et amélioration progressive des résultats. Lors des exercices, les participants rédigent des courriels, résument de longs documents, extraient des informations de PDF et analysent des tableaux. Ils apprennent également à évaluer les résultats de manière critique et à identifier les limites de l'IA. À la fin de la journée, chacun dispose d'un ensemble de bonnes pratiques immédiatement applicables dans son travail quotidien.

L'apprentissage automatique est au cœur de nombreuses applications d'IA, mais comment un modèle apprend-il concrètement à partir des données ? Cet atelier explique clairement et sans formules superflues les concepts fondamentaux : régression et classification, arbres de décision et forêts aléatoires. L'accent est mis sur l'évaluation des modèles. Sont notamment abordées les questions suivantes : comment mesurer la précision prédictive ? Qu'est-ce que le surapprentissage ? Comment les techniques de rééchantillonnage, comme la validation croisée, permettent-elles de s'en prémunir ? L'atelier traite également des écueils courants qui font échouer les projets d'apprentissage automatique. Toutes les méthodes sont testées directement en R ou en Python à l'aide de jeux de données réalistes, permettant ainsi aux participants d'entraîner, de comparer et d'évaluer eux-mêmes des modèles simples.

Les modèles d'apprentissage automatique haute performance sont souvent opaques : ils produisent de bonnes prédictions, mais aucune explication. Cet atelier permettra aux participants d'apprendre des méthodes pour comprendre le comportement de ces modèles. Les méthodes globales, telles que l'importance des caractéristiques et les graphiques de dépendance partielle, révèlent les facteurs utilisés par un modèle dans son ensemble. Les méthodes locales, comme les valeurs de Shapley ou les explications contrefactuelles, expliquent quant à elles les prédictions individuelles. Nous montrerons également les limites de ces méthodes et comment éviter les erreurs d'interprétation. Toutes les méthodes seront appliquées concrètement en R ou en Python, et l'atelier se conclura par un exposé sur la communication claire des résultats aux services métiers, à la direction ou aux clients.

Cette semaine intensive s'adresse à toute personne souhaitant mener à bien des projets d'apprentissage automatique (ML) en allant au-delà des notions fondamentales. Elle couvre l'intégralité du cycle de vie d'un projet, de l'exploration et la préparation des données à l'ingénierie des caractéristiques, la sélection du modèle et l'optimisation des hyperparamètres. L'accent est mis sur les erreurs les plus fréquentes rencontrées en pratique : fuites de données, classes déséquilibrées, valeurs manquantes et évaluations produisant des résultats trop optimistes. Nous montrons comment identifier ces problèmes et les éviter grâce à des processus rigoureux. Les participants travailleront avec différents jeux de données afin d'illustrer chaque sujet par un exemple concret. À l'issue de cette semaine, ils seront capables d'aborder leurs propres projets de ML de manière structurée et d'éviter les pièges courants.

Tous nos formats sont personnalisables. Au lieu d'études de cas générales, nous nous appuyons sur des exemples concrets de votre secteur et, si vous le souhaitez, sur vos propres données. Le contenu peut être combiné, approfondi ou enrichi de sujets non abordés dans nos formats standards. Un cas d'usage spécifique de votre entreprise peut également servir de point de départ, aboutissant à un prototype initial. Lors d'une consultation préliminaire, nous définissons ensemble les objectifs, les connaissances préalables et le périmètre d'intervention. Ceci nous permet de concevoir un programme parfaitement adapté à votre équipe.