Piloter la création de valeur grâce à l'intelligence artificielle et aux données - Bloc 5 Manager – Expert en transformation numérique

1 Coder et manipuler des données avec Python Découverte, mise en place d'un environnement adapté et apprentissage des bases. Manipulation des données avec Pandas et Numpy, visualisations via Matplotlib et Seaborn. Utilisation d'outils d'IA générative (ChatGPT, Copilot) pour accélérer le code et l'analyse. 2 Préparer et structurer les données pour l'analyse Nettoyage et transformation de données tabulaires (valeurs manquantes, outliers, encodage). Gestion des données non structurées : texte (TF-IDF, BERT), image (réduction), son (spectrogrammes). Construction de datasets fiables via jointures, agrégations et feature engineering. 3 Modéliser, segmenter, prédire grâce aux modèles IA Mise en œuvre de modèles supervisés et non supervisés (régression, Random Forest, K-means). Segmentation client (clustering, RFM). Évaluation (précision, AUC, cross-validation) et optimisation (Grid Search, ensemble learning). Création de pipelines complets, du prétraitement à l'interprétation métier. 4 Explorer, analyser et visualiser les données Analyse exploratoire (corrélations, patterns, distributions). Détection d'anomalies avec DBSCAN, Isolation Forest ou Z-score. Conception de dashboards interactifs avec Streamlit et automatisation des restitutions. 5 Industrialiser et fiabiliser un projet IA Compréhension de l'architecture (Docker, API REST, cloud, GPU). Déploiement et orchestration de modèles en production. Gestion des biais, données déséquilibrées et optimisation continue. Finalisation d'un projet IA avec cadrage, analyse métier et validation croisée. 6 RGPD, Cybersécurité & Impact sociétal de l'IA Respect des obligations légales (RGPD, loi REEN). Anticipation des menaces et protection des données (chiffrement, anonymisation, accès). Réduction de l'empreinte environnementale (Green AI) et intégration d'approches éthiques. Suivi des évolutions réglementaires et promotion de la responsabilité numérique. 7 Étude de faisabilité & Gestion de projet IA Analyse de faisabilité technique et viabilité du projet. Planification en intégrant contraintes/risques. Choix des algorithmes et outils adaptés. Définition des critères de succès (tests, budget, ROI, KPI). Application des méthodes agiles (SCRUM) et analyse des usages de l'IA générative (GAN, LLMs, RAG). 8 POC, UX & Accessibilité numérique Construction de POC et prototypes, évaluation par métriques et retours utilisateurs. Identification des besoins (personas, scénarios), priorisation des fonctionnalités. Conception UX/UI simple et ergonomique, intégrant les critères d'accessibilité (RGAA, design inclusif). 9 Communication & vulgarisation Capacité à vulgariser l'IA auprès d'un public non technique. Usage du storytelling pour un discours clair et engageant. Création de supports visuels impactants (infographies, présentations). Définition et explication des concepts fondamentaux : types d'IA, algorithmes supervisés/non supervisés, réduction de dimensionnalité, réseaux neuronaux (CNN, RNN, transformateurs)