Retour
Comprendre ce qu’est réellement l’IA
Qu’est-ce que l’intelligence artificielle ? Aperçu
IA, automatisation et logiciel classique : les différences
Les grands mythes sur l’IA
Les grandes familles de l’IA
IA, Machine Learning et Deep Learning Aperçu
IA prédictive, IA générative et systèmes experts
IA faible, IA générale et imaginaire collectif
Comment l’IA apprend
L’apprentissage supervisé Aperçu
L’apprentissage non supervisé
L’apprentissage par renforcement
Le rôle central des données
Pourquoi les données sont indispensables Aperçu
Données propres, biaisées ou incomplètes
Du nettoyage des données à l’entraînement du modèle
L’IA générative et les assistants modernes
Comment fonctionne un assistant comme ChatGPT Aperçu
Rédiger un bon prompt pour obtenir une meilleure réponse
Ce que l’IA générative fait bien et ce qu’elle fait mal
L’IA dans la vie quotidienne et en entreprise
Les usages du quotidien Aperçu
Les usages dans les entreprises et les administrations
Cas d’usage en Afrique et opportunités locales
Risques, biais et esprit critique
Les biais algorithmiques Aperçu
Hallucinations, erreurs et faux sentiment de confiance
Pourquoi il faut garder l’humain dans la boucle
Éthique, vie privée et emploi
Vie privée, données personnelles et surveillance Aperçu
L’IA et la transformation du travail
Utiliser l’IA de manière responsable
Découvrir les outils et faire ses premiers pas
Les outils accessibles sans coder Aperçu
Premier exercice pratique : poser de meilleures questions
Mini-projet débutant : imaginer un usage IA dans son domaine

Le reste de la formation est réservé aux inscrits.

S'inscrire gratuitement
Comment l’IA apprend Aperçu gratuit

L’apprentissage supervisé

Apprendre avec des exemples corrigés

Dans l’apprentissage supervisé, on donne à la machine des exemples accompagnés de la bonne réponse. Le système apprend progressivement le lien entre les entrées et les sorties.

Exemple illustratif : si l’on montre à une IA des milliers d’e-mails étiquetés « spam » ou « non spam », elle apprend quels motifs sont fréquents dans les courriers indésirables. Plus tard, elle peut classer un nouvel e-mail inconnu.

  • Classer des images
  • Prédire un prix
  • Détecter des anomalies connues

La qualité du résultat dépend beaucoup de la qualité des données d’apprentissage.

Ceci est un aperçu gratuit.
Voir la formation complète