- Référence : IAMP
- Durée : 2 jours (14h)
- Lieu : Au choix. À distance ou en présentiel, à Paris ou en Régions
1700€ HT
Choisir une date et Réserver- NEW
Formation Intelligence Artificielle (IA) : Devenir manager de produits IA
Durée
2 jours
Niveau
Fondamental
Classe à distance
Possible
Vous pouvez suivre cette formation en direct depuis votre domicile ou votre lieu de travail. Plus d'informations sur notre solution de classe à distance...
Référence
IAMP
Éligible CPF
Non
Avec l’essor fulgurant de l’intelligence artificielle, les entreprises recherchent de plus en plus de profils capables de concevoir, piloter et faire évoluer des produits intégrant des technologies IA. Ce rôle stratégique, à la croisée de la technique, du business et de l’utilisateur, requiert une solide compréhension des enjeux de l’IA, mais aussi des compétences en gestion de produit.
Cette formation Manager de produit IA s’adresse aux professionnels souhaitant évoluer vers un rôle de Product Manager IA ou renforcer leur posture actuelle dans des projets d’innovation. Elle vous permettra d’acquérir les fondamentaux de la gestion de produit appliqués à l’intelligence artificielle : cadrage fonctionnel, collaboration avec les équipes techniques, validation des modèles, cycle de vie produit, éthique et conformité, etc.
Objectif opérationnel :
Savoir piloter le développement ou l'évolution de produits intégrant l'intelligence artificielle.
Objectif pédagogiques :
À l'issue de cette formation Manager de produit IA, 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
Public :
Ce cours s'adresse aux managers de produits, aux chefs de projets, aux Product Owners, aux consultants BI / Big Data.
Prérequis :
Aucun.
Jour 1 - Matin
Similarités et différences entre IA et le développement d'applications traditionnelles
Machine Learning vs Deep Learning
Les différents types d'apprentissage de modèles
Du NLP aux IA Génératives
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
L'ère agentique
5 niveaux de maturité d'intégration de l'IA
Cas d'étude issus de l'industrieJour 1 - Après-midi
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
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 modèleJour 2 - Matin
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
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)
- Embarquée
- Créative
Les TuningBots
Ce qui est possible vs ce qui est probable : le diagramme de VennJour 2 - Après-midiExemples de travaux pratiques (à titre indicatif)Analyse de marché pour un produit IA :
- Étude 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)
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
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
Du NLP aux IA Génératives
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
L'ère agentique
5 niveaux de maturité d'intégration de l'IA
Cas d'étude issus de l'industrieJour 1 - Après-midi
Développement et maintenance de produits IA
Étapes de développement de nouveaux produitsSpécificités 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 exemplesExemples de travaux pratiques (à titre indicatif)Établissement des objectifs d'un PoC d'IAIngestion, 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 modèleJour 2 - Matin
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, OKRIdentifier 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 VennJour 2 - Après-midiExemples de travaux pratiques (à titre indicatif)Analyse de marché pour un produit IA :
- Étude 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
Évaluation de la qualité des résultatsGestion 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
Dates et lieux
1
2
1
2
Ces formations peuvent aussi vous intéresser :
Comprenez, utilisez et intégrez l'IA pour booster votre productivité
- Niveau : Fondamental
- Référence : DEIA
Enjeux, processus de création, UX conversationnelle et architectures
- Niveau : Fondamental
- Référence : OCCB
Introduction, marché et étapes d'un projet de Computer Vision
- Niveau : Fondamental
- Référence : ICVI
Développer un algorithme de reconnaissance et entraîner un réseau de neurones
- Niveau : Intermédiaire
- Référence : ICVA
Formations Informatique
et Management
en ligne à ce jour
+
Stagiaires dans nos salles
de cours sur
l'année
%
De participants satisfaits
ou très satisfaits de nos
formations
Formateurs experts
validés par
PLB
