← Tous les programmes
IA, cyber & tech · AI-02

IA pour dirigeants

Prioriser un portefeuille de cas d’usage IA.

Durée

20 h

Public

Professionnels et apprenants concernés par le parcours ; adaptation au secteur possible.

Format

Présentiel · Distanciel · Hybride

Télécharger la plaquette (PDF)Demander un devis →

Ce que vous allez savoir faire

  • 01

    Prioriser un portefeuille de cas d’usage IA

  • 02

    Construire une feuille de route réaliste et gouvernée

  • 03

    Arbitrer valeur, risques, ressources et conduite du changement

Prérequis

Positionnement / expérience professionnelle selon le niveau.

Programme détaillé · 3 cours · 20 h

Chaque séquence d'une heure vise un objectif observable. Les cas, exemples et outils sont contextualisés au secteur du client sans réduire les objectifs ni la durée.

01Diagnostic de maturité IA et cartographie des processus6 h 30

Objectif du cours. Comprendre les mécanismes de « Diagnostic de maturité IA et cartographie des processus », les mettre en œuvre sur un cas d’usage et évaluer qualité, coût, limites et risques.

  1. H1

    Problème & baseline - Diagnostic de maturité IA et cartographie des processus

    Définir le cas d’usage, utilisateur, entrée/sortie, contrainte, métrique et baseline non-IA.

  2. H2

    Mécanisme - inventaire des systèmes IA

    Comprendre inventaire des systèmes IA et relier le mécanisme aux performances/limites observables.

  3. H3

    Architecture / méthode - classification des risques + responsabilités RACI

    Comparer options et construire un schéma simple intégrant classification des risques et responsabilités RACI.

  4. H4

    Lab LMS - AI literacy

    Réaliser un mini-lab documenté : hypothèse, configuration, résultat, erreur, itération.

  5. H5

    Évaluation - traçabilité et documentation

    Définir un petit jeu de tests et des critères de qualité/risque autour de traçabilité et documentation.

  6. H6

    Cas complexe - monitoring et incidents

    Arbitrer qualité, coût, latence, confidentialité, adoption et contrôle humain.

  7. +30

    Revue de conception

    Présenter solution + limites + risques + plan de monitoring; challenger par questions formateur.

Référentiel. Références : NIST AI RMF (Govern, Map, Measure, Manage) et AI Act européen. Au 2 août 2026, les règles de transparence applicables et l’enforcement de plusieurs obligations ont commencé.

02Business case6 h 30

Objectif du cours. Comprendre les mécanismes de « Business case », les mettre en œuvre sur un cas d’usage et évaluer qualité, coût, limites et risques.

  1. H1

    Problème & baseline - Business case

    Définir le cas d’usage, utilisateur, entrée/sortie, contrainte, métrique et baseline non-IA.

  2. H2

    Mécanisme - inventaire des systèmes IA

    Comprendre inventaire des systèmes IA et relier le mécanisme aux performances/limites observables.

  3. H3

    Architecture / méthode - classification des risques + responsabilités RACI

    Comparer options et construire un schéma simple intégrant classification des risques et responsabilités RACI.

  4. H4

    Lab LMS - AI literacy

    Réaliser un mini-lab documenté : hypothèse, configuration, résultat, erreur, itération.

  5. H5

    Évaluation - traçabilité et documentation

    Définir un petit jeu de tests et des critères de qualité/risque autour de traçabilité et documentation.

  6. H6

    Cas complexe - monitoring et incidents

    Arbitrer qualité, coût, latence, confidentialité, adoption et contrôle humain.

  7. +30

    Revue de conception

    Présenter solution + limites + risques + plan de monitoring; challenger par questions formateur.

Référentiel. Références : NIST AI RMF (Govern, Map, Measure, Manage) et AI Act européen. Au 2 août 2026, les règles de transparence applicables et l’enforcement de plusieurs obligations ont commencé.

03Gouvernance7 h

Objectif du cours. Comprendre les mécanismes de « Gouvernance », les mettre en œuvre sur un cas d’usage et évaluer qualité, coût, limites et risques.

  1. H1

    Problème & baseline - Gouvernance

    Définir le cas d’usage, utilisateur, entrée/sortie, contrainte, métrique et baseline non-IA.

  2. H2

    Mécanisme - inventaire des systèmes IA

    Comprendre inventaire des systèmes IA et relier le mécanisme aux performances/limites observables.

  3. H3

    Architecture / méthode - classification des risques + responsabilités RACI

    Comparer options et construire un schéma simple intégrant classification des risques et responsabilités RACI.

  4. H4

    Lab LMS - AI literacy

    Réaliser un mini-lab documenté : hypothèse, configuration, résultat, erreur, itération.

  5. H5

    Évaluation - traçabilité et documentation

    Définir un petit jeu de tests et des critères de qualité/risque autour de traçabilité et documentation.

  6. H6

    Cas complexe - monitoring et incidents

    Arbitrer qualité, coût, latence, confidentialité, adoption et contrôle humain.

  7. H7

    Revue de conception

    Présenter solution + limites + risques + plan de monitoring; challenger par questions formateur.

Référentiel. Références : NIST AI RMF (Govern, Map, Measure, Manage) et AI Act européen. Au 2 août 2026, les règles de transparence applicables et l’enforcement de plusieurs obligations ont commencé.

Évaluation des acquis & attestation

Positionnement initial, évaluations formatives, puis mise en situation ou livrable final évalué avec grille de critères et plan de progression. Bilan des acquis et attestation de fin de formation remis au bénéficiaire.

Action de formation professionnelle. Aucune certification RNCP/RS ni grade académique n’est inclus par défaut, sauf mention explicite dans la proposition contractuelle.