ChatGPT, Claude, Gemini. Techniques de prompting, cas d'usage métier et automatisation quotidienne sans code.

Attention, BERT, GPT. Tokenisation, embeddings et pipelines d'inférence pour comprendre les fondements des modèles de langage.

LangChain, LlamaIndex, API OpenAI/Anthropic. Construction de chatbots, assistants documentaires et interfaces IA.

Retrieval-Augmented Generation, bases vectorielles (Chroma, Pinecone). Orchestration d'agents multi-étapes avec LangGraph.

PEFT, LoRA, QLoRA pour adapter des LLMs open-source (Llama, Mistral) à des domaines métier spécifiques.

Fondements mathématiques du Machine Learning. Régression, classification, SVM et forêts aléatoires appliquées aux données structurées.

Architecture des réseaux de neurones profonds. CNN, RNN et mécanismes d'attention appliqués à l'analyse spatiale et temporelle.

Ajustement fin (Fine-Tuning), implémentation de pipelines RAG avancés et développement d'agents autonomes B2B.

Méthodes heuristiques, programmation linéaire et algorithmes génétiques pour la résolution de problèmes combinatoires complexes.

NumPy, Pandas, Matplotlib. Manipulation de données, visualisation exploratoire et fondements algorithmiques.

Q-Learning, PPO, DQN. Environnements Gym et formation d'agents capables d'apprendre par essai-erreur.

Traitement de grands volumes de données vectorielles et conception de tableaux de bord interactifs (PowerBI / Tableau / Python).

Analyse sémantique, extraction d'entités nommées et classification de documents textuels non-structurés.

Prévision (Forecasting), détection d'anomalies et modélisation ARIMA appliquées aux données financières et industrielles.

Pipelines batch/streaming (Kafka, Spark Structured Streaming), orchestration Airflow et stockage en Data Lake.

Conception de pipelines ETL (Airflow, dbt) et manipulation de clusters de calcul massivement parallèles (Spark, Hadoop).

Programmation C++ et Rust pour le calcul scientifique. Gestion de la mémoire et optimisation algorithmique critique.

Industrialisation des modèles : versioning, conteneurisation Docker, CI/CD et monitoring en production sur Cloud (AWS/Azure).

Cartographie des actifs data, conformité RGPD, gestion des accès et implémentation de référentiels de données (MDM).

Auditer les biais algorithmiques, assurer la transparence des modèles 'boîtes noires' et cadre réglementaire européen (AI Act).

Structure et cycle de vie d'un produit IA. Structuration d'équipes pluridisciplinaires et mesure du Retour sur Investissement (ROI).

Formation non-technique pour décideurs. Comprendre l'IA, évaluer les opportunités, piloter la transformation et mesurer le ROI.