Référent IA et transformation digitale avec GEEKIE

Objectifs pédagogiques

Comprendre le fonctionnement, les possibilités et les limites de l’intelligence artificielle générative dans un environnement professionnel.
Identifier le rôle, les responsabilités et le positionnement du Référent IA et transformation digitale au sein d’une organisation.
Recueillir les besoins des équipes et cartographier les usages, les processus et les irritants de l’organisation.
Identifier, qualifier et prioriser les cas d’usage en fonction de leur impact, de leur faisabilité, de leur coût, de leur niveau de risque et de leur potentiel d’adoption.
Utiliser efficacement une intelligence artificielle générative et concevoir des prompts et des assistants adaptés aux métiers de l’organisation.
Choisir les outils et les solutions technologiques adaptés aux besoins identifiés.
Modéliser des automatisations et réaliser les premiers prototypes de solutions IA.
Piloter un projet de transformation impliquant les équipes internes, la direction, les utilisateurs et les prestataires.
Définir un cadre d’utilisation responsable de l’IA intégrant les enjeux de confidentialité, de sécurité, de RGPD et de contrôle humain.
Accompagner les collaborateurs dans l’appropriation des outils et organiser une démarche progressive de conduite du changement.
Construire des indicateurs permettant de mesurer les gains de temps, la qualité, les coûts et le retour sur investissement.
Élaborer une stratégie et une feuille de route IA et transformation digitale à 12–24 mois.
Voir plus Voir moins

Module 1 – Prendre sa fonction de Référent IA et cadrer la gouvernance du projet
• Comprendre les fondamentaux de l’intelligence artificielle et de l’IA générative.
• Comprendre le fonctionnement général des modèles de langage et leurs principales limites.
• Distinguer IA générative, automatisation, OCR, RAG, agent IA, machine learning, vision par ordinateur et fonctionnalités intégrées aux logiciels métiers.
• Identifier les missions du Référent IA : stratégie, veille, sélection des outils, expérimentation, déploiement, formation, conformité, pilotage des fournisseurs et mesure des résultats.
• Définir le périmètre de responsabilité et le niveau d’autonomie du Référent IA.
• Identifier les décisions nécessitant une validation de la direction.
• Définir les rôles de la direction, du Référent IA, des managers, des experts métier et des utilisateurs pilotes.
• Structurer la gouvernance du projet et les modalités de reporting auprès de la direction.
• Comprendre les fondamentaux de la gestion d’un projet IA : objectifs, parties prenantes, moyens, risques, jalons et critères de réussite.
• Formaliser la fiche de rôle du Référent IA et la matrice des responsabilités.
Module 2 – Diagnostiquer les usages et identifier les besoins de l’organisation
• Évaluer la maturité numérique et IA de l’organisation.
• Identifier les usages officiels, individuels ou non encadrés de l’intelligence artificielle.
• Repérer les risques associés au shadow AI et aux expérimentations non coordonnées.
• Cartographier les métiers, les outils et les processus internes de l’organisation.
• Analyser les processus liés à l’acquisition, à la production, aux livrables, à la relation client, à la gestion documentaire et aux fonctions support.
• Identifier les tâches répétitives, chronophages, documentaires, administratives ou à faible valeur ajoutée.
• Concevoir un questionnaire, un guide d’entretien ou un atelier permettant de faire remonter les besoins des collaborateurs.
• Recueillir les besoins des managers, des experts métier, des équipes opérationnelles et des fonctions support.
• Transformer un irritant métier en cas d’usage structuré.
• Définir, pour chaque cas d’usage, les utilisateurs concernés, les données nécessaires, le résultat attendu, la fréquence d’utilisation et les contrôles à réaliser.
• Construire une première cartographie des usages et des opportunités.
Module 3 – Utiliser l’IA générative et concevoir des assistants métier
• Prendre en main les principales fonctionnalités d’une intelligence artificielle générative.
• Comprendre les principes de fonctionnement d’un modèle conversationnel.
• Structurer une demande en précisant le rôle, le contexte, la tâche, les étapes, les contraintes et les caractéristiques du résultat attendu.
• Concevoir des prompts réutilisables et adaptés aux besoins professionnels.
• Créer et améliorer des prompts système.
• Travailler avec des documents : extraction, analyse, synthèse, comparaison et recherche d’informations.
• Identifier les limites liées à la taille, à la qualité et au format des documents.
• Comprendre le fonctionnement d’un assistant documentaire et d’une architecture RAG.
• Organiser un corpus documentaire, les droits d’accès, les sources et les modalités de mise à jour.
• Concevoir un assistant IA à partir d’un cas d’usage prioritaire.
• Définir un protocole de test comprenant les documents utilisés, les réponses attendues, les erreurs constatées et le contrôle humain.
• Organiser une bibliothèque interne de prompts et de bonnes pratiques.
Module 4 – Prioriser les cas d’usage et mesurer le retour sur investissement
• Qualifier un cas d’usage à partir de son volume, de sa fréquence, du nombre d’utilisateurs, du temps actuellement consacré et des difficultés rencontrées.
• Évaluer la criticité des données et des résultats produits.
• Analyser l’impact, la faisabilité, le coût, le risque, le délai de mise en œuvre, l’adoption et la maintenabilité de chaque projet.
• Construire une matrice de priorisation adaptée aux projets IA.
• Identifier les projets à fort impact et rapidement expérimentables.
• Distinguer les projets prioritaires des projets séduisants, mais insuffisamment rentables ou trop complexes.
• Évaluer les coûts liés aux licences, aux jetons, à l’infrastructure, à l’intégration, à la maintenance, à la formation et au contrôle humain.
• Définir une situation de référence avant le lancement d’un projet.
• Mesurer le temps gagné, la qualité améliorée, la capacité de production supplémentaire et les risques réduits.
• Construire des scénarios prudents, intermédiaires et ambitieux.
• Calculer le retour sur investissement et le délai de retour d’un projet.
• Préparer une recommandation argumentée permettant à la direction de lancer, tester, reporter ou abandonner un projet.
• Prioriser les premiers cas d’usage à expérimenter.
Module 5 – Prototyper, automatiser et piloter les fournisseurs numériques
• Choisir entre une fonctionnalité existante, une solution SaaS, un assistant configuré, une automatisation no-code, un développement interne ou une prestation externe.
• Comprendre les possibilités et les limites des agents IA.
• Découvrir les principes d’une automatisation réalisée avec des outils comme Make ou n8n.
• Comprendre le rôle des API et des connexions entre les outils.
• Modéliser un processus à partir d’un déclencheur, de données d’entrée, de traitements, de sorties, de contrôles et de règles de gestion des exceptions.
• Prototyper rapidement une solution avant d’engager son industrialisation.
• Définir le périmètre, les hypothèses, les critères de réussite et les critères d’arrêt d’une expérimentation.
• Évaluer les contraintes d’hébergement, de permissions, de sécurité, de réversibilité, de maintenance et de dépendance aux fournisseurs.
• Comparer les solutions et sélectionner les outils adaptés aux besoins de l’organisation.
• Rédiger un cahier des charges précisant le besoin, les utilisateurs, les données, les fonctionnalités, les exigences de sécurité, les intégrations et les critères de réception.
• Dialoguer efficacement avec un éditeur, une agence ou un prestataire technique.
• Réaliser un premier prototype ou une maquette fonctionnelle à partir d’un cas d’usage professionnel.
Module 6 – Sécuriser les usages, accompagner les équipes et construire la feuille de route
• Identifier les différentes catégories de données utilisées par l’organisation : données publiques, internes, personnelles, confidentielles ou sensibles.
• Définir les outils autorisés et les données pouvant ou ne pouvant pas être transmises à une intelligence artificielle.
• Mettre en place des pratiques de minimisation et de pseudonymisation des données.
• Définir les règles relatives aux droits d’accès, à la conservation, à la validation et à la traçabilité.
• Comprendre les principaux points d’attention liés au RGPD, à la sécurité, au secret professionnel, à la propriété intellectuelle et à l’AI Act.
• Identifier les situations nécessitant l’intervention d’un DPO, d’un RSSI, d’un juriste ou d’un prestataire spécialisé.
• Définir un processus systématique de contrôle humain des résultats produits par l’IA.
• Prévenir le shadow AI en proposant des outils, des règles et des usages répondant aux besoins réels des équipes.
• Construire une démarche participative impliquant les différents métiers et services.
• Préparer des actions de sensibilisation, de formation et d’accompagnement des collaborateurs.
• Identifier des utilisateurs pilotes et des relais internes.
• Organiser le support, la documentation et l’amélioration continue des solutions.
• Construire un tableau de bord permettant de suivre les expérimentations, l’adoption, la qualité, les incidents, les coûts, les gains et le retour sur investissement.
• Élaborer une feuille de route à 3, 6, 12 et 24 mois.
• Définir les priorités, les moyens, les dépendances, les jalons et les décisions attendues de la direction.
• Préparer et présenter une recommandation stratégique à la direction.
Voir plus Voir moins