Acculturation à l'IA | BrevetAI

Cette plateforme, basée sur un principe d'apprentissage "par le faire" (Learning-by-Doing),
propose une alternance de contenus pédagogiques textuels (fiches notions),
d'interviews d'experts et d'activités ludiques et interactives.
Accessible à tous publics et en distanciel, le BrevetAI est accessible au plus grand nombre.
🎙️ Découvrez l'interview de Laurent Oudre, Professeur à l'ENS Paris-Saclay,
responsable du Master MVA et responsable du projet BrevetAI !
Il y a-t-il des prérequis ?
La formation s'adresse à toutes et tous, et particulièrement les étudiant(e)s de premier cycle de l'Université Paris-Saclay issus de toutes disciplines. Il n'y a donc pas de prérequis.
Deux formules
La formule découverte |
La formule avancée |
Acculturation au fonctionnement de l’IA
● Le fonctionnement de l’intelligence artificielle |
Acculturation au fonctionnement de l’IA, aux concepts algorithmiques, Quatre cours - En moyenne 20 heures de cours pour un public plus avancé : ● Le fonctionnement de l’intelligence artificielle |
Un plan de formation à 360°, réparti en 4 cours
1- Le fonctionnement de l’intelligence artificielle : Identifier les trois notions clés de l’intelligence artificielle afin de construire une première culture de l’IA et d’appréhender son fonctionnement.
Partie 1 |
● Identifier la notion d’algorithme ● Identifier les différentes composantes d’un algorithme ● Reconnaître les qualités attendues d’un bon algorithme ● Lire les étapes d’exécution d’un algorithme |
Partie 2 |
● Identifier ce qu’est un modèle ● Identifier la notion de modèle paramétrique ● Reconnaître l’importance des paramètres dans les modèles paramétriques |
Partie 3 |
● Reconnaître la notion d’apprentissage dans le domaine de l’IA ● Identifier la notion de biais en intelligence artificielle ● Lire un arbre de décision |
2- Les tâches de l’intelligence artificielle : Identifier les tâches de l’intelligence artificielle afin d’appréhender l’utilité de l’IA dans différentes situations.
Partie 1 |
● Distinguer les données structurées de données non structurées ● Distinguer les méthodes de visualisation de données (1D et 2D) ● Utiliser des méthodes de visualisation de données pour extraire des données afin de résoudre un problème |
Partie 2 |
● Reconnaître la notion d’apprentissage non supervisé ● Identifier la tâche de partitionnement des données et ses cas d’application ● Identifier le fonctionnement de l’algorithme de partitionnement des K-Moyennes ● Évaluer la qualité d’un partitionnement avec le score de Silhouette |
Partie 3 |
● Reconnaître la notion d’apprentissage supervisé et la distinguer de l’apprentissage non supervisé ● Identifier le fonctionnement de l’algorithme de classification des k-plus proches voisins ● Distinguer la tâche de classification de la tâche de partitionnement des données, notamment l’algorithme des K-moyennes de celui des k plus proches voisins ● Évaluer la qualité d’une classification |
3- L'IA en pratique & les bonnes pratiques de l'IA : Reconnaître les bonnes pratiques de l’IA permettant de construire des modèles fiables, performants et généralisables en s’initiant également aux principes de l’apprentissage profond. Cette compétence vise à démontrer une pratique éclairée de l’IA dans des projets réels (ici la détection de deep fakes).
Partie 1 |
● Définir la notion de modèle généralisé ● Distinguer le sur-apprentissage et le sous-apprentissage ainsi que les moyens de les éviter ● Identifier une bonne pratique de gestion des données d'entraînement : la séparation de données en base d'entraînement, de test et de validation |
Partie 2 |
● Repérer les différents problèmes pouvant survenir dans un jeu de données d'entraînement ● Identifier des bonnes pratiques pour nettoyer un jeu de données |
Partie 3 |
● Identifier la notion d'apprentissage profond ● Reconnaître les opérations mathématiques utilisées dans l’apprentissage profond ● Reconnaître et associer les notions : apprentissage profond, réseaux de neurones et neurones |
4- Les enjeux sociétaux de l’IA : Examiner les enjeux sociétaux liés à l’IA pour participer à son débat et pour contribuer à façonner l’avenir de cette technologie.
Partie 1 |
● Identifier et distinguer les différents impacts environnementaux de l'IA ● Reconnaître des méthodologies et outils pour mesurer et réduire l’empreinte écologique de l’IA ● Décrire comment l'IA peut contribuer à la résolution de problèmes environnementaux liés à l’énergie |
Partie 2 |
● Identifier les règles applicables au développement de l'IA ● Identifier les principes juridiques liés au déploiement de l'IA ● Différencier les enjeux juridiques liés au développement de l'IA de ceux liés au déploiement de l'IA |
Partie 3 |
● Reconnaître et distinguer les différents risques liés à l’IA (les risques d’usages malveillants, les risques accidentels de désalignement et les risques systémiques) ● Évaluer l’impact de l’IA sur le travail ● Identifier des pratiques pour bien intégrer l’IA dans le milieu professionnel |
Une structure dynamique en plusieurs formats - Alternance entre faire, expliquer et confirmer
Activités ludiques et interactives qui
impliquent directement l'étudiant(e)
et constituent le cœur de la formation
Fiches Notions qui permettent d'expliquer
plus en détail à l'étudiant(e) ce qu'il/elle vient de réaliser
Évaluation en deux temps
(format questions puis activité pratique)
Calendrier de déploiement du BrevetAI 📅
↪️ 2023-2024
Séances d'alpha testing en présentiel et distanciel, à destination d'étudiant(e)s issu(e)s de diverses formations
(Économie, Sociologie, Biologie, Physique, Génie Électrique, Informatique, Mathématiques, Chimie, Marketing...) - niveaux L1, L2, M1) et intégration à eCampus.
↪️ 2024-2025
Cours 1 et 2 disponibles sur eCampus en bêta testing, cours 3 et 4 en alpha testing auprès de quelques formations pilotes, intégration à titre expérimental "à la carte" dans des formations pilotes, retours utilisateurs et améliorations en continu.
↪️ Depuis avril 2025
Depuis avril 2025, intégralité du BrevetAI disponible sur eCampus en bêta testing.
↪️ Rentrée 2025-2026
Déploiement du BrevetAI sur le plateau de Saclay.
