Les World Models sont apparus en 2018 comme une approche plus saine en Deep Reinforcement Learning, et ont ensuite été fortement popularisés par des acteurs comme Yann Lecun. Entre apprentissage des dynamiques latentes d’un système et exploitation pour des modèles génératifs ou le contrôle d’un agent (au sens DRL), ce domaine annonce la prochaine révolution de l’Intelligence Artificielle avec déjà de nombreuses applications. Cette formation repart des fondamentaux (VAE, model based reinforcement) pour introduire les travaux fondamentaux, les différentes modélisations, jusqu’à présenter les applications existantes, les opportunités futures et les limites connues à date de ces outils.
L’Intelligence artificielle a introduit un nouveau paradigme en sécurité des systèmes, avec tout un catalogue de nouveaux risques : adversarial attacks, poisoned datasets, model backdoor, model inversion, prompt injections, jailbreakings. Basée sur la recherche académique récente, cette formation présente ces types d’attaques dans le détail, pour ensuite s’intéresser aux approches applicatives basées sur l’IA. Méthodes de protection et de mitigation sont proposées avec leurs rapports bénéfice/risque pour une information complète.
Les Large Language Models se sont largement imposés comme l’architecture centrale de l’IA depuis l’apparition du Transformer. De nombreux travaux ont cherché à améliorer ces outils : architecture des modèles, évolution des entraînements (et arrivée du renforcement), passage aux systèmes agentiques, etc. Cette formation vise à donner les clés scientifiques et techniques pour obtenir une bonne compréhension des architectures actuelles LLM ou agentiques et de leurs entraînements. Elle creuse aussi les sujets de l’optimisation de ces modèles comme de leur sécurité, et ouvre ensuite les grandes évolutions à venir (Diffusion, Mamba)
De la gestion d’un projet IA à la mise en place de ces outils dans une organisation, il est indispensable d’appréhender correctement les opportunités et limites de ces outils afin de pouvoir contrôler les risques et assurer la bonne réussite des projets au-delà d’un simple Proof of Concept. Partant de nombreuses publications dédiées au sujet (Application LVMH, Ethical AI, AI Act, maîtise économique…) issues de sources confirmées (CRJ CE, Stanford, référentiel ISO 42001), cette formation vise à donner les clés pour comprendre les enjeux, prévenir les écueils classiques et transformer les projets en investissements maîtrisés.
Les modèles de diffusion se sont imposés comme une architecture incontournable dans de nombreux domaines (image, audio, renforcement, langage), notamment par leur forte généralisation. Cette formation permet de comprendre ces modèles, leurs spécificités et leurs applications. Elle parcourt les travaux et modélisations fondamentales sorties depuis 2019 et les intègre dans une compréhension globale simplifiée. Elle présente ensuite les différentes applications, pour finir sur la compréhension à date de la communauté scientifique pour expliquer la forte efficacité de ces modèles.
Les outils LLM/Agentiques sont incontournables, mais restent mal maîtrisés du fait de leur nouveauté et des évolutions régulières du domaine. L’enjeu est de proposer une vision d’ensemble raisonnée et argumentée, dénuée de fantasme, pour donner les clés de gestion et de direction d’un projet basé sur ces technologies. Gestion des hallucinations, maîtrise des coûts, choix d’un modèle, test d’un outil IA, enjeux de cyber-sécurité sont autant de points abordés pendant cette journée et illustrés par des résultats de recherche ou des retours d’expérience.
Si les Large Language Models occupent l’attention, l’intelligence artificielle est aussi, depuis 2012, une voie royale (non sans écueils) pour les applications en image, volume 3d et vidéo. Cette formation vise à donner l’ensemble des clés techniques et scientifiques sur les différentes approches et implémentations existant en 2026 en Deep Learning adapté à l’image. Reprenant les architectures fondamentales (CNN, Vision Transformer, NeRF, Diffusion), la formation présente aussi les principaux champs d’application en relevant les avantages mais aussi les limites de ces approches.