Aller au contenu
Présentiel Distanciel

Formation Parcours IA Engineer

Le parcours IA Engineer vous donne un cadre pour transformer des données en solutions d’IA déployables et maintenables en entreprise.

Référence formation :
MOD_20261946
Durée :
105 heures
Satisfaction :
Prix :
10250 € HT
Pré-inscription

Présentation de la formation

Le parcours IA Engineer permet d’acquérir progressivement les compétences nécessaires pour concevoir, développer et industrialiser des solutions d’intelligence artificielle.

 

Il associe la compréhension des algorithmes et des technologies actuelles de l’IA à l’apprentissage de Python, du Machine Learning et du Deep Learning. Le parcours permet également d’explorer les principaux domaines d’application actuels : modèles de langage et IA générative, traitement du langage naturel, Computer Vision et automatisation, avant d’aborder l’industrialisation et le suivi des modèles avec le MLOps.

 

Un projet fil rouge contextualisé selon le public cible et son secteur d’activité, représentant 4 jours de travail répartis tout au long du parcours, permet d’appliquer progressivement les compétences acquises à la réalisation d’une solution IA.

Objectifs pédagogiques

À l’issue du parcours, les participants seront capables de :

  • Comprendre les principaux concepts, algorithmes et technologies de l’intelligence artificielle
  • Utiliser Python et ses principales bibliothèques pour manipuler des données et développer des solutions IA
  • Préparer les données, construire, entraîner et valider des modèles de Machine Learning
  • Comprendre et mettre en œuvre les principes fondamentaux du Deep Learning
  • Exploiter les techniques du NLP et les modèles de langage pour développer des applications d’IA générative
  • Mettre en œuvre des cas d’usage d’automatisation et de Computer Vision
  • Comprendre les principes du MLOps pour déployer, superviser et maintenir des modèles en production
  • Mobiliser l’ensemble de ces compétences dans la conception et la réalisation d’une solution IA contextualisée

Public visé

  • Professionnels en reconversion vers les métiers techniques de l’Intelligence Artificielle
  • Développeurs débutants ou juniors souhaitant évoluer vers le développement de solutions IA
  • Professionnels disposant d’une culture informatique et souhaitant se spécialiser en Intelligence Artificielle
  • Profils techniques souhaitant acquérir une première compétence opérationnelle en Machine Learning et IA
  • Étudiants ou jeunes diplômés en informatique souhaitant se spécialiser dans l’IA

Prérequis

  • Être à l’aise avec l’utilisation d’un environnement informatique
  • Disposer d’une culture générale en informatique
  • Posséder des notions élémentaires en logique et en mathématiques
  • Aucune maîtrise préalable de Python, du Machine Learning ou du Deep Learning n’est requise, les fondamentaux étant abordés au cours du parcours
  • Une première expérience en programmation constitue un plus mais n’est pas indispensable

Module 1 – Algorithmes & Logique de l’IA

Durée : 1 jour

  • Principes et rôle des algorithmes en Intelligence Artificielle.
  • Apprentissage supervisé, non supervisé et par renforcement.
  • Logiques de classification, régression et clustering.
  • Construction, interprétation et limites d’un modèle IA.

Module 2 – État de l’art de l’IA & Modèles de langage (LLM)

Durée : 2 jours

  • Panorama des technologies et évolutions récentes de l’IA.
  • IA générative, Transformers et modèles de langage.
  • Fonctionnement et principaux usages des LLM.
  • Intégration, limites et enjeux éthiques, réglementaires et techniques des modèles.

Module 3 – Python pour l’IA

Durée : 2 jours

  • Fondamentaux de Python et environnements de développement.
  • Manipulation et préparation des données avec NumPy et Pandas.
  • Exploration et visualisation des données.
  • Premiers modèles de Machine Learning avec Scikit-learn.

Module 4 – Machine Learning : Modélisation & Validation

Durée : 2 jours

  • Préparation des données et choix des algorithmes.
  • Entraînement de modèles de classification et de régression.
  • Évaluation des performances et validation croisée.
  • Optimisation, interprétabilité et maîtrise du surapprentissage.

Module 5 – Les fondamentaux du Deep Learning

Durée : 1 jour

  • Principes des réseaux de neurones et du Deep Learning.
  • Entraînement, rétropropagation et principales architectures.
  • Découverte des CNN, RNN et Transformers.
  • Évaluation et optimisation des modèles.

Module 6 – NLP & Intelligence Artificielle Générative

Durée : 1 jour

  • Fondamentaux du traitement automatique du langage naturel.
  • Prétraitement, vectorisation et analyse des données textuelles.
  • Modèles génératifs, LLM et principes du prompt engineering.
  • Intégration du NLP et de l’IA générative dans des applications métiers.

Module 7 – Automation & Computer Vision

Durée : 1 jour

  • Principes de l’automatisation intelligente et de la Computer Vision.
  • Classification, détection et analyse d’images.
  • Découverte des principaux outils et bibliothèques de vision par ordinateur.
  • Intégration de l’analyse d’images dans des processus automatisés.

Module 8 – MLOps & Industrialisation

Durée : 1 jour

  • Principes du MLOps et cycle de vie des modèles en production.
  • Automatisation des pipelines d’entraînement et de déploiement.
  • Déploiement, monitoring, dérive et réentraînement des modèles.
  • Gouvernance, sécurité et scalabilité des solutions IA.

Projet fil rouge contextualisé

Durée cumulée : 4 jours répartis tout au long du parcours

Le projet fil rouge permet aux participants d’appliquer progressivement les compétences acquises à la conception et au développement d’une solution IA contextualisée selon leur secteur d’activité.

Il couvre les principales étapes d’un projet IA : identification du cas d’usage, préparation et exploration des données, choix de l’approche et des algorithmes, développement et entraînement du modèle, évaluation des performances puis définition des modalités de déploiement et de suivi.

Selon le cas d’usage retenu, le projet pourra mobiliser des techniques de Machine Learning, Deep Learning, NLP, IA générative ou Computer Vision.

Le projet aboutit à une solution IA fonctionnelle et à une restitution finale, permettant de présenter la démarche, les choix techniques, les performances obtenues et les principes retenus pour son industrialisation.

Télécharger le programme .pdf

Dernière mise à jour le 5 novembre 2026

Prochaines sessions

Cette session n’a pas de date programmée, veuillez nous contacter pour en planifier une.

Modalités pratiques et pédagogiques

Docaposte Institute propose plusieurs dispositifs pédagogiques adaptés aux apprenants :

  • Formation en présentiel
    • En groupe (inter-entreprises ou intra-entreprise)
    • En individuel (monitorat)
    • En journée ou en cours du soir (sur demande spécifique)
  • Formation en distanciel
    • Distanciel synchrone
    • Distanciel asynchrone

  • Alternance d’apports théoriques et de mises en pratique contextualisées.
  • Progression pédagogique structurée, de la compréhension à la mise en œuvre opérationnelle.
  • Pédagogie immersive favorisant une mise en application immédiate des compétences.
  • Formation interactive et participative s’appuyant sur des ateliers pratiques, études de cas et échanges collectifs (+ 60 % du temps de formation.)
  • Séquences pédagogiques rythmées et évaluations formatives régulières pour renforcer l’ancrage des apprentissages.
  • Supports de cours, ressources documentaires et références mis à disposition par le formateur

En amont de la formation :

  • Recueil des besoins des apprenants afin de disposer des informations essentielles au bon déroulé de la formation (profil, niveau, attentes particulières…).
  • Auto-positionnement des apprenants afin de mesurer le niveau de départ.

 

Tout au long de la formation : 

  • Évaluation continue des acquis avec des questions orales, des exercices, des QCM, des cas pratiques ou mises en situation…

 

A la fin de la formation : 

  • Auto-positionnement des apprenants afin de mesurer l’acquisition des compétences.
  • Evaluation par le formateur des compétences acquises par les apprenants.
  • Questionnaire de satisfaction à chaud afin de recueillir la satisfaction des apprenants à l’issue de la formation.
  • Questionnaire de satisfaction à froid afin d’évaluer les apports ancrés de la formation et leurs mises en application au quotidien.

Nous consulter.

Nos formations peuvent être adaptées à certaines conditions de handicap. Nous contacter pour toute information et demande spécifique.

Formations associées

À distance Présentiel 21h
Data Science & Machine Learning

Formation Python pour la Data Science, Le Langage Python – PY1

Note : 4,8 sur 5

À partir de 2 150€

À distance Présentiel 21h
Data Science & Machine Learning

Formation Python pour la Data Science, Machine Learning tronc commun 02

À partir de 2 150€

À distance Présentiel 14h
Data Science & Machine Learning

Formation Feature Engineering & optimisation des modèles

À partir de 1 580€