Catalogue des formations 2026–2027
Sessions intensives de 1 à 5 jours · 20 places maximum · Attestation officielle
- Utiliser un assistant IA intégré pour rédiger et corriger ses documents
- Générer des présentations et tableaux de synthèse assistés par IA
- Trier et résumer ses emails avec l'IA
- Gagner un temps mesurable sur les tâches bureautiques courantes
Jour 1 : Assistants IA pour la rédaction et les présentations
Jour 2 : Assistants IA pour les tableurs et la gestion des emails
- Identifier les bons outils d'IA générative selon son besoin
- Automatiser les tâches répétitives à faible valeur ajoutée
- Rédiger, résumer et structurer plus vite grâce à l'IA
- Adopter de bonnes pratiques d'usage responsable de l'IA au travail
Jour 1 : Panorama des solutions IA génératives et cas d'usage professionnels
Jour 2 : Rédaction, synthèse et recherche assistées par IA
Jour 3 : Automatiser ses tâches récurrentes et construire ses propres routines IA
- Maîtriser les techniques avancées de formulation de prompts
- Structurer des prompts complexes et multi-étapes
- Fiabiliser et vérifier les réponses obtenues
- Construire sa propre bibliothèque de prompts réutilisables
Jour unique : Techniques avancées de prompt engineering, structuration multi-étapes, fiabilisation des réponses et construction d'une bibliothèque de prompts
- Automatiser les tâches répétitives de saisie et de rapprochement comptable
- Détecter les anomalies et risques financiers avec l'IA
- Fiabiliser et accélérer les process de clôture
- Respecter les exigences de contrôle et de traçabilité
Jour 1 : Automatisation des tâches comptables répétitives
Jour 2 : Détection d'anomalies et de risques financiers avec l'IA
Jour 3 : Fiabilisation de la clôture et traçabilité des contrôles
- Utiliser l'IA pour présélectionner et analyser des candidatures
- Structurer des entretiens assistés par l'IA
- Identifier les biais algorithmiques et les bonnes pratiques RH responsables
- Exploiter l'IA pour cartographier les besoins en formation des équipes
Jour 1 : IA et sourcing, tri de candidatures, présélection assistée
Jour 2 : Entretiens structurés et évaluation assistée par IA
Jour 3 : Biais algorithmiques, cadre éthique et plan de formation IA des équipes
- Maîtriser les techniques de prompting avancées
- Comprendre l'architecture des LLMs
- Construire des workflows IA no-code
- Implémenter le Retrieval-Augmented Generation (RAG)
- Évaluer et améliorer la qualité des réponses LLM
Jour 1 : Fondamentaux LLMs, zero-shot, few-shot, CoT
Jour 2 : RAG basique, embeddings, bases vectorielles
Jour 3 : Agents IA, outils no-code, automatisation
- Comprendre les usages et les limites réelles de l'IA en entreprise
- Prioriser les cas d'usage à plus fort impact pour son organisation
- Construire une feuille de route IA réaliste et budgétée
- Anticiper les enjeux de gouvernance, sécurité et conformité
Jour 1 : Panorama stratégique de l'IA et cas d'usage à impact
Jour 2 : Feuille de route, gouvernance et pilotage de la transformation IA
- Construire une stratégie de contenu assistée par IA
- Générer des textes publicitaires et publications réseaux sociaux avec l'IA
- Créer des visuels marketing avec des outils d'IA générative
- Mesurer et optimiser ses campagnes grâce à l'analyse assistée par IA
Jour 1 : Stratégie de contenu et rédaction publicitaire assistées par IA
Jour 2 : Génération de visuels et supports marketing avec l'IA
Jour 3 : Analyse de performance et optimisation de campagnes
- Maîtriser Python pour la manipulation de données
- Analyser des datasets réels avec Pandas et NumPy
- Créer des visualisations claires avec Matplotlib et Seaborn
- Écrire des requêtes SQL efficaces
- Réaliser une analyse exploratoire complète (EDA)
Jour 1 : Python avancé, structures de données, Pandas
Jour 2 : NumPy, Matplotlib, Seaborn, visualisation
Jour 3 : SQL, bases de données, projet final EDA
- Qualifier et prioriser ses prospects avec l'IA
- Personnaliser ses messages et propositions commerciales
- Préparer ses rendez-vous clients avec une recherche assistée par IA
- Analyser sa performance commerciale et ajuster sa stratégie
Jour 1 : Qualification de prospects et personnalisation commerciale assistées par IA
Jour 2 : Préparation de rendez-vous et analyse de performance commerciale
- Comprendre les principaux usages de l'IA en santé aujourd'hui
- Identifier les gains potentiels pour la gestion des établissements de santé
- Mesurer les enjeux éthiques et réglementaires spécifiques au secteur
- Repérer les solutions adaptées à son contexte
Jour 1 : Panorama des usages IA en santé et gestion des données patients
Jour 2 : Enjeux éthiques, réglementaires et étude de cas
- Accélérer la recherche jurisprudentielle et documentaire avec l'IA
- Rédiger et relire des actes juridiques assistés par IA
- Automatiser sa veille réglementaire
- Identifier les limites et risques de l'IA appliquée au droit
Jour 1 : Recherche juridique et veille réglementaire assistées par IA
Jour 2 : Rédaction, relecture d'actes et bonnes pratiques déontologiques
- Comprendre les algorithmes ML fondamentaux
- Implémenter des pipelines ML complets avec scikit-learn
- Maîtriser la validation croisée et l'évaluation de modèles
- Optimiser les hyperparamètres avec GridSearchCV
- Présenter un projet ML complet
Jour 1 : Régression linéaire et polynomiale, métriques
Jour 2 : Classification (SVM, Random Forest, XGBoost)
Jour 3 : Clustering, réduction dimensionnelle
Jour 4 : Feature engineering et sélection de variables
Jour 5 : Projet final et soutenance devant jury
- Comparer les services IA des principaux fournisseurs cloud
- Identifier la plateforme adaptée à son besoin et son budget
- Comprendre les modèles de coûts du cloud pour l'IA
- Réaliser une première prise en main de chaque plateforme
Jour 1 : Panorama comparatif Google Cloud, AWS et Azure pour l'IA
Jour 2 : Prise en main pratique et choix de plateforme selon son contexte
- Maîtriser l'architecture des CNN
- Implémenter le transfer learning avec ResNet et EfficientNet
- Entraîner des modèles de détection d'objets YOLO
- Déployer des modèles sur Raspberry Pi et NVIDIA Jetson
- Travailler sur GPU cloud (AWS SageMaker)
Jour 1 : Réseaux de neurones, backpropagation, PyTorch
Jour 2 : CNN, pooling, architectures classiques
Jour 3 : Transfer learning, fine-tuning ResNet
Jour 4 : YOLO, détection en temps réel, déploiement edge
- Utiliser l'IA pour planifier et estimer la charge d'un projet
- Anticiper les risques projet grâce à l'analyse assistée
- Automatiser les comptes rendus et la communication d'équipe
- Construire un tableau de bord de pilotage assisté par IA
Jour 1 : Planification, estimation et anticipation des risques assistées par IA
Jour 2 : Communication d'équipe, reporting et tableau de bord projet
- Comprendre l'architecture Transformer
- Utiliser la bibliothèque HuggingFace efficacement
- Fine-tuner BERT sur des données tunisiennes
- Déployer des modèles NLP en production
- Évaluer la qualité des modèles (F1, BLEU, ROUGE)
Jour 1 : Tokenisation, embeddings, architecture Transformer
Jour 2 : BERT, CamemBERT, AraBERT — fine-tuning
Jour 3 : Analyse de sentiment, NER, classification
Jour 4 : Projet NLP complet et déploiement
- Utiliser l'IA en appui à la conception technique
- Générer et structurer sa documentation technique avec l'IA
- Accélérer les phases de prototypage et de test
- Identifier les outils IA adaptés aux métiers de l'ingénierie
Jour 1 : IA en appui à la conception et à la documentation technique
Jour 2 : Prototypage accéléré et outils de simulation assistée
Jour 3 : Étude de cas et projet d'application en bureau d'études
- Comprendre les grands principes de l'IA éthique et responsable
- Identifier les biais algorithmiques et les risques associés
- Connaître les grands cadres réglementaires internationaux de référence
- Traduire ces principes en pratiques concrètes pour son organisation
Jour 1 : Principes de l'IA éthique, biais et transparence
Jour 2 : Cadres réglementaires internationaux et mise en pratique
- Architecturer un système RAG complet
- Ingérer et indexer des documents PDF, Word, HTML
- Configurer Pinecone et pgvector
- Déployer LLaMA 3 en local sans GPU cloud
- Mettre en production avec FastAPI et Docker
Jour 1 : LangChain fondamentaux, loaders, splitters
Jour 2 : Embeddings, bases vectorielles, retrieval
Jour 3 : Chatbot complet, mémoire, déploiement
- Planifier et créer du contenu de communication assisté par IA
- Gérer efficacement ses réseaux sociaux avec des outils IA
- Mettre en place une veille de réputation automatisée
- Mesurer l'impact de sa communication et ajuster sa stratégie
Jour 1 : Planification et création de contenu de communication avec l'IA
Jour 2 : Gestion des réseaux sociaux et veille de réputation
Jour 3 : Mesure d'impact et pilotage de l'image de marque
- Comprendre la structure d'un système de management de l'IA
- Cartographier les risques et responsabilités liés à l'usage de l'IA
- Construire une documentation de gouvernance IA pour son organisation
- Préparer les fondations d'une démarche de certification
Jour 1 : Structure d'un système de management de l'IA
Jour 2 : Cartographie des risques et des responsabilités
Jour 3 : Construction de la documentation de gouvernance et plan d'action
- Comprendre les principes de la maintenance prédictive par IA
- Mettre en place un contrôle qualité automatisé par vision industrielle
- Réduire les non-conformités grâce à l'analyse de données de production
- Construire un plan de déploiement IA adapté à son site industriel
Jour 1 : Fondamentaux de la maintenance prédictive par IA
Jour 2 : Contrôle qualité par vision industrielle
Jour 3 : Analyse de données de production et détection de non-conformités
Jour 4 : Projet d'application et plan de déploiement sur site
- Comprendre les grands principes de gouvernance de l'IA
- Identifier les risques liés aux usages de l'IA en entreprise
- Rédiger une charte d'usage interne de l'IA
- Sensibiliser ses équipes à un usage responsable de l'IA
Jour 1 : Principes de gouvernance et cartographie des risques IA
Jour 2 : Rédaction d'une charte d'usage et sensibilisation des équipes
- Identifier les principaux risques de sécurité liés à l'IA
- Comprendre les attaques spécifiques aux modèles d'IA
- Sécuriser les données utilisées dans un projet IA
- Adopter une checklist de bonnes pratiques de sécurité IA
Jour 1 : Panorama des risques et attaques spécifiques à l'IA
Jour 2 : Sécurisation des données et bonnes pratiques opérationnelles
- Mettre en place un workflow MLOps complet
- Tracker les expériences ML avec MLflow
- Versionner les données avec DVC et Git
- Automatiser le déploiement avec GitHub Actions
- Monitorer la dérive des modèles en production
Jour 1 : MLflow, tracking, registre de modèles
Jour 2 : DVC, versioning data, reproductibilité
Jour 3 : Docker, containerisation des modèles ML
Jour 4 : CI/CD GitHub Actions, monitoring, alerting
- Prendre en main les services IA d'AWS
- Entraîner et déployer un modèle sur l'infrastructure AWS
- Industrialiser un pipeline IA sur le cloud
- Maîtriser les bonnes pratiques de coûts et de sécurité AWS
Jour 1 : Panorama des services IA AWS et prise en main
Jour 2 : Entraînement et déploiement de modèles sur AWS
Jour 3 : Industrialisation, coûts et sécurité
- Acquérir Python et SQL de zéro
- Maîtriser Excel avancé et Power BI
- Réaliser un projet d'analyse de données complet
- Préparer et réussir un entretien technique
- Construire son portfolio GitHub
Jour 1 : Python de zéro, variables, boucles, fonctions
Jour 2 : SQL et bases de données relationnelles
Jour 3 : Pandas, nettoyage de données, EDA
Jour 4 : Power BI, dashboards, storytelling
Jour 5 : Projet portfolio et simulation d'entretien
- Analyser rapidement des devis et appels d'offres avec l'IA
- Comparer des fournisseurs sur des critères objectivés
- Préparer une négociation d'achats appuyée sur la donnée
- Détecter les incohérences et risques dans un dossier fournisseur
Jour 1 : Analyse assistée de devis et appels d'offres
Jour 2 : Comparaison fournisseurs et préparation de négociation
- Prendre en main les services IA de Microsoft Azure
- Entraîner et déployer un modèle sur Azure Machine Learning
- Intégrer l'IA à un environnement Microsoft existant
- Maîtriser les bonnes pratiques de coûts et de sécurité Azure
Jour 1 : Panorama des services IA Azure et prise en main
Jour 2 : Entraînement et déploiement avec Azure Machine Learning
Jour 3 : Intégration, coûts et sécurité
- Appliquer le ML aux problématiques bancaires
- Construire un modèle de scoring de crédit
- Détecter les anomalies et fraudes en temps réel
- Prédire les séries temporelles financières
- Respecter les contraintes réglementaires
Jour 1 : Scoring crédit, déséquilibre de classes, SMOTE
Jour 2 : Détection de fraude, Isolation Forest, Autoencoders
Jour 3 : Séries temporelles, LSTM, Prophet
- Générer des visuels professionnels avec les outils d'IA générative
- Créer de courtes vidéos assistées par IA (avatars, voix, montage)
- Adapter ses créations aux formats réseaux sociaux et supports de vente
- Respecter les bonnes pratiques de droits d'usage des contenus générés
Jour 1 : Génération d'images et de visuels professionnels par IA
Jour 2 : Création de vidéos assistées par IA et adaptation aux formats de diffusion
- Comprendre les principes du traitement distribué avec Spark
- Manipuler de grands volumes de données avec PySpark
- Préparer des pipelines de données pour le Machine Learning à l'échelle
- Optimiser les performances d'un traitement Big Data
Jour 1 : Principes du traitement distribué et prise en main de Spark
Jour 2 : Manipulation de données à grande échelle avec PySpark
Jour 3 : Pipelines ML à l'échelle et optimisation des performances
- Évaluer la qualité des sorties LLM
- Détecter et réduire les hallucinations
- Optimiser la latence et les coûts d'inférence
- Mettre en place un monitoring avec LangSmith
- Industrialiser une application LLM
Jour 1 : Frameworks d'évaluation LLM, métriques
Jour 2 : Hallucinations, garde-fous, safety
Jour 3 : Monitoring LangSmith, coûts, latence
Jour 4 : Industrialisation, scaling, alerting
- Construire un tableau de bord de pilotage assisté par IA
- Détecter les signaux faibles dans les données d'équipe
- Automatiser ses rapports de performance managériale
- Prendre des décisions managériales appuyées sur la donnée
Jour 1 : Construction d'un tableau de bord de pilotage assisté par IA
Jour 2 : Détection de signaux faibles, automatisation des rapports et prise de décision
- Collecter et annoter des données en arabe dialectal
- Comprendre les spécificités de l'arabe pour le NLP
- Fine-tuner AraBERT et CamelBERT
- Évaluer les modèles sur des benchmarks arabes
- Déployer le modèle via une API REST
Jour 1 : NLP arabe, défis linguistiques, datasets
Jour 2 : Fine-tuning AraBERT, Label Studio
Jour 3 : Évaluation, comparaison, post-traitement
Jour 4 : Déploiement API, intégration application
- Maîtriser YOLOv8 pour la détection d'objets
- Annoter des datasets avec Roboflow
- Appliquer des techniques d'augmentation avancées
- Optimiser les modèles pour edge computing
- Déployer sur Raspberry Pi et NVIDIA Jetson
Jour 1 : YOLO architecture, entraînement sur dataset custom
Jour 2 : Segmentation instance, Roboflow annotation
Jour 3 : Optimisation TensorRT, déploiement Jetson
Jour 4 : Projet industriel complet et démonstration