Descriptif
IA robuste, sécurisée et éthique est une formation de 2 jours (14 heures), de niveau expert, rattachée au domaine « Intelligence artificielle expert ». Évaluer et renforcer la robustesse, la sécurité et l'équité des modèles. Conçue et animée par des praticiens en activité, elle alterne apports ciblés (30 %) et mises en pratique (70 %) sur des laboratoires cloud individuels, avec des cas inspirés des secteurs banque, assurance et services publics. Disponible en inter-entreprises, en intra sur catalogue et en version sur mesure adaptée au contexte de l'entreprise.
Objectifs pédagogiques
À l'issue de la formation, le participant sera capable de :
- Robustesse
- Attaques adverses
- Équité
- Explicabilité
- Documentation
Programme détaillé
| N° | Contenus et activités | Durée |
|---|---|---|
| Jour 1 | ||
| 1 | Cadrage : attentes, choix du système d'IA fil rouge (scoring de dossiers fictif) et présentation de l'environnement d'évaluation | 0,5 h |
| 2 | Travaux pratiques : produire des attaques adverses FGSM, PGD et par patch sur un classifieur d'images, tracer la courbe exactitude en fonction du budget de perturbation | 2,5 h |
| 3 | Laboratoire : défendre le modèle — entraînement adverse, lissage aléatoire, détection des entrées hors distribution, et mesurer le coût en exactitude nominale | 2 h |
| 4 | Atelier : attaques visant les données et le modèle — empoisonnement, porte dérobée, inférence d'appartenance et extraction de modèle | 2 h |
| Jour 2 | ||
| 5 | Travaux pratiques : mesurer l'équité sur un jeu fictif de présélection de candidatures — parité démographique, égalité des chances, écart de taux de faux positifs, puis appliquer une correction et constater l'arbitrage avec la performance | 2,5 h |
| 6 | Laboratoire : explicabilité contestable — SHAP, LIME et exemples contrefactuels, identifier une explication instable et en documenter la portée | 2 h |
| 7 | Cas pratique : rédiger la fiche de modèle et le dossier technique attendus par le règlement européen sur l'IA, croiser RGPD et ISO/IEC 42001 sur une grille d'évaluation | 1,5 h |
| 8 | Synthèse : revue croisée des dossiers, évaluation des acquis et plan de remédiation priorisé | 1 h |
Méthodes pédagogiques
- Pédagogie active : 89 % du temps en pratique encadrée — laboratoires cloud provisionnés par participant, travaux pratiques guidés, fil rouge applicatif —, le reste en apports structurés, démonstrations commentées, cadrage et évaluation
- répartition calculée sur le déroulé détaillé de cette formation, et non annoncée de façon uniforme
- classe inversée avec prérequis sur le LMS
- apprentissage adaptatif selon le positionnement initial
- travaux en binômes
- classe virtuelle en séquences de 3 h 30 maximum sur Microsoft Teams
- support clair, complet et paginé remis à chaque participant
Technologies et outils mobilisés
AI Act, RGPD, ISO/IEC 42001, SHAP, LIME
Modalités d'évaluation et de validation
- Positionnement initial en ligne
- quiz de validation à chaque séquence
- évaluation finale des acquis (QCM et mise en situation)
- satisfaction à chaud
- questionnaire de transfert à 30 jours
- attestation de fin de formation
Plateforme, laboratoires et ressources
- LMS DATAROCKSTARS : parcours, supports numériques, quiz, évaluations, émargement par demi-journée
- laboratoires cloud individuels accessibles depuis un navigateur, sans installation, données fictives, détruits en fin de session
- bibliothèque O'Reilly (plus de 60 000 ressources)
- accès aux supports pendant 6 mois