Référent IA : Piloter l'Intégration Responsable et Conforme de l'Intelligence Artificielle

• Établir une stratégie d'intégration de l'IA alignée sur les objectifs et les processus métier de l'entreprise.
• Identifier et évaluer les opportunités d'usages de l'IA (analyse de la valeur, retour sur investissement).
• Piloter le cadrage des initiatives d'IA et la sélection des solutions adaptées.
• Formaliser les besoins métier afin de servir d'interface efficace avec les équipes techniques ou les développeurs de solutions IA.
• Maîtriser les méthodes d'accompagnement du changement pour faciliter l'adoption des outils IA par les équipes opérationnelles.
• Évaluer l'impact de l'IA sur l'organisation et recommander les ajustements de processus nécessaires.
• Connaître les exigences fondamentales de l'AI Act (Loi sur l'IA) et du RGPD applicables aux projets internes.
• Déployer les mécanismes de gouvernance et les chartes éthiques pour un usage responsable de l'IA.

Le Référent IA : Stratégie & Cartographie des Usages

• Positionnement du rôle : Le Référent IA, pilote stratégique et interface entre les enjeux métier et les équipes techniques.
• Définition de la vision IA : Aligner la stratégie IA avec la stratégie fondamentale de l'entreprise.
• Audit des usages : Cartographie de l'état des lieux, identification des opportunités d'optimisation des processus et des risques métier.
• Atelier Diagnostic : Création d'une Matrice de Priorisation des cas d'usage basée sur les processus réels des participants (Impact vs. Faisabilité/Risque).

Pilotage de la Valeur, ROI et Coûts Critiques

• ROI de l'IA : Repenser la mesure de la valeur pour inclure les bénéfices indirects (efficacité des processus, vision stratégique).
• Analyse des Coûts : Anticiper les coûts critiques souvent négligés (collecte/nettoyage de données, formation, gestion du changement, maintenance).
• Définition des KPIs : Établissement des indicateurs clés de performance (KPIs) pour mesurer la performance technique et l'adoption métier.
• Atelier ROI : Calcul du coût total d'un projet IA (TCO) et établissement des KPIs de performance et d'adoption pour un cas d'usage sélectionné.

Qualité des Données et Processus d'Opérationnalisation

• Gouvernance des Données : Assurer la traçabilité et la qualité des ensembles de données (formation, annotation, tests) comme exigence de l'AI Act.
• Pilotage Processus : Définir et mettre en place un processus de validation interne clair pour les projets IA (rôle du Comité Éthique/Gouvernance).
• Introduction aux Ops Légères : Pratiques de Gestion Opérationnelle (Ops) pour la fiabilité, la traçabilité et la maintenance des modèles en production (Monitoring, MLOps light).
• Présentation de modèles de processus de validation interne et d'exigences de qualité des données.

Adoption, Changement et Référentiel Éthique

• Gestion du Changement : Techniques pour garantir l'adhésion des collaborateurs et faciliter la conduite du changement face à l'IA.
• Référentiel Éthique Interne : Définition des principes clés (loyauté, explicabilité, non-discrimination) du Référentiel Éthique Interne.
• Conformité RGPD et CNIL : Rappel des obligations fondamentales du RGPD dans le contexte des systèmes IA et intégration des recommandations CNIL.
• Mise en Situation : Préparation d'une stratégie d'adoption (Communication interne et plan de formation des équipes).
• Atelier Éthique : Co-construction de l' Esquisse de la Charte IA interne.

Fondations Réglementaires et Systèmes à Haut Risque (HRAI)

• Cadre Légal (Approfondissement) : Décryptage de l'AI Act européen : champ d'application, niveaux de risques (Non-Risque, Risque Limité).
• Gestion des Hauts Risques (HRAI) : Maîtriser l'identification des systèmes 'à haut risque' (HRAI) selon l'Annexe III de l'AI Act.
• Obligations Spécifiques HRAI : Revue détaillée des exigences (Qualité des données, Robustesse, Précision, Documentation).
• Atelier Conformité : Analyse de cas d'usage HRAI pour déterminer la classification et les obligations réglementaires à mettre en œuvre.

Conformité, Documentation et Pérennisation (SGR)

• Documentation Légale : Déploiement de la documentation fonctionnelle et réglementaire exigée par l'AI Act.
• Système de Gestion des Risques (SGR) : Déploiement du SGR continu (Système de Gestion des Risques) pour les systèmes IA tout au long de leur cycle de vie.
• Pérennisation et Veille : Instaurer une veille réglementaire et normative continue (AI Act, CNIL, ISO) et auditer régulièrement les usages déployés.
• Feuille de Route : Élaboration des premières étapes de la veille réglementaire et du plan d'audit interne (outil de traçabilité SGR).

Les personnes en situation de handicap souhaitant suivre cette formation sont invitées à nous contacter directement, afin d'étudier ensemble les possibilités de suivre la formation.