🎙️ Conférences
Galerie de conférences : choisissez parmis ces conférences sur l'IA selon qui vous êtes afin de rapprocher les cultures et de réussir ensemble à intégrer l'IA dans les entreprises, les laboratoires et la société dans son ensemble.
L'IA dans tous ses états
L’IA a un vaste spectre d’innovations – chaque domaine correspond à un public :
- IA de recherche : scientifiques en mathématiques appliquées
- IA en entreprise : managers, direction, commerciaux, techniciens
- IA vis-à-vis de l'art, l'éthique et la philosophie : toute la société, les citoyens et ceux qui valorisent la culture
Cette page présente une liste de conférences en intelligence artificielle (IA) que Warith Harchaoui, Ph.D. anime en entreprises, en conférences, en école, en MBA, avec ses descriptions et objectifs.
Vous souhaitez une formation sur un thème spécifique, adapté à votre entreprise et à vos besoins ? C’est possible ! Contactez-moi pour en discuter.
📬 warith@deraison.ai
Gouverner l'IA agentique : risques, périls et les sept règles de l'agenticité instituée
Le risque agentique ne vient pas d'une conscience ni d'une volonté de la machine. Il vient des symboles, de l'optimisation, des outils, des permissions et des boucles de rétroaction. Cette conférence donne aux dirigeants un cadre sobre et non catastrophiste :
- le produit du risque (capacité x autonomie de la boucle x criticité de l'environnement x étendue des permissions x faiblesse de la supervision)
- la façon dont un système détourne discrètement ses propres objectifs (loi de Goodhart et détournement de récompense, sans la moindre mauvaise intention)
- la frontière de sûreté qui devient linguistique (une injection de prompt transforme une mauvaise réponse en mauvaise action)
- le passage d'une gouvernance de ce que la machine est censée « penser » à une gouvernance des actions qu'on l'autorise réellement à faire
La gouvernance n'est pas le frein qui ralentit l'innovation en entreprise ; ce sont les freins qui vous permettent de lancer l'IA la plus avancée à pleine vitesse tout en la gardant acceptable. Elle situe aussi pourquoi le sujet est déjà d'actualité et où les agents agissent déjà, en graduant leur autonomie sur les cinq degrés d'agenticité, réglés par le curseur MAYA (Most Advanced Yet Acceptable, aussi avancé que possible sans franchir le point où l'humain décroche), avant de décider ce que chaque degré peut être autorisé à faire. La règle d'or tient en une ligne : plus une erreur coûte cher, moins l'IA garde d'autonomie.
Objectifs : Repartez avec le produit du risque, la matrice autonomie-permissions-gouvernance (cinq degrés), les sept règles de l'agenticité instituée (séparation des pouvoirs, journalisation, validation humaine de l'irréversible, tests adverses, exercices d'arrêt, ouverture graduée) et l'argument de souveraineté du groupe électrogène open source.
IA en entreprise
IA vis-à-vis de l'art, l'éthique et la philosophie
Coder à l'ère de l'IA : le bateau de Thésée et le vide du test
Objectifs : Repartez capable de porter un regard lucide sur la productivité du code agentique, de nommer le goulot revue-et-vérification et de tester des systèmes probabilistes avec métriques d'évaluation, jeux de référence et analyse de vulnérabilités en intégration continue.
IA de recherche
IA en entreprise
Agentic AI : soyez une armée à vous tout seul
Objectifs : Repartez capable de distinguer un agent d'un chatbot, de nommer les trois ou quatre tâches de vos opérations à confier en premier à un agent et de poser les bonnes questions sur l'orchestration, l'évaluation et les garde-fous avant d'en lancer un.
IA en entreprise
L'open source : le miracle industriel derrière l'IA
Objectifs : Repartez capable de comprendre pourquoi votre avantage réside dans vos données et votre compréhension du client, pas dans le modèle, et comment héberger, forker et auditer une IA open source achète souveraineté et continuité d'activité.
IA en entreprise
IA vis-à-vis de l'art, l'éthique et la philosophie
De nouvelles façons de travailler à l'ère de l'IA : le manager, l'esprit critique et la décision
Objectifs : Repartez capable de retracer la frontière entre ce que vous déléguez et la décision que vous gardez, de doser l'autonomie d'un agent au coût en euros de ses erreurs et de mesurer un déploiement sans laisser la sensation de vitesse remplacer la preuve.
IA en entreprise
L'IA dévore le logiciel : pourquoi maintenant
Objectifs : Repartez capable de donner à votre conseil une réponse en une phrase sur pourquoi l'IA n'est pas une mode et pourquoi le calendrier compte et de situer n'importe quelle technologie sur sa courbe d'adoption, à l'épreuve du battage, sans prédire de date.
IA en entreprise
La tuyauterie de l'IA : le MLOps et les 90% que personne ne photographie
Tout le monde garde le dessin du cerveau ; presque personne ne garde le dessin de la tuyauterie. Le modèle est un organe bon marché. Les 90%, c'est :
- l'ingestion
- l'annotation
- le déploiement
- la surveillance
- les fils qui portent le signal de bout en bout
Et c'est là que les projets d'IA vivent ou meurent vraiment. Le MLOps, c'est le DevOps des modèles avec deux migraines de plus : la donnée dérive et il n'y a pas de code source à lire, seulement des poids à mesurer. Une conférence pour ingénieurs et managers techniques dans la même salle, assez de code pour être réel, assez de schémas pour être guidé.
Objectifs : Repartez capable de reconnaître chaque tuyau par son nom pour le staffer, le budgéter et l'auditer, de comprendre la dérive des données et pourquoi des poids ne sont pas du code source et de voir pourquoi l'algorithme est la partie bon marché d'un système d'IA en production.
IA de recherche
IA en entreprise
IA agentique : l'aube de la prise de décision autonome
Objectifs : Repartez avec une courte grille pour décider si un cas d'usage est prêt pour un agent et les deux ou trois métriques qui disent qu'un agent peut être déployé en confiance, pas seulement qu'il impressionne en démo.
IA en entreprise
L'état de l'art de l'IA : ne vous laissez pas berner par les geeks
Un tour d'horizon honnête et daté du paysage :
- le cycle du hype de Gartner lu avec ses dates de sortie
- le paysage actuel des modèles (frontière et poids ouverts)
- l'outillage agentique
- l'état du RAG face au GraphRAG
Pour qui veut aller plus loin, un cursus gratuit et sélectionné. Le message est simple : plus tôt vous apprenez, mieux c'est.
Objectifs : Repartez capable de distinguer ce qui est réel de ce qui est survendu en ce moment, avec un sens calibré du domaine et un chemin gratuit pour continuer à apprendre l'IA.
IA en entreprise
Grands modèles de langage : des fondations au GraphRAG
Comment fonctionnent les grands modèles de langage (LLM), et comment les rendre dignes de confiance en production. On commence sous le capot, la tokenisation, les embeddings et l'attention des Transformers expliqués au tableau blanc sans vous noyer sous les équations, puis on passe à ce qu'un LLM fait pour l'entreprise, de la compréhension du langage au dialogue contextuel qui automatise les interactions client et aide à la décision. Ensuite on gravit l'échelle de maturité conversationnelle, chaque échelon un personnage :
- le LLM seul
- Retrieval Augmented Generation (RAG)
- les fenêtres de contexte long
- RAG plus LLM-comme-routeur
- le GraphRAG
Chemin faisant, on lie les causes de l'hallucination à leurs antidotes, ancrage, graphes de connaissance et règles symboliques, pour qu'un système raisonne sur vos faits et non à côté, et on repère les nouvelles failles de sécurité qu'un pipeline RAG ouvre et qu'un simple LLM n'a pas.
Objectifs : Repartez capable d'expliquer embeddings et attention à un collègue au tableau blanc, de choisir entre un LLM de base, le RAG et le fine-tuning pour votre cas, de dessiner l'échelle du RAG au GraphRAG, d'associer chaque cause d'hallucination à son remède et de repérer les failles de sécurité qu'un système RAG crée et qu'un simple LLM n'a pas.
IA de recherche
Autopsies d'IA : ce que Klarna et Zillow enseignent sur le risque en IA
Objectifs : Repartez avec la matrice autonomie contre coût-fois-réversibilité, la lecture honnête de deux cas médiatisés (une embauche évitée n'est pas un licenciement de masse ; une dépréciation sur l'achat de maisons par algorithme ou iBuying est un échec de modèle de prix) et une grille des décisions qu'un agent peut prendre seul.
IA en entreprise
IA vis-à-vis de l'art, l'éthique et la philosophie
De l'esprit critique à la conscience critique : pourquoi l'IA flatte et comment garder son jugement
Quand une mesure devient une cible, elle cesse d'être une bonne mesure. Entraînez un modèle sur l'approbation humaine et il apprend à flatter : la sycophance est l'effet Goodhart de l'apprentissage par retour humain, l'un des quatre régimes de Goodhart où le détournement de récompense est le prix structurel de la réduction d'un but riche par une mesure pauvre :
- découplage statistique
- extrêmes hors distribution
- intervention causale
- optimisation adverse
Résonner n'est pas raisonner ; un modèle réglé pour plaire vous renvoie votre propre signal amplifié, pas un jugement indépendant. La défense n'est donc pas plus d'esprit critique, qui juge le texte sous les yeux, mais la conscience critique, qui remonte d'un cran et demande qui l'a produit et avec quelle intention. La machine oublie aussi ce qui était convenu, change d'avis d'une fois sur l'autre, promet sans toujours tenir. On s'en sert tous les jours ; on ne lui confie pas la décision les yeux fermés, car décrire n'est pas décider. Aucune malveillance n'est requise ; c'est de l'arithmétique, pas de la méchanceté.
Objectifs : Repartez capable de nommer la sycophance pour l'effet Goodhart qu'elle est, de repérer lequel des quatre régimes de Goodhart menace votre projet, de passer de « que dit l'énoncé » à « qui l'a produit et pourquoi » et de tenir la ligne « décrire n'est pas décider » même quand l'IA sonne juste.
IA de recherche
IA en entreprise
IA vis-à-vis de l'art, l'éthique et la philosophie
L'IA en santé et sciences du vivant : le soin, mesuré
Objectifs : Repartez prêt à reconnaître des schémas concrets d'IA en santé (vision par ordinateur, aide à la décision), à chiffrer l'asymétrie de l'erreur clinique et à lire comment la réglementation façonne la faisabilité.
IA de recherche
IA en entreprise
Les trois U, utile, utilisable, utilisé : le crible entre un projet qui tient et une démo qui brille un jour
Pas « est-ce magique ? » mais « est-ce utile, utilisable et utilisé ? ». C'est le crible qui sépare un projet qui tient d'une démonstration qui brille un jour.
- Utile (le pouvoir des données) : la pertinence dans les systèmes bat les slogans ; au-delà de l'effet wow, quels sont vos KPI que l'IA comprend ?
- Utilisable (l'éclairage profond des données) : l'intégration dans les habitudes de travail bat la démo, avec les humains et le design (la conception) au centre.
- Utilisé (la responsabilité des données) : la rétention bat le volume, le vrai graal ; un système n'est pas livré puis laissé tel quel, il boucle avec les acteurs de l'entreprise.
Ce qui compte, c'est ce qui s'insère réellement dans le travail quotidien : quand un usage est bien rempli par une IA, les gens s'y ruent partout dans le monde, avec peu de loyauté pour l'outil précédent. C'est l'état terminal, l'IA invisible, si bien intégrée que l'adoption n'est plus un projet, juste la façon dont le travail se fait.
Objectifs : Repartez capable de passer toute initiative IA au crible des trois U (la pertinence bat les slogans, l'intégration bat la démo, la rétention bat le volume), d'abandonner celles qui ne feront qu'une belle démo et de concevoir pour l'IA invisible qui reste utilisée bien après le lancement.
IA en entreprise
Inverser, toujours inverser : mesurer à quel point on est mauvais (en euros)
Objectifs : Repartez capable de construire votre propre indicateur métier à partir de la matrice de confusion et de la matrice business, de distinguer un problème de précision d'un problème de rappel et de comprendre pourquoi un simple taux d'exactitude ment.
IA de recherche
IA en entreprise
IA vis-à-vis de l'art, l'éthique et la philosophie
IA générative : trois génies sortis de la lampe
Trois génies de l'IA générative :
- le génie de l'écriture
- le génie de la programmation
- le génie artistique
Ils réécrivent les règles de la production, technique comme artistique et ne retourneront pas dans la lampe.
Objectifs : Repartez avec une liste courte et à jour des outils d'écriture, de code et d'image qui valent votre temps et sachez laquelle de vos tâches hebdomadaires chacun raccourcit vraiment.
IA en entreprise
IA vis-à-vis de l'art, l'éthique et la philosophie
Jeff Dean | Que se passe-t-il maintenant que vous avez le meilleur modèle du monde ?
Objectifs : Repartez capable de juger un système d'IA à son ingénierie plutôt qu'à sa démonstration : lire la facture à pleine échelle avant de financer un pilote, préférer le modèle déployable au modèle impressionnant, et valoriser les ingénieurs systèmes qui font réellement tourner l'IA.
IA en entreprise
IA pour les entreprises : créer de la valeur compréhensible par les humains
Découvrez comment les entreprises peuvent traduire les résultats avancés de l'IA en stratégies claires et exploitables qui génèrent un vrai retour sur investissement et trouvent un écho auprès des parties prenantes humaines. Tout projet d'IA qui en vaut la peine se paie dans l'une de cinq unités de valeur :
- argent
- temps
- énergie
- soin
- ce qui était autrefois impossible
Nommez l'unité et vous saurez piloter le projet.
Objectifs : Repartez capable de dire, pour tout projet d'IA, dans laquelle des cinq unités de valeur il se paie (argent, temps, énergie, soin ou l'auparavant impossible) et d'en faire un chiffre que votre conseil reconnaîtra.
IA en entreprise
Fei-Fei Li | Les benchmarks font les domaines
Objectifs : Repartez capable de traiter la donnée comme le vrai actif : auditer les annotations et leur provenance avant de financer un modèle plus malin, définir un indicateur de référence qui structure le travail sans devenir une cible qu'on détourne, et garder l'humain au centre de ce à quoi sert la donnée.
IA en entreprise
L'IA en finance, fraude et assurance : chiffrer le risque, pas la mode
Une conférence sectorielle où chaque décision porte un prix :
- la détection de fraude comme matrice de coûts où une fraude manquée et un bon client bloqué ne coûtent jamais pareil
- le score de crédit et ses pièges d'équité
- la prévision de la demande et des sinistres
- l'IA générative pour les analystes
- la gouvernance du risque de modèle, la discipline que le secteur exige avant tout
Au-delà des opérations internes, elle lit les marchés financiers comme le laboratoire le plus impitoyable pour des agents autonomes : les familles d'agents de trading, pourquoi un backtest diffère du trading réel, et les risques systémiques (procyclicité, coupe-circuits) que régulent désormais les autorités.
Objectifs : Repartez capable de transformer un problème de fraude ou de crédit en matrice de coûts chiffrée, de voir où les contraintes d'équité mordent et de savoir ce qu'exige vraiment la gouvernance du risque de modèle en environnement régulé.
IA de recherche
IA en entreprise
La concentration de l'intime : quand une population se confie à quelques machines
Objectifs : Repartez avec une vision lucide des enjeux psychologiques et politiques quand vos utilisateurs se confient à un agent et les réflexes de gouvernance (non-sycophance mesurable dans le contrat, traitement local des données sensibles) qui la gardent responsable.
IA en entreprise
IA vis-à-vis de l'art, l'éthique et la philosophie
L'œil comme fenêtre sur le corps : oculomics et IA
Objectifs : Repartez capable de situer n'importe quelle IA rétinienne sur la courbe de maturité, de nommer les modalités qui comptent (fond d'œil, OCT, OCT-A), de chiffrer l'asymétrie de l'erreur clinique, et de poser les bonnes questions de gouvernance (qualité d'image, validation externe, réglementaire, remboursement) avant d'adopter un outil d'oculomics.
IA de recherche
IA en entreprise
Maîtriser les biais : construire une IA équitable et fiable
Le biais est un poison et il est inévitable. Abordez les défis éthiques et techniques du biais dans l'IA avec une taxonomie en six parties :
- ingénierie
- échantillonnage
- algorithme
- culture
- mesure
- exclusion
Le verdict honnête : détecter un biais est facile ; l'éliminer est impossible. L'équité n'est pas mathématique ; c'est une question éthique. Vous choisissez votre biais en conscience, puis vous le mesurez.
Objectifs : Repartez capable de nommer les six types de biais dans votre système, de mesurer celui qui compte et de justifier le choix d'équité que vous avez fait, avec des outils open source comme Fairlearn.
IA en entreprise
IA vis-à-vis de l'art, l'éthique et la philosophie
Faisabilité IA 101 : stratégies de Big Data, astuces pour petits volumes et le manager comme pilote
Objectifs : Repartez capable d'évaluer la faisabilité d'un projet d'IA avec le cuboïde N/D/K, de reconnaître les cas rares où un financement de la R&D est réellement nécessaire et de saisir le vrai rôle du manager : affiner des outils génériques pour un domaine.
IA en entreprise
AI/ML 101 pour les humains normaux : les quatre ères et la Palette de l'IA
Montrez-moi vos données et je vous dirai votre IA. De la programmation à l'apprentissage automatique, puis à l'IA générative et aux agents : quatre ères en une ligne, et sous elles une seule idée, rassembler vos X et vos Y puis deviner la fonction F. Les algorithmes apprennent à partir des données selon trois familles :
- apprentissage non supervisé
- apprentissage supervisé
- apprentissage par renforcement
Cette conférence enseigne le sur-apprentissage et le sous-apprentissage par l'analogie de l'étudiant (appris par cœur, paresseux ou vraiment compris) et déploie toute la Palette de l'IA, sans jargon, pour que les managers parlent la même langue que leurs équipes data, en reliant chaque méthode aux données dont vous disposez déjà dans votre entreprise.
Objectifs : Repartez capable de regarder un problème métier et de dire quelle famille d'IA il appelle, quelles données il exigerait et si vous les avez déjà ; de tenir un modèle mental clair de l'entraînement, de la validation et du test ; et de situer n'importe quelle méthode d'IA sur la carte des familles, avant le moindre euro dépensé.
IA en entreprise
IA au quotidien
Objectifs : Repartez avec une poignée d'outils à ouvrir dès le lendemain matin pour gagner une heure sur l'écriture, la recherche et l'organisation, au travail comme à la maison.
IA en entreprise
IA vis-à-vis de l'art, l'éthique et la philosophie
Histoire de l'IA : de l'artisanat à l'agentique en 30 ans
Retracez le passage des premiers systèmes artisanaux à base de règles aux agents d'IA autonomes d'aujourd'hui capables de prendre des décisions indépendantes, à travers quatre âges :
- caractéristiques faites main
- apprentissage profond
- modèles de fondation
- agents
Objectifs : Sortez capable de situer n'importe quel outil d'IA qu'un fournisseur vous présente dans l'un des quatre âges et de comprendre pourquoi les agents d'aujourd'hui sont une continuité, pas de la magie, pour juger la prochaine vague sans le battage.
IA de recherche
IA en entreprise
L'IA centrée sur le manager : la boussole phénoménologique, de l'idée à la production
Objectifs : Repartez capable de placer données, algorithmes et actions autour du manager et du client avec une seule boussole et de dérouler une feuille de route réutilisable de l'idée à la production : casser les silos, commencer simple et rudimentaire, toujours garder une trace de ce que fait le système et piloter jalons, livrables et réduction des risques à partir de la douleur du client.
IA de recherche
IA en entreprise
IA vis-à-vis de l'art, l'éthique et la philosophie
IA, travail et société : les soulagements intellectuels
Objectifs : Repartez capable de tenir une conversation posée et documentée sur l'IA et l'emploi (de Smith à Stiegler) et de nommer ce que chaque « soulagement intellectuel » du passé a détruit, créé et laissé proprement humain.
IA en entreprise
IA vis-à-vis de l'art, l'éthique et la philosophie
Systèmes de recommandation : personnaliser le parcours client
Objectifs : Repartez capable de choisir quelle approche de recommandation convient à votre catalogue et votre trafic, de déterminer quelle métrique reflète vraiment le business (pas seulement les clics) et de reconnaître les pièges classiques qui rongent l'engagement en silence.
IA de recherche
IA en entreprise
L'IA dans les médias, le divertissement et la musique : attention, rétention, création
Une conférence sectorielle fondée sur des cas réels et sourcés :
- les moteurs de recommandation qui façonnent l'attention
- le churn des abonnés prédit par l'analyse de survie pour agir avant le départ
- l'optimisation des revenus de catalogue avec Ircam Amplify
- la promotion et le montage algorithmiques pour les créateurs via Jellysmack
- l'IA musicale, des pistes séparées à la partition
Où s'arrête l'outil, où commence l'artiste ? La GenAI rejoue aujourd'hui, pour les créateurs, la question que la photographie (du daguerréotype au Polaroid) a posée à la peinture.
Objectifs : Repartez capable de reconnaître des schémas concrets d'IA dans les médias (recommandation, churn par analyse de survie, IA créative), de mesurer honnêtement attention et rétention et de situer où se trace la ligne outil/artiste.
IA en entreprise
IA vis-à-vis de l'art, l'éthique et la philosophie
L'IA dans le commerce, l'e-commerce et la logistique : de la fraude au rangement intelligent
Objectifs : Repartez capable de voir comment les équipes du commerce et de la logistique combinent prévision, détection de fraude et optimisation par graphe de connaissance plus solveur pour faire bouger de vrais indicateurs d'exploitation et de marge.
IA en entreprise
L'IA dans les produits, les outils, les équipes, le divertissement, l'art et la vie publique
L'IA est partout. Comment la mesurer avec bon sens dans nos cas d'usage ?
- produits
- outils
- gestion
- santé
- divertissement
- art
- vie publique
Si l'IA génère une valeur mesurable, comment faire sourire les clients ?
Objectifs : Repartez prêt à appliquer des cadres et des exemples concrets de l'idée au sourire du client et à déployer des chaînes d'outils IA adaptées aux développeurs et aux citoyens autour d'une valeur mesurable chez le client.
IA en entreprise
IA vis-à-vis de l'art, l'éthique et la philosophie
