Conférences

Chaque domaine correspond à un public :

- IA de recherche : scientifiques en mathématiques appliquées
- IA en entreprises : 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 que j'anime en entreprises, en conférences, en école, en MBA. Contactez-moi pour vos besoins et en discuter à bâtons rompus

33 conférences

Gouverner l'IA agentique : risques, périls et les sept règles de l'agenticité instituée
IA en entreprise IA vis-à-vis de l'art, l'éthique et la philosophie

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.

Coder à l'ère de l'IA : le bateau de Thésée et le vide du test
IA en entreprise IA de recherche

Coder à l'ère de l'IA : le bateau de Thésée et le vide du test

L'IA remplace votre code planche par planche. Est-il encore le vôtre ? Lui faites-vous confiance ? Deux moitiés liées par le bateau de Thésée. D'abord, coder avec des assistants agentiques, où la revue et la vérification, pas la frappe, deviennent le goulot. Ensuite, le vide du test : le logiciel classique disposait d'une pile qualité mature parce qu'il était déterministe ; l'IA probabiliste a brisé ces hypothèses. Nous comblons ce vide par l'évaluation-comme-tests et le red-teaming automatique.

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.

Agentic AI : soyez une armée à vous tout seul
IA en entreprise

Agentic AI : soyez une armée à vous tout seul

L'Agentic AI inaugure une nouvelle ère de l'IA en entreprise, où une intention humaine unique peut être automatiquement décomposée, planifiée, orchestrée et exécutée à travers des systèmes complexes. Au-delà de la prédiction ou de la génération de contenu, les systèmes agentiques transforment un objectif clair en sous-buts coordonnés, en usage d'outils et en actions adaptatives. Rendus possibles par des protocoles d'agents modernes et des connecteurs sécurisés aux systèmes d'information, l'Agentic AI transforme la stratégie en exécution, tout en laissant à l'humain l'intention, le jugement et la responsabilité.

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.

L'open source : le miracle industriel derrière l'IA
IA en entreprise IA vis-à-vis de l'art, l'éthique et la philosophie

L'open source : le miracle industriel derrière l'IA

L'IA d'aujourd'hui ne pourrait exister sans un miracle industriel qu'aucun autre secteur n'a produit : l'open source. PyTorch, scikit-learn, les transformers et même des poids de modèles entiers : les briques de pointe sont publiques. Imaginez l'aéronautique ou la pharma publiant gratuitement leurs plans les plus avancés ; cela n'arrive pas, mais en IA, si. La conséquence pour un dirigeant n'est pas de l'idéalisme ; c'est de la gestion du risque : l'algorithme n'est pas votre avantage concurrentiel. Vos données et votre compréhension du client le sont. L'open source est votre groupe électrogène contre la dépendance à un fournisseur. La souveraineté ne porte pas sur qui possède la technologie, mais sur qui dépend de qui quand le vent tourne.

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.

De nouvelles façons de travailler à l'ère de l'IA : le manager, l'esprit critique et la décision
IA en entreprise

De nouvelles façons de travailler à l'ère de l'IA : le manager, l'esprit critique et la décision

L'IA n'a pas dévalué le travail ; elle a fait monter le prix du jugement. Dans chaque équipe, la machine rédige déjà, résume, propose. Ce qu'elle ne sait pas encore, c'est quand se taire et ce discernement est le métier du manager. Cette conférence retrace, tranquillement, la frontière entre ce qu'on confie à la machine et la seule chose qu'un cadre ne lâche jamais : la décision. Le goulot a glissé de la vitesse à laquelle on écrit vers celle à laquelle on relit, on arbitre et on cadre. Décider, c'est doser l'autonomie : plus une erreur coûte cher, en euros, moins l'IA garde d'autonomie. Et un dernier réflexe : mesurer sans se mentir. Une étude de référence a chronométré des professionnels à dix-neuf pour cent plus lents avec l'IA quand ils se croyaient vingt pour cent plus rapides.

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.

L'IA dévore le logiciel : pourquoi maintenant
IA en entreprise

L'IA dévore le logiciel : pourquoi maintenant

Le débat sur la réalité de l'IA est clos ; vos concurrents ont déjà cessé de l'avoir. La vraie question, celle d'un directeur financier, est le calendrier : pourquoi bouger cette année et pas dans trois ? Cette conférence y répond. L'IA est une bicyclette pour l'esprit, un outil de levier, pas un remplacement. Marc Andreessen disait en 2011 que le logiciel dévorait le monde ; aujourd'hui l'IA dévore le logiciel. Nous séparons le signal qui compose du battage par une lecture honnête de la place d'une technologie sur la courbe, jusqu'à ce qu'attendre cesse de paraître prudent pour devenir coûteux.

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.

La tuyauterie de l'IA : le MLOps et les 90% que personne ne photographie
IA en entreprise IA de recherche

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 agentique : l'aube de la prise de décision autonome
IA en entreprise

IA agentique : l'aube de la prise de décision autonome

Découvrez comment les agents d'IA permettent aux entreprises de planifier, d'exécuter et d'adapter des actions à la volée avec un nouveau niveau d'abstraction et de potentiel. Une IA conversationnelle produit des réponses ; une IA agentique produit des actions, orchestrées, intégrées et gouvernées par le système d'information.

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.

L'état de l'art de l'IA : ne vous laissez pas berner par les geeks
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.

Grands modèles de langage : des fondations au GraphRAG
IA de recherche

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.

Autopsies d'IA : ce que Klarna et Zillow enseignent sur le risque en IA
IA en entreprise IA vis-à-vis de l'art, l'éthique et la philosophie

Autopsies d'IA : ce que Klarna et Zillow enseignent sur le risque en IA

Deux post-mortems réels et sourcés, racontés honnêtement. Klarna annonce en 2024 que son assistant IA abat le travail d'environ 700 agents pour une amélioration de profit rapportée proche de 40 millions de dollars, puis fait machine arrière en 2025 et réembauche des humains pour la qualité et la confiance. Zillow Offers a laissé un algorithme acheter des maisons, a mal chiffré un marché qui se retournait, a passé une dépréciation supérieure à 500 millions de dollars et licencié environ un quart de ses effectifs. Lus côte à côte, ils dessinent une seule loi : l'autonomie n'est sûre qu'à hauteur de la réversibilité et du coût d'erreur de l'action qu'on l'autorise à prendre.

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.

De l'esprit critique à la conscience critique : pourquoi l'IA flatte et comment garder son jugement
IA en entreprise IA de recherche 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.

L'IA en santé et sciences du vivant : le soin, mesuré
IA en entreprise IA de recherche

L'IA en santé et sciences du vivant : le soin, mesuré

Une conférence sectorielle fondée sur des cas réels et sourcés. La réfraction optique où l'IA raccourcit l'examen sans affecter la prescription. Le diagnostic in vitro où l'IA remplace du matériel pour les tests de troponine où le diagnostic est vital. L'asymétrie qui traverse tout : en médecine, un oubli et une fausse alerte ne coûtent jamais pareil. Cadrée sur la réglementation européenne des dispositifs médicaux et du diagnostic (MDR et IVDR), pas sur la hype.

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.

Les trois U, utile, utilisable, utilisé : le crible entre un projet qui tient et une démo qui brille un jour
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.

Inverser, toujours inverser : mesurer à quel point on est mauvais (en euros)
IA en entreprise IA vis-à-vis de l'art, l'éthique et la philosophie IA de recherche

Inverser, toujours inverser : mesurer à quel point on est mauvais (en euros)

L'heure la plus réutilisable de l'IA en entreprise. Avant d'optimiser quoi que ce soit, mesurez à quel point vous êtes mauvais, dans la monnaie de votre métier. Comprendre un client, c'est chiffrer le coût de ses erreurs et les deux façons de se tromper (un oubli ou une fausse alerte) ne coûtent jamais pareil. Avec un stylo et sans mathématiques, vous construisez une matrice de confusion pour compter, une matrice business pour chiffrer chaque cas en euros et vous les superposez en un indicateur que vous possédez.

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 générative : trois génies sortis de la lampe
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.

Jeff Dean | Que se passe-t-il maintenant que vous avez le meilleur modèle du monde ?
IA en entreprise

Jeff Dean | Que se passe-t-il maintenant que vous avez le meilleur modèle du monde ?

En 2013, Google a un problème : 3 minutes de reconnaissance vocale par utilisateur par jour l'obligerait à doubler sa puissance de calcul totale ! Jeff Dean dispose des meilleurs algorithmes du monde à l'époque et se demande comment faire. Derrière DistBelief, TensorFlow, le TPU et la distillation de connaissances, ce portrait défend une thèse à contre-courant : la valeur durable vit dans l'ingénierie qui fait tourner un modèle à bas coût, de façon fiable et à grande échelle. Juger le système plutôt que le modèle ; partir du mur des coûts ; livrer le modèle distillé plutôt que le plus gros ; et se rappeler qu'à grande échelle, l'économie unitaire devient l'architecture.

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 pour les entreprises : créer de la valeur compréhensible par les humains
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.

Fei-Fei Li | Les benchmarks font les domaines
IA en entreprise

Fei-Fei Li | Les benchmarks font les domaines

Pendant des décennies et faute de moyens, l'intelligence artificielle n'a pu jouer qu'avec peu de données et beaucoup d'intelligence humaine a pu résoudre des problèmes immenses. Fin des années 2000, l'idée géniale de Fei-Fei Li a consisté à parier sur les données massives dans le domaine de la Computer Vision en premier. La quantité jusqu'alors mais surtout la qualité des annotations humaines pour l'enseigner à la machine : ImageNet et ses quatorze millions d'images annotées à la main ! Le verrou technologique des images en IA n'a pu résister très longtemps et nous en bénéficions tous aujourd'hui. Ce portrait défend deux idées qu'un dirigeant doit s'approprier : la donnée est le vrai verrou et avantage compétitif, pas l'algorithme, donc auditez vos annotations avant de chercher un meilleur modèle ; et un indicateur de référence peut faire naître un domaine au-delà de toutes les images du monde.

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.

L'IA en finance, fraude et assurance : chiffrer le risque, pas la mode
IA en entreprise IA de recherche

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.

La concentration de l'intime : quand une population se confie à quelques machines
IA vis-à-vis de l'art, l'éthique et la philosophie IA en entreprise

La concentration de l'intime : quand une population se confie à quelques machines

Autrefois, l'intime était réparti entre plusieurs confidents de confiance : un prêtre, un médecin, un journal, un ami proche. Une part croissante d'une population confie désormais sa vie intérieure à un ou deux fournisseurs, tracée et indexée. Les usages mesurés glissent de « demander » et « faire » vers « s'exprimer », l'intention la plus intime. La conférence traite cela comme une variable de risque politique à part entière, pas comme un détail d'expérience utilisateur : une sycophance qui flatte parce qu'elle a été entraînée pour le faire, une reconnaissance offerte par une source sans sujet pour la donner et le travail d'annotateurs sous-payés rendu invisible puis re-présenté comme intelligence autonome. Les régimes autoritaires du vingtième siècle rêvaient de cette collecte et n'en obtenaient qu'une fraction, par la coercition ; les plateformes en obtiennent davantage, sans aucune, par le service. Nommé sobrement, sans sensationnalisme, y compris le coût humain quand la substitution relationnelle tourne mal.

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.

L'œil comme fenêtre sur le corps : oculomics et IA
IA en entreprise IA de recherche

L'œil comme fenêtre sur le corps : oculomics et IA

La rétine est le seul endroit du corps où l'on voit in vivo, sans rien couper ni piquer, des vaisseaux et des neurones ; combinée au fait que 100 pour cent des gens passent chez l'ophtalmo vers 45 ans, elle devient la grande fenêtre sur la santé. Le fond d'œil n'est plus seulement un examen ophtalmologique ; c'est une biopsie optique non invasive du microvasculaire, du neuro-rétinien et du vieillissement biologique. Cette mini-conférence retrace l'oculomics depuis ses fondations (imagerie haute résolution, grandes cohortes appariées, deep learning) jusqu'à son état de l'art actuel. Le dépistage de la rétinopathie diabétique est régulé et autonome (FDA). La prédiction de maladies systémiques (cardiaque, rénale, neurologique) demeure prometteuse mais attend une validation en prospectif. Le vrai enjeu n'est ni le remplacement du clinicien ni la hype, mais le bon réglage de l'autonomie et de la supervision. Structurée par le cadre MAYA (Most Advanced Yet Acceptable), elle calibre où placer chaque capacité d'IA : de la détection explicable à l'autonomie bornée. Le coût d'une erreur fixe le curseur.

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.

Maîtriser les biais : construire une IA équitable et fiable
IA en entreprise IA vis-à-vis de l'art, l'éthique et la philosophie

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.

Faisabilité IA 101 : stratégies de Big Data, astuces pour petits volumes et le manager comme pilote
IA en entreprise

Faisabilité IA 101 : stratégies de Big Data, astuces pour petits volumes et le manager comme pilote

Évaluez la faisabilité d'un projet avec un simple cuboïde (une boîte à trois dimensions) : N (combien d'exemples, votre allié quand il est grand), D (dimension des entrées, la malédiction contre laquelle investir) et K (dimension des sorties, là où vit l'IA générative). Puis le recadrage clé : comme en Formule 1, les ingénieurs construisent la machine, mais vous, le manager, êtes le pilote. Vous n'avez pas à devenir ingénieur ; vous devez connaître le circuit, le client et le coût des erreurs.

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.

AI/ML 101 pour les humains normaux : les quatre ères et la Palette de l'IA
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 au quotidien
IA en entreprise IA vis-à-vis de l'art, l'éthique et la philosophie

IA au quotidien

Découvrez les outils d'IA que vous pouvez utiliser au quotidien, au travail comme à la maison, pour renforcer votre productivité, votre créativité et parfois même vous décupler.

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.

Histoire de l'IA : de l'artisanat à l'agentique en 30 ans
IA de recherche IA en entreprise

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.

L'IA centrée sur le manager : la boussole phénoménologique, de l'idée à la production
IA en entreprise IA vis-à-vis de l'art, l'éthique et la philosophie IA de recherche

L'IA centrée sur le manager : la boussole phénoménologique, de l'idée à la production

Le philosophe Merleau-Ponty a fait du système nerveux une boussole et cette même boussole trace un projet d'IA de l'idée à la production. Un signal entre par le nerf sensitif (ingestion des données et perception), passe par le cerveau (algorithmes et infrastructure) et ressort par le nerf moteur (action) vers le client. Le manager est au centre, le client toujours en ligne de mire. Le vrai jugement n'est pas un calcul sur des symboles ; c'est une saisie concrète et située du monde et c'est précisément pour cela qu'il reste humain. Cette boussole devient une feuille de route : une belle démo n'est pas le but, un vrai problème l'est, alors partez de la douleur, faites le travail de fond (y compris en résolvant le problème à la main d'abord), préférez des données réellement accessibles à une recherche sans fin et défendez une preuve de concept bâtie autour de la donnée.

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, travail et société : les soulagements intellectuels
IA vis-à-vis de l'art, l'éthique et la philosophie IA en entreprise

IA, travail et société : les soulagements intellectuels

Qu'est-ce que le travail et que lui fait l'IA ? D'Adam Smith sur le travail comme valeur et spécialisation, en passant par Marx sur le capital, le travail et l'aliénation, jusqu'à Stiegler sur la prolétarisation cognitive et le vide juridique pour les travailleurs du savoir. Puis la vue longue : l'écriture, l'imprimerie, l'informatique et maintenant l'IA, chacun soulageant un fardeau intellectuel et déclenchant un basculement civilisationnel. Quand Delaroche découvrit les premières photographies en 1839 et déclara la peinture morte, il avait tort et raison à la fois.

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.

Systèmes de recommandation : personnaliser le parcours client
IA en entreprise IA de recherche

Systèmes de recommandation : personnaliser le parcours client

Apprenez comment les moteurs de recommandation exploitent les données utilisateur pour personnaliser les expériences, augmenter l'engagement et stimuler les conversions sur les plateformes numériques.

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.

L'IA dans les médias, le divertissement et la musique : attention, rétention, création
IA en entreprise IA vis-à-vis de l'art, l'éthique et la philosophie

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.

L'IA dans le commerce, l'e-commerce et la logistique : de la fraude au rangement intelligent
IA en entreprise

L'IA dans le commerce, l'e-commerce et la logistique : de la fraude au rangement intelligent

Une conférence sectorielle ancrée dans dix ans d'exploitation. La détection de fraude et l'optimisation du chiffre d'affaires en production, la prévision de la demande qui dimensionne rayons et entrepôts et le rangement intelligent des entrepôts (smart slotting) où un agent n'est pas qu'un modèle de langage mais un graphe de connaissance plus un solveur, offrant un agencement dont on peut prouver qu'il est optimal. Ici, on vend de la marge, pas du code.

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.

L'IA dans les produits, les outils, les équipes, le divertissement, l'art et la vie publique
IA en entreprise IA vis-à-vis de l'art, l'éthique et la philosophie

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.