Community Dream Makers Academy
FORMATION
MENTORAT
RÉUSSITE
CDMA - ACADÉMIE
L'éducation est l'arme la plus puissante que vous puissiez utiliser pour changer le monde. Elle n'est pas seulement pour la réussite économique ; elle est pour la construction de la nation et le développement personnel.
Nelson Mandela
I. Qu'est-ce que l'IA
Pour maîtriser l'IA et l'utiliser efficacement, il est essentiel d'en comprendre les bases : le quoi, le pourquoi, le quand, le qui et le comment de l'intelligence artificielle. C'est notre objectif ici.
Historiquement
Allan Turing
Mathématicien, logicien britannique. Père de l'informatique telle que nous la connaissons.
A créé une machine appelée la "Bombe" pour décrypter le code Enigma pendant la Seconde Guerre mondiale.
Test de Turing : Il a été le premier à se demander "Les machines peuvent-elles penser ?" et a jeté les bases philosophiques de l'Intelligence Artificielle.
L'Intelligence Artificielle consiste à construire des systèmes informatiques capables d'effectuer des tâches qui nécessitent généralement l'intelligence humaine — comme comprendre le langage, reconnaître des images, prendre des décisions, et même créer du contenu (littérature, art, …).
II. Fondements
Pour vraiment comprendre l'IA, il est utile de voir comment les différentes branches de la technologie sont liées les unes aux autres. Pensez-y comme à un ensemble de poupées russes — chaque couche va plus en profondeur et devient plus spécialisée.
Décomposons cela avec une analogie simple que tout le monde peut comprendre : la cuisine.
Programmation Traditionnelle
Suivre une recette étape par étape. Vous dites à l'ordinateur exactement quoi faire.
Machine Learning
Apprendre en goûtant de nombreux plats. Le système découvre des modèles à partir de l'expérience.
Deep Learning
Comprendre les saveurs au niveau moléculaire. Le système saisit des modèles profonds et complexes.
Qu'est-ce que le Machine Learning ?
Le Machine Learning est la couche sous l'AI où les systèmes apprennent des données et s'améliorent par l'expérience — sans être explicitement programmés pour chaque scénario.
Au lieu d'écrire des règles pour chaque situation possible, vous alimentez le système avec des exemples, et il découvre les modèles par lui-même. Plus il voit de données, plus il devient intelligent.
Qu'est-ce que le Deep Learning
Le Deep Learning pousse le Machine Learning à un niveau supérieur en utilisant des réseaux de neurones artificiels inspirés par la structure du cerveau humain.
Ces réseaux contiennent des couches de nœuds interconnectés qui traitent l'information de manière de plus en plus complexe — permettant aux machines de comprendre les images, la parole et même de générer du texte de type humain.
Le Deep Learning est la technologie derrière la révolution de l'AI que nous vivons actuellement.
Large Language Models (LLM)
Alimente ChatGPT, Claude et Gemini qui peuvent tenir des conversations, écrire des essais et résoudre des problèmes.
Voitures autonomes
Permet aux voitures autonomes de « voir » la route.
Assistants vocaux
Permet aux assistants vocaux de comprendre vos paroles.
Que sont les modèles d'IA ?
Le Deep Learning s'appuie sur des Modèles pour réaliser l'apprentissage et la prédiction.
Cerveau de l'IA
Qu'est-ce qu'un modèle d'IA ?
Un modèle est un programme informatique ou une représentation mathématique qui a été "entraîné" sur un ensemble de données pour reconnaître des modèles et prendre des décisions sans être explicitement programmé pour chaque scénario.
Si un algorithme est une recette (un ensemble d'instructions), alors le modèle est le plat final (le résultat de l'application de ces instructions à des ingrédients spécifiques, ou données).
Composants clés
Un modèle d'IA est généralement composé de trois éléments :
Données
Le "carburant" utilisé pendant l'entraînement, comme des millions d'images, de livres ou de journaux de capteurs.
Algorithme
La logique mathématique (comme un réseau neuronal ou une régression linéaire) qui détermine comment le modèle traite l'information.
Paramètres
Des réglages internes (souvent des milliards de "poids" numériques) que le modèle ajuste pendant l'entraînement pour améliorer sa précision.
Types Courants de Modèles d'IA
Les modèles sont souvent classés en fonction de leur méthode d'apprentissage ou de leur objectif :
Par Méthode d'Apprentissage
Apprentissage Supervisé
Le modèle est entraîné sur des données étiquetées (par exemple, des photos marquées "chat" ou "chien") afin d'apprendre à associer des caractéristiques spécifiques aux bonnes réponses.
Apprentissage Non Supervisé
Le modèle trouve des schémas cachés dans des données non étiquetées par lui-même, comme le regroupement de clients ayant des habitudes d'achat similaires.
Apprentissage par Renforcement
Le modèle apprend par essais et erreurs, recevant des "récompenses" pour les bonnes actions, couramment utilisé dans les voitures autonomes ou la robotique.
Par Tâche ou Capacité
Grands Modèles Linguistiques (LLM)
Des modèles massifs comme GPT-4 conçus pour comprendre et générer du texte de type humain.
Modèles de Vision par Ordinateur
Spécialisés dans l'identification d'objets, de visages ou d'anomalies médicales dans les images et les vidéos.
Modèles Génératifs
Conçus pour créer du contenu entièrement nouveau, tel que des œuvres d'art originales, de la musique ou du code informatique.
Modèles Fondamentaux
Des modèles larges et polyvalents entraînés sur d'énormes ensembles de données qui peuvent être "affinés" pour de nombreuses tâches spécifiques différentes.
Comment les modèles sont utilisés
Une fois qu'un modèle est entraîné et validé, il est "déployé" dans une application du monde réel pour effectuer des tâches telles que :
Prédire
Prédire les futurs cours des actions ou les prévisions météorologiques.
Classer
Classer les e-mails comme spam ou non spam.
Recommander
Recommander des chansons sur Spotify ou des films sur Netflix.
Résumer
Résumer de longs documents ou traduire des langues.
Les 10 Principales Catégories d'IA
En 2026, le paysage de l'IA est passé de simples "chatbots" à des systèmes profondément intégrés capables de "voir", "entendre" et "agir" de manière autonome.
Voici les 10 principales catégories d'IA :
III. Applications de l'IA | Utilisation d'IA | IA en Action
Comment les entreprises utilisent l'IA aujourd'hui
L'IA n'est plus un concept futuriste pour les entreprises – c'est un avantage concurrentiel actuel. Des entreprises de toutes tailles, des startups aux géants du Fortune 500, utilisent l'IA pour servir leurs clients plus rapidement, prendre des décisions plus éclairées et fonctionner plus efficacement.
Si votre concurrent utilise l'IA et que vous non, vous êtes déjà en retard.
IV. LEADERS DE L'INDUSTRIE
Principaux acteurs de l'IA
NVIDIA
Microsoft
OpenAI
Amazon (AWS)
Anthropic
Meta
IBM
Leaders de l'industrie de l'IA — Analyse approfondie
NVIDIA
La colonne vertébrale matérielle de l'IA.
- ~80% de part de calcul de l'IA
- GPUs: H100, B200, GB200
Microsoft
IA intégrée dans :
- Copilot (applications Office)
- GitHub Copilot
- Azure AI
- Power Platform AI
- Famille Gemini (multimodale)
- Gemini 2.5 Pro
- Gemini Flash
- NotebookLM
- Workspace AI
OpenAI
- ChatGPT
- GPT 4o
- DALL·E
- Whisper
- Custom GPTs
Amazon / AWS
- Amazon Bedrock
- SageMaker
- Amazon Q
- CodeWhisperer
Anthropic, Meta & IBM
- Claude (Anthropic) — IA sûre et précise
- Llama (Meta) — modèles open-source
- Watsonx (IBM) — IA d'entreprise
V. CHOISIR VOS OUTILS
Avec tant d'outils AI disponibles, il peut être accablant de savoir par où commencer. La bonne nouvelle est que vous n'avez pas besoin de maîtriser chaque outil — vous avez juste besoin de trouver celui qui convient le mieux à vos besoins spécifiques. Utilisez ce cadre de décision simple pour faire correspondre vos objectifs avec les meilleurs outils AI disponibles.
Commencez par l'outil qui correspond à vos besoins.
La plupart des outils proposent des versions gratuites.
Comparaison des outils AI (Résumé)
VI. AVANTAGES DE L'IA
Efficacité et Économies
- 70% de temps gagné
- 40% de réduction des coûts
- Disponibilité 24/7
- Évolutivité 10x
Meilleure Prise de Décision
- Reconnaissance de formes
- Analyse prédictive
- Évaluation des risques
- Personnalisation
Nouvelles Opportunités
- Nouvelles carrières en IA
- Nouveaux modèles économiques
- Accélération de l'entrepreneuriat
Temps Économisé
Gains d'efficacité grâce à l'automatisation
Réduction des Coûts
Diminution des dépenses opérationnelles
VII. DÉMARRER
Comment commencer aujourd'hui
Pratiquer quotidiennement (10–15 min)
Apprenez le prompting
Choisissez un outil
Rejoignez des communautés comme CDMA Academy
Utilisez l'IA pour des tâches réelles
Bases du prompting — Comment parler à l'IA
La qualité de votre production d'IA dépend presque entièrement de la qualité de votre entrée. C'est ce qu'on appelle le prompting — l'art de communiquer clairement avec l'IA pour obtenir les résultats souhaités. Pensez-y comme donner des instructions à un assistant très compétent mais très littéral. Plus vous êtes spécifique et clair, meilleurs sont les résultats.
Soyez précis
Au lieu de "Écrivez sur les chiens", essayez "Rédigez un article de blog de 200 mots sur les 3 principaux bienfaits pour la santé de posséder un golden retriever, destiné aux propriétaires de chiens novices."
Donnez du contexte
Dites à l'IA qui vous êtes, qui est le public et quel est l'objectif. "Je suis un propriétaire de petite entreprise qui écrit à des clients potentiels" donne de bien meilleurs résultats que l'absence de contexte.
Fournissez des exemples
Montrez à l'IA à quoi ressemble une bonne production. Collez un exemple du ton, du format ou du style que vous souhaitez et dites "Écrivez quelque chose de similaire à cela."
Demandez des formats
Spécifiez comment vous souhaitez que la production soit structurée : "Donnez-moi une liste à puces", "Créez un tableau" ou "Rédigez ceci sous forme d'e-mail professionnel."
Itérez et affinez
Votre premier prompt est un point de départ, pas la ligne d'arrivée. Affinez votre prompt en fonction de la production : "Raccourcissez-le", "Ajoutez plus d'exemples", "Utilisez un ton plus décontracté."
Tirer parti de l'IA au lieu de la nouveauté
Développer une stratégie
À l'ère de l'IA, vous n'êtes plus embauché pour votre temps. Vous êtes payé pour votre goût. Notre véritable atout est d'être humain.
Exemple de stratégies que j'utilise
Stratégie n°1 : Le Clone
Construire une IA Persistante Qui Vous Connaît
- Extraire & Synthétiser Votre 'Système d'Exploitation' : Interview et résumé de moi
- Projet — Stocker le Contexte Sans Mélanger les Domaines
Stratégie n°2 : L'Équipe
Mode Agent, Vision et Recherche Approfondie
Stratégie n°3 : La Pratique
La pratique rend parfait. Pratique Pratique Pratique
Stratégie n°4 : Véritable Compréhension
Vous êtes le maître de votre destin. Soyez capable d'expliquer votre propre projet. Ne copiez pas-collez
Démo en direct
Résumer des documents
Générer des e-mails
Créer des images
Analyser des données
Élaborer un plan d'affaires
VIII. PERSPECTIVES D'AVENIR
L'avenir de l'IA
IA Agentique
IA Physique (Robots)
Assistants IA personnalisés
L'IA dans chaque appareil
Message de clôture
L'IA est un outil — Vous êtes le pouvoir
- L'IA multiplie vos capacités
- Vous n'avez pas besoin d'être technique
- Commencez petit, évoluez vite
"Le meilleur moment pour commencer à apprendre l'IA était hier. Le deuxième meilleur moment est maintenant."
Questions-réponses
Posez toutes vos questions sur l'IA — pratiques, curieuses ou ambitieuses.
Séance d'Introduction à l'Intelligence Artificielle