Renforcer la fiabilité et la sécurité de vos modèles

• Détecter les biais et les dérives de données
• Tester la robustesse d'un modèle
• Se protéger des attaques adverses
• Rendre un modèle explicable et conforme

Développeurs, data scientists, responsables IA

Non précisé

• Module 1

  Identification des risques et dérives des modèles : Comprendre les biais, les dérives de données et les erreurs de prédiction. Mettre en place des tests de robustesse. Mise en pratique : audit d’un modèle existant sur un dataset biaisé

• Module 2

  Sécurisation des modèles IA : Analyser les menaces : vol de données, attaques adversariales. Appliquer les bonnes pratiques (chiffrement, contrôle d’accès, sandboxing). Mise en pratique : simulation d’une attaque et mise en place de contre-mesures

• Module 3

  Explicabilité et transparence des modèles : Utiliser LIME, SHAP et PDP pour interpréter les résultats. Visualiser les contributions des variables et détecter les biais. Mise en pratique : analyse d’un modèle de classification avec SHAP

• Module 4

  Traçabilité et conformité : Documenter les modèles selon les référentiels ISO 23894 et RGPD. Rédiger une fiche de transparence et de limites d’usage. Mise en pratique : production d’un rapport complet de fiabilité IA

• Apports structurés et études de cas concrets
• Ateliers pratiques et labs sur plateforme de pratique
• Jusqu'à 70 % de pratique sur les modules techniques
• Supports fournis et accès aux environnements d'entraînement

• Test de positionnement en amont
• Évaluations continues (QCM, travaux pratiques)
• Évaluation de fin de formation et attestation
• Passage des examens de certification le cas échéant

Modalités

Présentiel, Distanciel synchrone, Hybride

Formats

Inter-entreprises, Intra-entreprise

Lieux

Versailles, La Défense (Tour Canopy), Clermont-Ferrand

Effectif

De 2 à 12 participants

Langue

Français