Module 1 : Du Machine Learning au Deep Learning Cyber

• Limites du Machine Learning classique face aux volumes de données de sécurité.
• Anatomie d’un réseau de neurones artificiels : Perceptron, fonctions d’activation, rétropropagation.
• Pipeline de Data Engineering Cyber : Nettoyage, normalisation et vectorisation des logs et fichiers PCAP.

Module 2 : Classification et Détection Automatisée de Menaces (Supervisé)

• Détection de domaines malveillants (DGA) et d’URLs de Phishing par réseaux récurrents.
• Analyse de fichiers binaires et détection de malwares via des Réseaux de Neurones Convolutionnels (CNN).
• Mesures de performance : Précision, Rappel, F1-Score et gestion des faux positifs.
• TP 1 : Développement et entraînement en Python d’un modèle d’apprentissage profond pour classifier et identifier des variantes de codes malveillants (Malwares).

Jour 2 : Détection d’Anomalies Réseau et Sécurisation des Modèles d’IA

Module 3 : Détection d’Anomalies Non Supervisée (Analyse Comportementale)

• Le défi des attaques inconnues (Zero-Day) : Pourquoi l’apprentissage non supervisé est indispensable.
• Architecture des Autoencodeurs : Principe de la reconstruction de données saines.
• Application pratique : Repérer l’exfiltration de données cachée dans le trafic réseau légitime.

Module 4 : Vulnérabilités de l’IA (Adversarial ML) & Déploiement

• Comment les attaquants trompent l’IA : Injections de bruit, empoisonnement des modèles (Poisoning), et attaques par évasion.
• Stratégies de durcissement et d’audit des modèles de Deep Learning.
• Introduction au déploiement des modèles entraînés au sein d’un pipeline SOC/SIEM.
• TP 2 : Création d’un système de détection d’intrusions réseau par Autoencodeur et simulation d’une attaque par évasion (Adversarial Attack) pour tester sa résilience.

7 validation des acquis :

• QCM final et mise en situation pour tester la compréhension des concepts et des techniques abordées.

Profil formateur :

• Esteban F. – Consultant  en Cybersécurité 

  • Expertise Terrain : Plus de 5 ans d’expérience dans l’ingénierie de sécurité, les tests d’intrusion (Pentesting) et la modélisation de données complexes. Spécialiste des architectures de réseaux de neurones appliquées à la détection de menaces, il conçoit et déploie des algorithmes prédictifs au sein d’infrastructures SOC de grands comptes.

Autres formations disponibles en Intelligence artificiel

• Axe Sécurité Applicative & Frameworks Modernes :
  • Sécurisation des Applications IA et OWASP Top 10 pour LLM
• Axe Architecture & Infrastructure Privée :
  • Architecturer et Développer une IA Souveraine : RAG et LLM locaux

L’article IA & Deep Learning pour la Cybersécurité est apparu en premier sur DNDA Formation.

Module 1 : Enjeux de la Souveraineté Numérique et Écosystème Open Source

• Pourquoi s’affranchir des API tierces (OpenAI, Anthropic) : confidentialité, coûts d’échelle, RGPD et dépendance stratégique.
• Cartographie et critères de choix des modèles ouverts : Llama, Mistral, Phi, Qwen (comprendre les licences commerciales vs de recherche).
• Évaluer les performances d’un modèle local : repères de benchmarks (MMLU, HumanEval) et adéquation avec le besoin métier.

Module 2 : Quantification et Calcul : Faire tourner l’IA sans se ruiner

• Comprendre les exigences matérielles : CPU vs GPU, calcul de la VRAM nécessaire selon la taille du modèle.
• Les techniques de compression de modèles : principes de la quantification (FP16, INT8, INT4) et formats de fichiers (GGUF, AWQ).
• Prise en main des moteurs d’inférence locaux et serveurs d’API : Ollama, vLLM et Hugging Face Transformers.
• TP 1 : Déploiement pratique d’un modèle Mistral ou Llama quantifié sur un serveur Linux isolé, configuration de l’infrastructure et exposition d’une API sécurisée compatible OpenAI.

Après-midi : Architecture RAG (Retrieval-Augmented Generation) et Industrialisation

Module 3 : L’écosystème du RAG et l’indexation des données d’entreprise

• Limites de la fenêtre de contexte et des hallucinations : pourquoi le RAG est l’architecture reine en entreprise.
• Le pipeline d’ingestion : stratégies de découpage du texte (Chunking) et choix des modèles d’Embedding (vectorisation).
• Sélection et manipulation d’une base de données vectorielles (Vector DB) locale : ChromaDB, Qdrant ou FAISS.

Module 4 : Orchestration de l’application et mise en production

• Développement des chaînes d’exécution avec des frameworks d’orchestration (LangChain ou LlamaIndex).
• Gestion de la mémoire de discussion, gestion des invites système (System Prompts) et routage des requêtes.
• Évaluation de la qualité du RAG : mesurer la pertinence du contexte récupéré vs la fidélité de la réponse générée.
• TP 2 : Création de bout en bout d’un chatbot d’entreprise souverain. L’application devra ingérer un corpus de documents internes confidentiels (PDF/Word), les vectoriser localement, et répondre aux questions des utilisateurs sans fuite d’information.

Fin de session & evaluation

• Validation des Acquis : Projet technique de 1h30 (déploiement d’un pipeline RAG local et optimisation VRAM) suivi d’un QCM théorique de 20 minutes (Seuil de réussite : 70%).

Profil Formateur

Consultant Senior en Cybersécurité & Expert en Architectures IA

• Expertise Terrain : Ingénieur système, expert DevSecOps et Pentester avec plus de 8 ans d’expérience dans le déploiement d’infrastructures critiques et d’architectures IA souveraines sur site ou cloud privé.

Autre formation disponible

• Sécurisation des Applications IA et OWASP Top 10 pour LLM
• IA Act : Expertise Technique & Audit de Conformité

L’article Architecturer et Développer une IA Souveraine : RAG et LLM locaux est apparu en premier sur DNDA Formation.

Module 1 : L’écosystème des assistants de code IA

• Comment fonctionnent les grands modèles de langage (LLM) spécialisés dans le code (Codex, StarCoder).
• Installation et configuration optimale de GitHub Copilot et Copilot Chat dans l’environnement de développement (EDI).
• Gouvernance, sécurité et confidentialité : configurer Copilot pour qu’il n’apprenne pas de votre code privé ou de vos données d’entreprise.

Module 2 : L’art du Prompt Engineering appliqué au code

• La gestion du contexte étendu : comment Copilot analyse vos fichiers ouverts, vos onglets et vos commentaires.
• Générer des algorithmes et des fonctions complexes à partir de commentaires structurés.
• Exploiter les commandes slash (/explain, /fix, /tests) et les agents de discussion intégrés.
• TP 1 : Configuration de l’environnement et création guidée d’une mini-API complète (gestion d’utilisateurs) uniquement en pilotant Copilot par le prompt.

Après-midi : Refactoring, Tests, Sécurité et Cas Pratiques Réels

Module 3 : Industrialisation (Tests, Refacto, Documentation)

• Utiliser l’IA pour documenter instantanément du code existant (JSDoc, Docstrings, standardisation).
• Générer des jeux de tests unitaires complets, robustes et pertinents (Jest, PyTest, JUnit) en quelques secondes.
• Refactoring de code legacy : optimiser la performance d’un algorithme et traduire un code d’un langage à un autre.

Module 4 : Sécurité du code et pièges de l’IA

• Le risque de « hallucination de vulnérabilités » : pourquoi et comment conserver une relecture critique de l’IA.
• Éviter les fuites de clés API, de secrets et de variables d’environnement dans les prompts.
• Gestion de la propriété intellectuelle (le filtre de duplication de code public).
• TP 2 : Projet de fin de journée. Reprise d’une application « legacy » obsolète, non documentée et vulnérable. Mission : utiliser Copilot pour l’auditer, corriger ses bugs, la documenter et générer une couverture de tests unitaires supérieure à 80%.

Fin de session & evaluation

• QCM Technique Final  : Test de 15 questions pour valider les connaissances sur les règles de gestion des licences open-source et les bonnes pratiques de non-fuite de données confidentielles (clés API, secrets).

Profil Formateur

Consultant  en Cybersécurité & Expert DevSecOps

• Expertise Terrain : Ingénieur en développement et Pentester (auditeur sécurité) avec plus de 8 ans d’expérience dans l’automatisation et la sécurisation des usines logicielles (pipelines CI/CD).

Autre formation disponible

• Sécurisation des Applications IA et OWASP Top 10 pour LLM 
• Architecturer et Développer une IA Souveraine : RAG et LLM locaux

L’article GitHub Copilot et Assistants de Code : Propulser la productivité Dev est apparu en premier sur DNDA Formation.

Module 1 : Fondations technologiques pour le Chef de Projet

• Le lexique de l’IA sans jargon : Machine Learning, Deep Learning, LLM, RAG et Agents autonomes.
• Comprendre le fonctionnement d’un grand modèle de langage : les capacités réelles et les limites (hallucinations).
• Cartographie du marché : Modèles propriétaires (API) vs Modèles ouverts (Open-source / Souverain).

Module 2 : Idéation et Qualification des Cas d’Usage

• Méthodologie pour identifier les opportunités IA au sein des directions métiers.
• La matrice d’évaluation : Valeur métier vs Complexité de mise en œuvre.
• Étude de la donnée : Évaluer la disponibilité, la qualité et la conformité des données nécessaires.
• Estimation des coûts (Run et Token) et calcul du ROI d’un projet d’IA.
• TP 1 : Atelier pratique de cadrage. Rédaction de la charte de projet et du cahier des charges fonctionnel pour un cas d’usage réel d’IA d’entreprise.

Jour 2 : Pilotage, Risques, Déploiement et Conduite du Changement

Module 3 : Les Phases du Projet IA et Management des Équipes

• Pourquoi le cycle classique échoue : Adapter les méthodes Agiles aux spécificités de l’IA.
• Le triptyque du succès : Du POC (Preuve de concept) au MVP (Produit Minimum Viable) jusqu’à l’industrialisation.
• Collaborer avec les profils techniques : Data Scientists, Data Engineers, Développeurs et Experts Cyber.
• Définir et suivre les KPI du projet (Performance du modèle, latence, satisfaction utilisateur).

Module 4 : Gouvernance, Sécurité et Accompagnement des Équipes

• Maîtriser les risques du projet : Protection des données confidentielles, propriété intellectuelle et biais algorithmiques.
• Introduction à l’EU AI Act : Classifier son application selon les niveaux de risques réglementaires.
• Stratégie de conduite du changement : Lever les freins psychologiques, former les utilisateurs et rédiger la charte d’utilisation interne.
• TP 2 : Simulation de gestion de crise sur un projet IA en cours de déploiement (dérive des coûts d’API, performances insuffisantes du modèle, résistance des équipes).

Evalution de fin de formation

• Le QCM de Validation Final: Un questionnaire à choix multiples de 20 questions permettant de mesurer l’assimilation des concepts clés du programme.
• Sanction de la formation : L’obtention d’une note minimale de 70% aux évaluations donne droit à la délivrance de l’Attestation Officielle de Fin de Formation et du badge de compétences numérique Dndagency.

Profil intervenant  :

Esteban F. – Consultant Senior en Cybersécurité & Spécialiste de la Sécurité des Systèmes d’IA

• Expertise Terrain : Plus de 4 ans d’expérience en audit de sécurité, tests d’intrusion  et sécurisation des infrastructures critiques. Il s’est spécialisé très tôt dans l’analyse des vulnérabilités propres aux algorithmes d’apprentissage automatique et au durcissement des applications connectées aux LLM.

Suites de parcours recommandées

• Axe Architecture & Développement :
  • Architecturer et Développer une IA Souveraine : RAG et LLM locaux
• Axe Gouvernance & Audit Légal :
  • IA Act : Expertise Technique & Audit de Conformité 

L’article Chef de Projet IA : Cadrer, piloter et déployer un projet d’IA est apparu en premier sur DNDA Formation.

Module 1 : Comprendre Gemini et l’écosystème de l’IA Générative

• Qu’est-ce que Google Gemini ? Spécificités, versions et avantages par rapport à la concurrence.
• Le fonctionnement d’un LLM : pourquoi l’IA « invente » (hallucinations) et comment l’en empêcher.
• Les enjeux de la confidentialité : les règles de sécurité pour ne pas divulguer les données de l’entreprise.

Module 2 : La grammaire du Prompting 

• Anatomie d’un prompt parfait : la méthode des 4 piliers (Acteur, Contexte, Tâche, Format).
• Le contrôle du ton, du style et de la longueur des livrables.
• TP 1 : Exercices pratiques de réécriture de prompts « naïfs » en requêtes professionnelles ultra-efficaces pour la synthèse et la rédaction d’e-mails.

Après-midi : Techniques avancées, Multimodalité et Cas Métiers

Module 3 : Prompting Avancé et Révolution Multimodale

• Le Few-Shot Prompting : donner des exemples à l’IA pour obtenir un format chirurgical.
• Le Chain-of-Thought : forcer Gemini à « réfléchir » étape par étape pour des tâches logiques.
• Exploiter la multimodalité : analyser des rapports PDF de 50 pages, extraire des données depuis des captures d’écran ou des tableaux complexes.

Module 4 : Ateliers Pratiques Métiers & Plan d’Action

• Création de prompts « gabarits » (prompts réutilisables) adaptés aux métiers des participants.
• Introduction aux extensions Gemini (connexion avec Google Workspace : Drive, Docs, Gmail).
• TP 2 : Cas pratique de synthèse de fin de journée : traitement complet d’un dossier client fictif (analyse de données, synthèse croisée de documents et génération de livrables opérationnels).

PROFIL DU FORMATEUR

Consultant Expert en Écosystèmes IA & Ingénierie de Prompt

•  Spécialiste de l’optimisation des processus métiers et du Smart-Working. Il accompagne les entreprises de toutes tailles dans l’intégration opérationnelle des intelligences artificielles génératives (Google Gemini, OpenAI, Claude) pour automatiser leurs flux de travail documentaires, marketing et administratifs.

• Rôle Opérationnel : Concepteur de catalogues de prompts sectoriels et de chartes d’utilisation de l’IA. Il intervient régulièrement pour auditer les gains de productivité et former les équipes opérationnelles aux techniques de requêtage avancé.

Evaluation de fin de formation 

1. Le QCM de Fin de Session  : Un questionnaire de 15 questions pour valider la bonne assimilation des concepts clés (la méthode des 4 piliers du prompt, la gestion des biais, et les règles de sécurité liées à la confidentialité des données).

Autres formation possible sur le meme theme 

• Pour passer de l’usage individuel au pilotage de projet :
  • Chef de Projet IA : Cadrer, piloter et déployer un projet d'IA
• Pour compléter sa boîte à outils de productivité bureautique :
  • Atelier Microsoft Copilot : Gagnez du Temps dans Office 365 
• Pour comprendre et maîtriser les risques de sécurité liés à ces outils :
  • Fondamentaux de l’IA en Cybersécurité

L’article Google Gemini : Maîtriser l’IA et le Prompt Engineering est apparu en premier sur DNDA Formation.

Module 1 : La nouvelle surface d’attaque des LLM

• Différence entre la sécurité des modèles (Deep Learning) et la sécurité applicative (LLM).
• Le cycle de vie d’une requête et les points d’interception des attaquants.

Module 2 : Plongée au cœur de l’OWASP Top 10 for LLM (Failles 1 à 5)

• LLM01: Direct & Indirect Prompt Injection (L’art de manipuler le modèle).
• LLM02: Insecure Output Handling (Quand le LLM exécute du code malveillant côté utilisateur).
• LLM03: Training Data Poisoning (Altération des données d’apprentissage).
• LLM04: Model Denial of Service (Saturer les ressources et faire exploser les coûts de l’API).
• LLM05: Insecure Plugin Design (L’exploitation des agents autonomes).
• TP Pratique : Exploitation d’une faille d’Indirect Prompt Injection permettant d’exfiltrer les données d’un utilisateur tiers.

Jour 2 : Vulnérabilités avancées, Audit et Durcissement (Partie 2)

Module 3 : Fuites de données et menaces systémiques (Failles 6 à 10)

• LLM06: Sensitive Information Disclosure (Empêcher le LLM de révéler des secrets système).
• LLM07: Insecure Agency (Les risques liés à l’autonomie d’action accordée aux LLM).
• LLM08: Excessive Overreliance (Risques juridiques et de sécurité liés à la confiance aveugle).
• LLM09: Model Theft (Vol de propriété intellectuelle par extraction de modèle).

Module 4 : Stratégies de Défense et Guardrails

• Conception de prompts défensifs (System Prompts résilients).
• Implémentation de barrières de sécurité logicielles (NeMo Guardrails, Llama Guard).
• Assainissement (Sanitization) des entrées et des sorties applicatives.
• TP Pratique : Mise en place d’un middleware de sécurité (Guardrail) pour bloquer les injections et les fuites de clés API en temps réel.

Evalution de fin de formation

• Le QCM de Validation Final: Un questionnaire à choix multiples de 20 questions permettant de mesurer l’assimilation des concepts clés du programme.
• Sanction de la formation : L’obtention d’une note minimale de 70% aux évaluations donne droit à la délivrance de l’Attestation Officielle de Fin de Formation et du badge de compétences numérique Dndagency.

Profil intervenant  :

Esteban F. – Consultant Senior en Cybersécurité & Spécialiste de la Sécurité des Systèmes d’IA

• Expertise Terrain : Plus de 4 ans d’expérience en audit de sécurité, tests d’intrusion  et sécurisation des infrastructures critiques. Il s’est spécialisé très tôt dans l’analyse des vulnérabilités propres aux algorithmes d’apprentissage automatique et au durcissement des applications connectées aux LLM.

Suites de parcours recommandées

• Axe Architecture & Développement :
  • Architecturer et Développer une IA Souveraine : RAG et LLM locaux
• Axe Gouvernance & Audit Légal :
  • IA Act : Expertise Technique & Audit de Conformité 

L’article Sécurisation des Applications IA et OWASP Top 10 pour LLM est apparu en premier sur DNDA Formation.

1. Documentation Technique « Annex IV Compliant »

• • Structure du dossier technique : de l’architecture aux ressources de calcul.
  • Automatisation de la documentation via les Model Cards et les registres de modèles.
  • Gestion du versioning et reproductibilité des systèmes.

2. Gouvernance des Données et Biais (Art. 10)

• • Méthodes de détection statistique des biais dans les datasets d’entraînement.
  • Stratégies d’atténuation (pré-traitement, in-traitement, post-traitement).
  • Protocoles de test, de validation et de correction des données.

3. Traçabilité et Logging (Art. 12)

• • Implémentation technique des logs : que faut-il enregistrer (dates, durée, entrées/sorties) ?
  • Durée de conservation et sécurité des journaux d’événements.

2-Robustesse, Sécurité et Outillage

4. Robustesse Technique et Cybersécurité (Art. 15)

• • Tests de résistance aux attaques adverses (Adversarial attacks).
  • Indicateurs de performance : Précision, fiabilité et résilience.
  • Le concept de « Human-in-the-loop » : Interfaces de contrôle et boutons d’arrêt d’urgence.

5. La Toolbox de l’Expert 

• • Tests de biais & robustesse :  (Applicatif Open Source / SaaS).
  • Monitoring en production : Deepchecks ou WhyLogs pour détecter le drift.
  • Gouvernance LLM : TruLens ou LangSmith pour la véracité des réponses.

6. Atelier « Audit Flash » Technique

• • Simulation d’un audit de conformité sur un pipeline MLOps réel.
  • Rédaction d’un rapport d’anomalies et priorisation des correctifs techniques.

Evaluation de fin de session

• QCM de validation des connaissances en fin de formation

Profils des  formateurs Dnda Intervenants

• Consultant Expert Technique Senior : Architecte Data DNDAgency

Autres formations disponibles en Intelligence artificiel

• IA Act-Maîtriser le Règlement & Piloter la Conformité

Autre thematique

• formation en gouvernance des SI 
  • • • • • • • • • • • • • • • • • • • • • • • • •  

L’article IA Act-Expertise Technique & Audit de Conformité est apparu en premier sur DNDA Formation.

1. Fondamentaux et Évolutions du Droit de l’IA

• • Genèse du texte : Pourquoi l’Europe a-t-elle durci le ton en 2024 ?
  • Définition légale de l’IA (Alignement OCDE) : Ce qui est régulé… et ce qui ne l’est pas.
  • Le calendrier des échéances : Focus sur les obligations de août 2026.

2. Cartographie des Risques : La Méthodologie DNDA

• • Les Pratiques Interdites : Reconnaissance des émotions au travail, scoring social, biométrie non ciblée.
  • Le « Haut Risque » (Annexe III) : Focus sur les RH (recrutement, gestion des carrières), la santé et les infrastructures.
  • IA Générative & GPAI : Les nouvelles règles pour les modèles de fondation (type GPT-4, Mistral).

3. Rôles et Responsabilités

• • Êtes-vous Fournisseur, Déployeur (utilisateur pro) ou Importateur ?
  • Responsabilité partagée : Comment gérer ses prestataires de services IA.

2-Mise en Conformité et Outillage

4. Les 7 Piliers de la Conformité Opérationnelle

• • AI Literacy (Art. 4) : Comment valider l’obligation de formation des salariés.
  • Gouvernance des données : Qualité des datasets et lutte contre les biais (Art. 10).
  • Transparence : Information des utilisateurs et détection des contenus générés (Watermarking).
  • Surveillance Humaine : Garantir le contrôle humain « by design ».

5. La Toolbox DNDA : Panorama des outils (SaaS & Open Source)

• • Présentation des solutions de GRC (Governance, Risk, Compliance) : GRICO Giskard, Credo AI.
  • Outils de diagnostic rapide pour les PME.
  • Check-list d’auto-évaluation pour les projets internes.

6. Atelier Pratique : Audit Flash d’un Cas Réel

• Exercice de classification d’un outil utilisé en entreprise.
• Établissement du plan d’action « J+1 » : Priorisation des chantiers juridiques et techniques.

valuation de fin de session

• QCM de validation des connaissances en fin de formation

Profils des  formateurs Dnda Intervenants

• Consultant en Stratégie Numérique | Expert IA & Data au sein du cabinet La Robe Numérique

Autres formations disponibles en Intelligence artificiel

• IA Act -Expertise Technique & Audit de Conformité

Le plus de ce programe  Formation

• Livrable exclusif :
  • Un kit de « Synthèse Décideur » comprenant les 10 points de contrôle essentiels.
• Veille Juridique :
  • Mise à jour incluant les dernières directives du Bureau Européen de l’IA de 2026.

Evaluer votre maturité IA ACT  

L’article IA Act-Maîtriser le Règlement & Piloter la Conformité est apparu en premier sur DNDA Formation.

Jour 1 : L’IA au Service de la Défense (Blue Team) & Fondations

Module 1 : Démystifier l’IA pour la Cybersécurité

• Panorama des technologies : du Machine Learning traditionnel au Deep Learning.
• Le fonctionnement simplifié des LLM (Large Language Models) et des réseaux de neurones.
• Pourquoi les signatures traditionnelles ne suffisent plus face aux menaces modernes.

Module 2 : L’arsenal défensif augmenté par l’IA

• L’IA au cœur des outils de détection : EDR (Postes), NDR (Réseau) et SIEM de nouvelle génération.
• Analyse comportementale (UBA) : repérer les anomalies de connexion et les exfiltrations de données.
• L’automatisation de la Threat Intelligence : trier les alertes et anticiper les vulnérabilités.
• TP 1 : Analyse automatisée de logs complexes et génération de rapports d’incidents via un assistant IA.

Jour 2 : L’IA comme Arme d’Attaque (Red Team) & Gouvernance

Module 3 :La face sombre de l’IA – Cybermenaces et ingénierie sociale de nouvelle génération

• Comment les attaquants contournent les restrictions des LLM (Prompt Injection, Jailbreaking).
• Industrialisation de l’ingénierie sociale : Phishing ciblé sans fautes d’orthographe et usurpation d’identité par Deepfake (audio/vidéo).
• Génération de code malveillant et scripts d’attaque automatisés.

Module 4 : Gouvernance, Risques et Shadow AI

• Les risques majeurs de fuite de données liés à l’usage de ChatGPT, Claude ou Copilot par les collaborateurs.
• Mise en place d’une charte d’utilisation de l’IA en entreprise.
• Introduction aux réglementations de sécurité (Focus sur l’EU AI Act).
• TP 2 : Simulation d’ingénierie sociale assistée par IA et audit de la surface d’exposition aux risques d’une entreprise fictive.

Évaluation de fin de session

• QCM de validation des connaissances en fin de formation ( 20 mn)

Profils des  formateurs Dnda Intervenants

• Quentin B : Consultant Expert : Spécialiste de la détection des menaces et de l’ingénierie sociale, expert dans l’intégration des outils d’IA au sein d’un SOC.

Autres formations disponibles en Intelligence artificiel

• Sécurisation des Applications IA et OWASP Top 10 pour LLM
• Architecturer et Développer une IA Souveraine : RAG et LLM locaux

L’article Fondamentaux de l’IA en cybersecurité est apparu en premier sur DNDA Formation.

• Qu’est-ce que Microsoft Copilot
• Bref historique et contexte de développement
• Les avantages de l’intelligence artificielle dans les outils de productivité
• Les principales fonctionnalités
• Intégration avec Microsoft 365
• Assistance dans Word, Excel, PowerPoint, etc.
• Automatisation des tâches courantes

2. Exploration des Outils Microsoft Copilot

• Copilot dans Microsoft Word
• Rédaction assistée
• Suggestions de reformulation et correction grammaticale
• Copilot dans Microsoft Excel
• Analyse de données
• Génération de formules et de graphiques

3. Cas Pratiques

• Cas Pratique 1 : Utilisation de Copilot dans Word
  Création d’un document professionnel
  Amélioration et reformulation de texte
• Cas Pratique 2 : Utilisation de Copilot dans Excel
  Analyse d’un jeu de données
  Création de rapports et graphiques automatisés
• Cas Pratique 3 : Utilisation de Copilot dans PowerPoint
  Élaboration d’une présentation à partir d’un modèle

4. Intégration de Microsoft Copilot dans les Processus de Travail
Étude de Cas

• Analyse d’un scénario réel où Microsoft Copilot peut être utilisé
• Discussion sur les gains de productivité et les meilleures pratiques
• Q&R sur l’intégration et les usages au quotidien

5. Conclusion et Évaluation

• Récapitulatif des points clés abordés
• Feedback des participants
• Questions et réponses finales
• Distribution des ressources supplémentaires et des contacts pour le support

Autres formations disponibles en Intelligence artificiel

• Maîtriser l’IA Générative en Entreprise 
• Sécurité des systèmes d’intelligence artificielle 
• Sécurité offensive et défensive des systèmes IA
• Fondamentaux de l’IA en cybersecurité

L’article Atelier Microsoft Copilot : Gagnez du Temps avec l’IA dans Office 365 est apparu en premier sur DNDA Formation.