COURS
IA et professions juridiques
Panorama des usages IA en contexte juridique, limites de l’IA générative et nécessité de la relecture humaine, confidentialité et souveraineté des données, obligations du AI Act pour les professions juridiques et construction d’un plan de littératie IA, avec un atelier combinant un cas pratique et un exercice de classification des risques.
- Identifier les usages pertinents de l’IA dans un contexte juridique
- Reconnaître les limites et les risques de l’IA générative appliquée au droit
- Comprendre les obligations du AI Act applicables aux professions juridiques, notamment l’Article 4
- Adopter une posture de vérification systématique face aux résultats produits par l’IA
- Construire un plan de littératie IA adapté à une équipe juridique
AI Act appliqué à l'ingénierie, la construction et l'immobilier
Rappel du cadre du AI Act, cas d’usage en ingénierie, construction et immobilier, classification des systèmes IA selon leur niveau de risque, mise à jour du Digital Omnibus et construction d’un plan de littératie IA, avec un atelier final de cartographie des systèmes IA.
- Comprendre l’obligation de littératie IA de l’Article 4 appliquée à l’ingénierie, la construction et l’immobilier
- Identifier et classifier les systèmes IA utilisés dans ces métiers selon le niveau de risque du AI Act
- Distinguer les usages IA porteurs de valeur immédiate des usages à encadrer avec prudence
- Construire un plan de littératie IA adapté à une équipe technique
- Suivre les évolutions réglementaires récentes et leur impact sur le calendrier de mise en conformité
Gouvernance documentaire des systèmes IA
Pourquoi documenter un système IA, exigences documentaires du AI Act selon le niveau de risque, structure d’une fiche de documentation technique, construction d’un registre des usages IA et répartition des rôles dans une PME, avec un atelier de rédaction d’une fiche de documentation et d’une entrée de registre.
- Comprendre les exigences documentaires du AI Act selon le niveau de risque d’un système
- Rédiger une fiche de documentation technique (model card) claire et complète
- Construire un registre des usages IA au sein d’une organisation
- Répartir les responsabilités de documentation sans créer de charge disproportionnée pour une PME
Construire des agents IA de production avec LangGraph
Panorama des frameworks d’agents et choix entre LangGraph et CrewAI, architecture d’un agent (état, mémoire, outils), construction d’un agent avec LangGraph, intégration d’API externes, traçabilité, points de contrôle humain et gestion des erreurs, avec un atelier de construction complète d’un agent multi-étapes.
- Comprendre les différences architecturales entre LangGraph et CrewAI et choisir l’outil adapté au contexte
- Construire un agent IA structuré avec gestion d’état et d’outils
- Intégrer des points de contrôle humain pour les décisions sensibles
- Mettre en place une traçabilité suffisante pour un usage réel
- Identifier les conditions nécessaires pour dépasser le stade de la démonstration
RAG en production
Mise à niveau rapide sur les fondations RAG, ce qui distingue un prototype d’un système en production, évaluation de la qualité des réponses, gestion du cycle de vie documentaire, arbitrages entre coûts et performance et souveraineté des données, avec un atelier d’industrialisation d’un pipeline RAG existant.
- Distinguer les exigences d’un prototype RAG de celles d’un système en production
- Évaluer la qualité et la fiabilité des réponses d’un système RAG
- Gérer le cycle de vie des documents sources dans un pipeline RAG
- Arbitrer entre coût, performance et souveraineté des données
- Industrialiser un pipeline RAG existant avec des tests de qualité
IA et détection des dérives de projet
Pourquoi les dérives sont difficiles à détecter tôt, sources de données mobilisables, notions d’analyse (séries temporelles, détection d’anomalies), construction d’indicateurs d’alerte précoce et façon de présenter les résultats sans juger les méthodes existantes, avec un atelier construisant un indicateur sous tableur puis en Python.
- Comprendre les sources de données mobilisables pour détecter des dérives de planning et de budget
- Construire des indicateurs d’alerte précoce à partir de données de projets passés
- Distinguer les situations où une méthode statistique simple suffit de celles qui justifient une approche plus complexe
- Présenter les résultats d’un outil de détection comme une aide à la décision, sans jugement sur les méthodes existantes
- Construire un premier indicateur de détection de dérive sur un cas concret
IA pour la finance et l'assurance
Adoption de l’IA dans le secteur financier luxembourgeois d’après la revue CSSF et BCL, cas d’usage réglementés (KYC, scoring de crédit, détection de fraude et de blanchiment), distinction entre risque perçu et risque réel au sens du AI Act, paysage des autorités compétentes (CSSF, CAA, CNPD) et lacunes de gouvernance fréquentes, avec un atelier d’évaluation d’un cas d’usage fictif.
- Comprendre l’état de l’adoption de l’IA dans le secteur financier luxembourgeois d’après la revue thématique CSSF / BCL
- Distinguer les cas d’usage réellement classés à haut risque par le AI Act de ceux perçus comme tels
- Identifier le rôle de chaque autorité compétente (CSSF, CAA, CNPD) selon le type d’établissement
- Repérer les lacunes de gouvernance les plus fréquentes dans les systèmes IA réglementés
- Évaluer un cas d’usage IA réglementé au regard des exigences applicables
Formations personnalisées
Quels que soient les besoins, nous sommes en mesure de mettre au point des programmes sur mesure, destinés aux décideurs, aux cadres et aux collaborateurs, en tenant compte de leurs objectifs et de leurs contraintes.
