Au catalogue Mon Compte Formation
Liora - DataScientest - Création de contenus rédactionnels et visuels par l'usage responsable de l'intelligence artificielle générative
- Siège
- PARIS
- Tarif TTC au catalogue
- 1 600 €
- Format
- À distance annoncé
2 autres programmes documentés sur cette fiche.
Tarif, durée et format relevés au catalogue le 21/10/2026. Conditions à vérifier pour votre session. Voir la source
Les formations proposées
Parcours Prompt Engineer et No Code : modèles génératifs, prompts, outils, données et applications.
Pour comparer les parcours
Les programmes en détail
Objectifs annoncés par l’organisme et informations pratiques disponibles à la date de consultation. Demandez les conditions et les prochaines sessions dans votre devis.
Programme 1 · Catalogue officielLiora - DataScientest - Création de contenus rédactionnels et visuels par l'usage responsable de l'intelligence artificielle générativeDurée à confirmer · À distance disponible
Durée renseignéeÀ confirmer
Tarif TTC au catalogue1 600 €
Données du 21/10/2026. Les fourchettes regroupent les variantes du programme ; demandez le tarif de votre session et ce qu’il comprend.
Objectifs annoncés
- Définir la stratégie d'implémentation de l'intelligence artificielle générative en fonction du contexte professionnel et des outils existants d'IA Générative (ChatGPT, Google Gemini, Adobe Firefly, Microsoft Copilot), en identifiant les optimisations envisageables, afin d'en dégager…
Lire tous les objectifs annoncés
- Définir la stratégie d'implémentation de l'intelligence artificielle générative en fonction du contexte professionnel et des outils existants d'IA Générative (ChatGPT, Google Gemini, Adobe Firefly, Microsoft Copilot), en identifiant les optimisations envisageables, afin d'en dégager un plan stratégique d'intégration et d'installation des outils d'IA Générative sur le poste de travail.
- Utiliser de manière optimale les outils d'IA Générative en vue de créer des contenus rédactionnels et visuels adaptés à la demande initiale, accessibles aux personnes en situation de handicap et évitant tout risque de violation de la confidentialité des données dans un contexte professionnel.
- Évaluer et solutionner les problématiques éthiques et règlementaires liées à l'utilisation d'outils d'intelligence artificielle générative afin de créer des contenus respectant le cadre de l'IA Act et le Règlement Général sur la Protection des Données (RGPD).
- Utiliser de manière optimale les outils d'IA Générative en vue de créer des contenus rédactionnels et visuels adaptés à la demande initiale, accessibles aux personnes en situation de handicap et évitant tout risque de violation de la confidentialité des données dans un contexte professionnel.
- Évaluer et solutionner les problématiques éthiques et règlementaires liées à l'utilisation d'outils d'intelligence artificielle générative afin de créer des contenus respectant le cadre de l'IA Act et le Règlement Général sur la Protection des Données (RGPD).
Lire le contenu pédagogique déclaré
Programme
Jour 1 : Prompt Engineering
Masterclass 1 - Acculturation IA Generative | ChatGPT, prompts et bonnes pratiques
- Qu'est-ce que l'Intelligence Artificielle ?
- Les fondamentaux du Machine Learning et Deep Learning
- Les fondamentaux des modeles generatifs
- Qu'est-ce qu'un LLM ?
- Interface et principes cles
- Techniques de prompting
- Fonctionnalites de ChatGPT-4
- Exemples et mise en pratique
Masterclass 2 - Prise en main de Copilot et DALL-E
Demonstration Copilot
- Presentation des differents outils
- Demonstration sur un outil selectionne
- Difference Bot / Agent au sein de Copilot
Prise en main de DALL-E
- Fonctionnalites cles des generateurs d'images
- Bonnes pratiques de prompts pour les generateurs d'images
- Exemples et mise en pratique
Cours asynchrone - Preparation a l'etude de cas 1
- Identification des taches a optimiser
- Choix de l'outil d'IA Generative pour chaque tache
- Estimation des couts
Cours asynchrone - Preparation a l'etude de cas 2
- Introduction a l'IA Generative
- Techniques de prompting (One Shot, Few Shot, CoT)
- Parametres d'un LLM (Temperature, Top K, Top P, Max tokens)
Jour 2 : Automatisation de la creation de contenus
Masterclass 3 - Introduction API & cas pratique API
- Introduction aux APIs
- Utilisation de l'outil Postman
Masterclass 4 - Automatisation de la creation de contenus avec n8n et cas pratique
- Interface et fonctionnalites cles
- Exemple de workflow (ex : ChatGPT et Airtable)
- Automatisation de la creation de contenus pour les reseaux sociaux
- Cas pratique :
- Interface et fonctionnalites cles
- Creation de contenus inclusifs (adaptés aux personnes en situation de handicap cognitif)
Cours asynchrone - Preparation a l'etude de cas 3
- Risques compromettant la confidentialite des donnees
- Anonymisation des donnees
- Restriction d'acces et politique interne de securite numerique
- Les differents types de handicap
- Accessibilite pour les personnes en situation de handicap visuel
- Accessibilite pour les personnes en situation de handicap auditif
- Accessibilite pour les personnes en situation de handicap cognitif
- Optimisation des contenus
- Strategie d'optimisation
Optionnel
Cours asynchrone - n8n
- Interface et fonctionnalites cles
- Automatisation de taches, workflows et agents IA
Jour 3 : Preparation a l'examen
Jour 1 : Prompt Engineering
Masterclass 1 - Acculturation IA Generative | ChatGPT, prompts et bonnes pratiques
- Qu'est-ce que l'Intelligence Artificielle ?
- Les fondamentaux du Machine Learning et Deep Learning
- Les fondamentaux des modeles generatifs
- Qu'est-ce qu'un LLM ?
- Interface et principes cles
- Techniques de prompting
- Fonctionnalites de ChatGPT-4
- Exemples et mise en pratique
Masterclass 2 - Prise en main de Copilot et DALL-E
Demonstration Copilot
- Presentation des differents outils
- Demonstration sur un outil selectionne
- Difference Bot / Agent au sein de Copilot
Prise en main de DALL-E
- Fonctionnalites cles des generateurs d'images
- Bonnes pratiques de prompts pour les generateurs d'images
- Exemples et mise en pratique
Cours asynchrone - Preparation a l'etude de cas 1
- Identification des taches a optimiser
- Choix de l'outil d'IA Generative pour chaque tache
- Estimation des couts
Cours asynchrone - Preparation a l'etude de cas 2
- Introduction a l'IA Generative
- Techniques de prompting (One Shot, Few Shot, CoT)
- Parametres d'un LLM (Temperature, Top K, Top P, Max tokens)
Jour 2 : Automatisation de la creation de contenus
Masterclass 3 - Introduction API & cas pratique API
- Introduction aux APIs
- Utilisation de l'outil Postman
Masterclass 4 - Automatisation de la creation de contenus avec n8n et cas pratique
- Interface et fonctionnalites cles
- Exemple de workflow (ex : ChatGPT et Airtable)
- Automatisation de la creation de contenus pour les reseaux sociaux
- Cas pratique :
- Interface et fonctionnalites cles
- Creation de contenus inclusifs (adaptés aux personnes en situation de handicap cognitif)
Cours asynchrone - Preparation a l'etude de cas 3
- Risques compromettant la confidentialite des donnees
- Anonymisation des donnees
- Restriction d'acces et politique interne de securite numerique
- Les differents types de handicap
- Accessibilite pour les personnes en situation de handicap visuel
- Accessibilite pour les personnes en situation de handicap auditif
- Accessibilite pour les personnes en situation de handicap cognitif
- Optimisation des contenus
- Strategie d'optimisation
Optionnel
Cours asynchrone - n8n
- Interface et fonctionnalites cles
- Automatisation de taches, workflows et agents IA
Jour 3 : Preparation a l'examen
Source : Catalogue Mon Compte Formation · CDC / DGEFP · Licence Ouverte 2.0. Référencement au catalogue sans garantie de place disponible ou de financement.
Programme 2 · Catalogue officielLiora - DataScientest - Deep Learning Computer Vision / Natural Language processingDurée à confirmer · À distance disponible
Durée renseignéeÀ confirmer
Tarif TTC au catalogue7 990 €
Données du 21/10/2026. Les fourchettes regroupent les variantes du programme ; demandez le tarif de votre session et ce qu’il comprend.
Objectifs annoncés
La formation vise l'obtention du bloc de compétences 2 de la certification « Expert en ingénierie de l'intelligence artificielle » enregistrée au Répertoire National des Certifications Professionnelles sur décision du Directeur général de France Compétences…
Lire tous les objectifs annoncés
La formation vise l'obtention du bloc de compétences 2 de la certification « Expert en ingénierie de l'intelligence artificielle » enregistrée au Répertoire National des Certifications Professionnelles sur décision du Directeur général de France Compétences en date du 09-02-2024.
Le cursus est découpé en un tronc commun suivi de 2 parcours de spécialité : Computer Vision et Natural Language Processing.
Le parcours visant la validation du bloc de compétences s'articule avec le tronc commun suivi d'une spécialité.
Le cursus est découpé en un tronc commun suivi de 2 parcours de spécialité : Computer Vision et Natural Language Processing.
Le parcours visant la validation du bloc de compétences s'articule avec le tronc commun suivi d'une spécialité.
Lire le contenu pédagogique déclaré
1. Fondamentaux du Deep Learning
Keras
Réseaux de neurones convolutifs
2. TensorFlow et application
TensorFlow
Application sur la reconnaissance vocale
3. Deep Learning pour les séries temporelles
Prétraitement et ingénierie des caractéristiques
Régression et classification des séries temporelles
4. Méthodologie en Deep Learning et application
Deep Learning autour de la détection de visages
Spécialité Computer Vision :
1. Transfer Learning
Transfer Learning avec TensorFlow
2. Auto-encodeur, représentation vectorielle
Image embedding dans la reconnaissance faciale
3. Segmentation sémantique
Segmentation avec Tensorflow Application sur les systèmes d'océrisation
4. Détection d'objet
Détection d'objet en Deep Learning avec Tensorflow
Données en 3D en Computer Vision
5. Image Generation
Similitude de contenu et de style
Generative Adversarial Network (GAN)
Image impainting
Spécialité Natural Language Processing :
1. Text Mining
Fondamentaux, POS Tagging, Text Summarization
2. Word Embedding et application sur la Text Similarity
Fondamentaux
Text Similarity
3. Réseaux de neurones récurrents
Réseaux de neurones récurrents
Réseaux de neurones récurrents avancés avec TensorFlow
4. Transformers
Fondamentaux de Transformers sur TensorFlow
Keras
Réseaux de neurones convolutifs
2. TensorFlow et application
TensorFlow
Application sur la reconnaissance vocale
3. Deep Learning pour les séries temporelles
Prétraitement et ingénierie des caractéristiques
Régression et classification des séries temporelles
4. Méthodologie en Deep Learning et application
Deep Learning autour de la détection de visages
Spécialité Computer Vision :
1. Transfer Learning
Transfer Learning avec TensorFlow
2. Auto-encodeur, représentation vectorielle
Image embedding dans la reconnaissance faciale
3. Segmentation sémantique
Segmentation avec Tensorflow Application sur les systèmes d'océrisation
4. Détection d'objet
Détection d'objet en Deep Learning avec Tensorflow
Données en 3D en Computer Vision
5. Image Generation
Similitude de contenu et de style
Generative Adversarial Network (GAN)
Image impainting
Spécialité Natural Language Processing :
1. Text Mining
Fondamentaux, POS Tagging, Text Summarization
2. Word Embedding et application sur la Text Similarity
Fondamentaux
Text Similarity
3. Réseaux de neurones récurrents
Réseaux de neurones récurrents
Réseaux de neurones récurrents avancés avec TensorFlow
4. Transformers
Fondamentaux de Transformers sur TensorFlow
Source : Catalogue Mon Compte Formation · CDC / DGEFP · Licence Ouverte 2.0. Référencement au catalogue sans garantie de place disponible ou de financement.
Programme 3 · Catalogue officielLiora - DataScientest - Machine Learning Engineer RNCP38587Durée à confirmer · À distance disponible
Durée renseignéeÀ confirmer
Tarif TTC au catalogue12 990 €
Données du 21/10/2026. Les fourchettes regroupent les variantes du programme ; demandez le tarif de votre session et ce qu’il comprend.
Objectifs annoncés
Développer les compétences nécessaires à l'exercice du métier de Machine Learning Engineer et vise ainsi la validation de la certification RNCP38587 de niveau 7 "Expert en ingénierie de l'intelligence artificielle". délivrée par ANAPIJ et enregistrée…
Lire tous les objectifs annoncés
Développer les compétences nécessaires à l'exercice du métier de Machine Learning Engineer et vise ainsi la validation de la certification RNCP38587 de niveau 7 "Expert en ingénierie de l'intelligence artificielle". délivrée par ANAPIJ et enregistrée au Répertoire National des Certifications Professionnelles sur décision du Directeur général de France Compétences en date du 09-02-2024.
Ainsi au terme de la formation, l'apprenant sera capable de : Mesurer l'apport de l'intelligence artificielle dans la stratégie du système d'information de l'entreprise, élaborer et mettre en production des modèles et algorithmes d'analyse, de gestion et de traitement de la donnée, concevoir et piloter une infrastructure d'acquisition, de stockage, de traitement et de restitution de données et piloter un projet d'intelligence artificielle.
Ainsi au terme de la formation, l'apprenant sera capable de : Mesurer l'apport de l'intelligence artificielle dans la stratégie du système d'information de l'entreprise, élaborer et mettre en production des modèles et algorithmes d'analyse, de gestion et de traitement de la donnée, concevoir et piloter une infrastructure d'acquisition, de stockage, de traitement et de restitution de données et piloter un projet d'intelligence artificielle.
Lire le contenu pédagogique déclaré
1. Acculturation Data
Différentes sources et types de données
Fondamentaux Python
Manipulation de données avec Pandas
2. Data Product Management
Gestion de projet
Agilité
3. Chefferie de Projet
Ethique et RGPD
Projet pratique
Etude de cas
4. Fondamentaux de Python
Python pour la Data Science
Statistiques exploratoires
Data Quality
Programmation orientée objet
5. DataViz
Matplotlib
Seaborn
Plotly
6. Outils de programmation
Linux & Bash
Git & Github
Tests unitaires
AWS Cloud Practitioner
7. Machine Learning I
Classification
Régression
Clustering
8. Machine Learning II
Classification avancée
Systèmes de recommandation
Pipeline
9. Machine Learning III
Réduction de dimension
Séries temporelles
Détection d'anomalies
Reinforcement Learning
10. Machine Learning IV
Ethique & Interprétabilité en IA
MLflow
Text Mining
BeautifulSoup
Théorie des graphes avec NetworkX
11. Deep Learning
Computer Vision avec Open CV
Réseaux de neurones denses avec Keras
Réseaux de neurones convolutifs avec Keras
Tensorflow & Pytorch
12. Data Engineering
SQL
Fondamentaux des APIs
Fondamentaux de l'intégration de données
PySpark
13. Fondamentaux MLOps I
Streamlit
Docker
AWS Solution Architect
14. Fondamentaux MLOps II
Tests unitaires
FastAPI
15. Versioning & Isolation
DVC & Dagshub
Airflow
Jenkins
16. Deployment & model serving
BentoML
Prometheus & Grafana
MongoDB
Sécurisation des APIs
17. Scaling
Data Drift
Kubernetes
Flask
18. Orchestration Platform
ZenML
Weight & Biases
MLOps with Azure & GCP
Différentes sources et types de données
Fondamentaux Python
Manipulation de données avec Pandas
2. Data Product Management
Gestion de projet
Agilité
3. Chefferie de Projet
Ethique et RGPD
Projet pratique
Etude de cas
4. Fondamentaux de Python
Python pour la Data Science
Statistiques exploratoires
Data Quality
Programmation orientée objet
5. DataViz
Matplotlib
Seaborn
Plotly
6. Outils de programmation
Linux & Bash
Git & Github
Tests unitaires
AWS Cloud Practitioner
7. Machine Learning I
Classification
Régression
Clustering
8. Machine Learning II
Classification avancée
Systèmes de recommandation
Pipeline
9. Machine Learning III
Réduction de dimension
Séries temporelles
Détection d'anomalies
Reinforcement Learning
10. Machine Learning IV
Ethique & Interprétabilité en IA
MLflow
Text Mining
BeautifulSoup
Théorie des graphes avec NetworkX
11. Deep Learning
Computer Vision avec Open CV
Réseaux de neurones denses avec Keras
Réseaux de neurones convolutifs avec Keras
Tensorflow & Pytorch
12. Data Engineering
SQL
Fondamentaux des APIs
Fondamentaux de l'intégration de données
PySpark
13. Fondamentaux MLOps I
Streamlit
Docker
AWS Solution Architect
14. Fondamentaux MLOps II
Tests unitaires
FastAPI
15. Versioning & Isolation
DVC & Dagshub
Airflow
Jenkins
16. Deployment & model serving
BentoML
Prometheus & Grafana
MongoDB
Sécurisation des APIs
17. Scaling
Data Drift
Kubernetes
Flask
18. Orchestration Platform
ZenML
Weight & Biases
MLOps with Azure & GCP
Source : Catalogue Mon Compte Formation · CDC / DGEFP · Licence Ouverte 2.0. Référencement au catalogue sans garantie de place disponible ou de financement.
Les sujets mentionnés dans les programmes
Un sujet peut être abordé dans un parcours plus large. Consultez le contenu de l’offre pour connaître son périmètre.
Explorer les prestataires du secteur
À savoir avant de choisir
- Pour qui
- Apprenants individuels et professionnels.
- Format
- Entièrement à distance, temps partiel sur huit semaines.
- Zone annoncée
- À distance ; siège à Paris.
Identité du prestataire
- Raison sociale
- DATASCIENTEST (LIORA)
- SIREN
- 831450069
- Siège administratif
- PARIS
Le siège administratif n’est pas nécessairement le lieu de formation.
Vérifier les informations
Sources utilisées pour documenter cette fiche ; vérifiez les conditions à jour dans le cadre de votre demande de devis.
- Offre publiée par le prestataire
- Identité et rattachement de l’activité
- Registre : SIREN et état administratif
Fiche informative issue de sources publiques. Le référencement ne vaut pas partenariat.