Cours · Ouverture des cours et des parcours disponibles
Cours capstone premium pour finaliser le parcours AI Engineer : cadrer, construire, évaluer, sécuriser, déployer, documenter et défendre un produit IA end-to-end.
Données pédagogiques publiées
Aucun objectif pédagogique n’est publié pour ce cours. Les titres de leçons ne sont pas transformés automatiquement en promesses d’apprentissage.
Structure publiée
1 module(s) · 25 leçon(s)
25 leçon(s) · 2h 5min
Définir le mandat produit IA et le problème à résoudre
Capstone : formaliser le besoin, les utilisateurs, la décision visée et les limites du produit IA.
Construire la matrice parties prenantes, risques et valeur
Capstone : relier sponsors, utilisateurs, personnes concernées, risques et bénéfices mesurables.
Écrire les critères de succès, d’échec et de non-déploiement
Capstone : définir des seuils qui bloquent, autorisent ou limitent la publication.
Constituer le portfolio de preuves du capstone
Capstone : organiser les preuves techniques, sécurité, conformité, UX et business attendues par le jury.
Planifier le projet avec jalons, décisions et responsabilités
Capstone : découper le travail, attribuer les owners, tracer les décisions et réduire le risque de dérive.
Cartographier données, corpus, prompts, modèles et dépendances
Capstone : inventorier les actifs IA, droits, versions, owners, limites et dépendances critiques.
Concevoir l’architecture RAG, agent ou LLM selon le besoin
Capstone : choisir rationnellement entre LLM simple, RAG, agent, voice ou workflow hybride.
Définir les contrats API, JSON, erreurs et états produit
Capstone : spécifier entrées, sorties, statuts, erreurs, abstention, revue humaine et audit trail.
Préparer la stratégie de données, confidentialité et accès
Capstone : appliquer minimisation, finalité, ACL, conservation, redaction et tenants.
Créer les ADR et arbitrages d’architecture
Capstone : documenter choix, alternatives, risques, compromis et conséquences opérationnelles.
Structurer le dépôt, les tests et les environnements
Capstone : mettre en place une architecture de dépôt lisible, testable et réutilisable.
Implémenter le service IA provider-neutral
Capstone : séparer métier, adaptateur fournisseur, validation, retry, coûts et traces.
Construire l’expérience utilisateur et la supervision humaine
Capstone : concevoir confirmation, explication, statut, fallback, accessibilité et human-in-the-loop.
Créer le jeu d’évaluation, golden set et métriques produit
Capstone : mesurer utilité, format, sécurité, hallucination, retrieval, coût et latence.
Réaliser une démonstration MVP avec erreurs contrôlées
Capstone : montrer le cas nominal, les cas limites, les refus, les erreurs et les preuves générées.
Modéliser les menaces et exécuter un red teaming ciblé
Capstone : tester injection, exfiltration, tool abuse, RAG hostile, coût DoS et overreliance.
Définir release gates, CI/CD, rollback et kill switch
Capstone : mettre en place critères de promotion, rollback, canary, versioning et arrêt d’urgence.
Mettre en place observabilité, monitoring et runbook
Capstone : suivre traces, logs filtrés, métriques, incidents, coûts, feedback et postmortem.
Produire le dossier RGPD, AI Act, NIST et OWASP
Capstone : documenter minimisation, finalité, transparence, supervision humaine, risques et contrôles.
Conduire une revue de préproduction avec décision documentée
Capstone : rassembler preuves, seuils, owners et arbitrer go, no-go ou staging-only.
Rédiger le case study portfolio orienté impact
Capstone : raconter le projet avec problème, architecture, métriques, risques, limites et résultats.
Préparer la démo live et le script de soutenance
Capstone : organiser la démonstration pour prouver fonctionnalité, robustesse, sécurité et valeur.
Répondre aux questions jury et défendre les compromis
Capstone : justifier les choix techniques, éthiques, sécurité, coûts, limites et non-déploiement.
Transformer le capstone en preuves d’employabilité
Capstone : adapter CV, LinkedIn, pitch, portfolio et entretien à partir des preuves du projet.
Finaliser handover, maintenance et amélioration continue
Capstone : transmettre runbook, backlog, risques résiduels, ownership et plan de monitoring continu.
Les ressources du cours sont disponibles après validation de l’accès au contenu.