Projet Intelligence Artificielle : de l’idée à la solution
Construire un projet d’Intelligence Artificielle ne consiste pas à ajouter automatiquement un LLM ou un modèle complexe à une application. Un projet cohérent part d’abord d’un problème. Il faut ensuite déterminer quelles données, quels modèles et quelle architecture sont réellement adaptés. Le Bachelor CAFP × EIESTP développe progressivement ces compétences avant un projet professionnel intégrateur de 20 heures.
Construire un projet d’Intelligence Artificielle ne consiste pas à ajouter automatiquement un LLM ou un modèle complexe à une application. Un projet cohérent part d’abord d’un problème. Il faut ensuite déterminer quelles données, quels modèles et quelle architecture sont réellement adaptés. Le Bachelor CAFP × EIESTP développe progressivement ces compétences avant un projet professionnel intégrateur de 20 heures.
1. Partir d’un besoin
La première question n’est pas :
« Quelle technologie utiliser ? »
Mais plutôt :
« Quel problème cherche-t-on à résoudre ? »
Cette distinction évite de choisir une technologie avant même d’avoir défini l’objectif.
2. Identifier les informations nécessaires
Selon le projet, la solution peut dépendre de données structurées, de textes ou d’autres informations.
Le Bachelor construit d’abord un socle Data avec Python, statistiques, préparation, exploration et visualisation.
3. Choisir une approche adaptée
Le programme permet progressivement d’aborder plusieurs familles de technologies :
Un projet n’a pas besoin de toutes les utiliser.
- Machine Learning ;
- Deep Learning ;
- NLP ;
- IA générative ;
- LLM ;
- RAG ;
- systèmes de recommandation.
4. Construire et évaluer
Le bloc Machine Learning comprend explicitement l’évaluation et l’amélioration des modèles.
Cette logique est essentielle : une solution IA ne doit pas uniquement fonctionner techniquement, elle doit aussi être examinée par rapport à l’objectif poursuivi.
5. Quand utiliser un LLM ?
Lorsqu’un projet implique le traitement ou la génération de langage, un Large Language Model peut constituer l’un des composants possibles.
Le Bachelor consacre 40 heures à l’IA générative et aux LLM.
6. Quand envisager un RAG ?
Lorsqu’une application doit récupérer des informations externes pertinentes avant de générer une réponse, une architecture RAG peut être envisagée.
Le Bachelor aborde recherche sémantique, RAG, assistants et agents IA dans un bloc de 35 heures.
7. Comment intégrer la solution ?
Une solution IA peut devoir communiquer avec une application ou un autre système.
Le Bachelor prévoit donc un bloc de 20 heures consacré à l’industrialisation et au déploiement.
Il comprend :
- déploiement des modèles ;
- API et intégration ;
- introduction au MLOps.
8. Finaliser par un projet professionnel
Le dernier bloc du cursus est consacré à :
conception → réalisation pratique → présentation.
Il permet ainsi de mobiliser plusieurs compétences développées au cours des 300 heures du Bachelor.
Faut-il obligatoirement utiliser l’IA générative ?
Non.
Un projet doit utiliser les technologies adaptées au problème.
Employer un LLM ou un agent IA sans besoin réel peut ajouter une complexité inutile.
Le CAFP impose-t-il exactement ces huit étapes ?
La page publique ne publie pas une méthodologie officielle en huit étapes.
Cette structure sert ici à expliquer pédagogiquement comment les différents blocs du programme peuvent s’articuler.
FAQ — Intelligence Artificielle & Science des Données
Un projet professionnel est-il prévu ?
Oui, 20 heures.
Le RAG est-il étudié avant le projet ?
Oui, selon l’ordre publié du programme.
Le déploiement est-il enseigné ?
Oui.
Les API sont-elles abordées ?
Oui.
Chaque projet doit-il utiliser un LLM ?
Non.
Le projet comprend-il une présentation ?
Oui.
Consultez la page principale de cette filière pour retrouver la durée, les conditions d’admission et les informations de préinscription.