Fiche de révision : Maîtrise des outils numériques professionnels

📌 L'essentiel

• L'IA évolue depuis 1956, passant de ses débuts à l'ère du cloud et de l'IA générative.
• Différence entre IA étroite (spécifique) et IA générative (créative).
• La loi de Moore prévoit un doublement de la puissance de traitement tous les 18-24 mois.
• Le prompt engineering optimise l'interaction avec l'IA en rédigeant des instructions précises.
• Power BI, Data Visualisation et storytelling sont clés pour la visualisation et la communication des données.
• Outils digitaux essentiels : gestion de projet, CRM, automatisation, collaboration.
• Cadre législatif nécessaire pour encadrer les risques liés à l'IA.

📖 Concepts clés

IA étroite : Intelligence artificielle conçue pour exécuter des tâches spécifiques sans capacités d’adaptation générale.
IA générative : Capable de créer du contenu (texte, image, son), imitant la créativité humaine.
Loi de Moore : La puissance de traitement double environ tous les 18-24 mois, favorisant la croissance exponentielle.
Data Visualisation : Technique de représentation graphique des données pour faciliter compréhension et prise de décision.
Storytelling en Data Viz : Utiliser une narration pour rendre les données plus impactantes et compréhensibles.

📐 Formules et lois

Loi de Moore : La capacité de traitement augmente exponentiellement $Capacité \propto 2^{\frac{n}{k}}$, où $n$ est le nombre de circuits, $k$ une constante.
Modèle d’apprentissage machine :

• Supervision : apprentissage à partir de données annotées ($L$ pour labelisé)
• Semi-supervision : combinaison de données annotées et non annotées
• Non supervision : apprentissage sans annotation

Principes de Gestalt :

• Position spatiale
• Longueur/Taille
• Couleur
• Orientation
• Forme
• Mouvement

7 éléments maximum : Limite pour éviter la surcharge cognitive lors de la visualisation.

🔍 Méthodes

1. Analyser besoins et parcours utilisateur.
2. Concevoir mockup ou wireframe pour la visualisation.
3. Rédiger un prompt selon la méthode C.R.A.F.T :
   • C : Context
   • R : Rôle
   • A : Action
   • F : Format
   • T : Ton
4. Vérifier la cohérence et la pertinence des résultats obtenus.
5. Exploiter outils (Power BI, Excel, plateformes BI) pour analyser et communiquer.

💡 Exemples

• Carte interactive pour suivre la propagation du choléra avec John Snow.
• Création express d’un site avec Bolt en 30 secondes.
• Génération de contenus (podcasts, fiches, rapports) via NotebookLM.
• Évolution de l’IA : de 1956 (première utilisation du terme) à l’ère du cloud et de l’IA générative (2022 avec ChatGPT).

⚠️ Pièges

• Surcharge cognitive : ne pas trop charger la visualisation.
• GIGO (Garbage In, Garbage Out) : l’importance de la qualité des données.
• Limites de la loi de Moore : ne pas en surestimer la croissance.
• Prompts mal formulés : réponses peu pertinentes.
• Question de vie privée : faire attention aux données utilisées, surtout gratuites.

📊 Synthèse comparative

✅ Checklist examen

• Comprendre l’évolution historique de l’IA.
• Différencier IA étroite et IA générative.
• Connaître la loi de Moore et ses implications.
• Maîtriser le processus de prompt engineering.
• Savoir utiliser Power BI et la data visualisation efficacement.
• Identifier les risques et cadre législatif liés à l’IA.
• Appliquer la méthode C.R.A.F.T pour rédiger des prompts.

Synthèse rapide

• L’introduction à l’IA dans le contexte professionnel couvre ses outils, ses évolutions, ses types, et ses enjeux législatifs.
• La progression de l’IA : de 1956 à l’ère cloud et IA générative.
• La différence entre IA étroite et IA générative.
• Le prompt engineering permet d’optimiser l’interaction avec l’IA.
• La data visualisation et le storytelling facilitent la compréhension et la communication des données.
• Les outils digitaux sont essentiels pour la gestion, l’analyse et la présentation des données.
• La maîtrise du cadre législatif est indispensable pour assurer une utilisation responsable de l’IA.