{ "$schema": "https://ar-tik.com/data/schemas/courses-catalog.schema.json", "generatedAt": "2026-07-02", "publisher": "Artik Lab s.r.l.", "canonicalDomain": "https://ar-tik.com", "locale": "fr", "language": "fr", "catalog": { "title": "Cours d'IA pour entreprises: choisir le bon parcours", "description": "Catalogue de cours d'IA pour entreprises: parcours introductifs, managériaux, opérationnels et techniques conçus avec DTR autour des rôles, processus et résultats attendus.", "urls": { "html": "https://ar-tik.com/fr/cours/", "markdown": "https://ar-tik.com/fr/cours/index.md", "dossier": "https://ar-tik.com/fr/cours/index-dossier.md" } }, "courses": [ { "id": "workflow-redesign", "locale": "fr", "language": "fr", "family": "foundation", "familyLabel": "Fondamental", "featured": true, "title": "AI Workflow Redesign Lab", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à refonte des flux de travail, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à refonte des flux de travail, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "8 heures, modulables en 2 ou 4 sessions", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "all", "profileDescription": "Pour équipes d'entreprise, fonctions opérationnelles et managers; aucune programmation requise.", "problem": "Beaucoup d'entreprises abordent refonte des flux de travail par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour équipes d'entreprise, fonctions opérationnelles et managers; aucune programmation requise.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur refonte des flux de travail et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur refonte des flux de travail et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Cartographier le travail réel", "description": "Activités, décisions, passages d'information et goulots d'étranglement." }, { "title": "Évaluer le potentiel IA", "description": "Impact, faisabilité, risque, qualité des données et niveau de contrôle." }, { "title": "Repenser le flux de travail", "description": "Rôles, entrées, sorties, revues, escalade et traçabilité." }, { "title": "Passer à l'adoption", "description": "Métriques, gouvernance minimale, roadmap et responsabilité opérationnelle." } ], "exercises": [ "Cartographier un processus réaliste lié à refonte des flux de travail.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour refonte des flux de travail.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Aucune programmation requise. La connaissance du processus métier est utile.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour refonte des flux de travail.", "searchIntents": [ "cours AI d'entreprise sur refonte des flux de travail", "formation pratique pour AI Workflow Redesign Lab", "training AI pour workflows d'entreprise", "parcours Artik Lab pour Canvas opérationnel pour refonte des flux de travail", "comment introduire refonte des flux de travail dans les processus d'entreprise" ], "needSignals": [ "refonte des flux de travail est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à refonte des flux de travail absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour refonte des flux de travail." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur refonte des flux de travail, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour refonte des flux de travail." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si refonte des flux de travail mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne refonte des flux de travail, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'utiliser comme point de départ lorsqu'il n'est pas encore clair quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "managing-ai", "ai-literacy", "ai-governance", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/fr/cours/workflow-redesign.html", "markdown": "https://ar-tik.com/fr/cours/workflow-redesign.md", "dossier": "https://ar-tik.com/fr/cours/workflow-redesign-dossier.md", "json": "https://ar-tik.com/fr/cours/workflow-redesign.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "managing-ai", "locale": "fr", "language": "fr", "family": "managerial", "familyLabel": "Managérial", "featured": false, "title": "Managing AI", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à adoption managériale de l'IA, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à adoption managériale de l'IA, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "4 heures, 2 sessions de 2 heures", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "mixed", "profileDescription": "Pour managers et équipes non techniques; aucune programmation requise.", "problem": "Beaucoup d'entreprises abordent adoption managériale de l'IA par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour managers et équipes non techniques; aucune programmation requise.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur adoption managériale de l'IA et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur adoption managériale de l'IA et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Compréhension partagée", "description": "Capacités, limites, responsabilités et implications métier." }, { "title": "Évaluation des cas d'usage", "description": "Valeur, faisabilité, risque, données et responsabilité." }, { "title": "Gouvernance et qualité", "description": "Règles, revue, escalade et décisions responsables." }, { "title": "Roadmap d'adoption", "description": "Priorités, compétences, métriques et prochaines étapes." } ], "exercises": [ "Cartographier un processus réaliste lié à adoption managériale de l'IA.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour adoption managériale de l'IA.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Aucune programmation requise. La connaissance du processus métier est utile.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour adoption managériale de l'IA.", "searchIntents": [ "cours AI d'entreprise sur adoption managériale de l'IA", "formation pratique pour Managing AI", "training AI pour managers et fonctions métier", "parcours Artik Lab pour Canvas opérationnel pour adoption managériale de l'IA", "comment introduire adoption managériale de l'IA dans les processus d'entreprise" ], "needSignals": [ "adoption managériale de l'IA est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à adoption managériale de l'IA absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour adoption managériale de l'IA." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur adoption managériale de l'IA, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour adoption managériale de l'IA." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si adoption managériale de l'IA mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne adoption managériale de l'IA, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "ai-governance", "ai-adoption-manager", "ai-business-case-roi" ], "urls": { "html": "https://ar-tik.com/fr/cours/managing-ai.html", "markdown": "https://ar-tik.com/fr/cours/managing-ai.md", "dossier": "https://ar-tik.com/fr/cours/managing-ai-dossier.md", "json": "https://ar-tik.com/fr/cours/managing-ai.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "managing-ai-general", "locale": "fr", "language": "fr", "family": "managerial", "familyLabel": "Managérial", "featured": false, "title": "Managing AI pour équipes mixtes", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à alignement IA interfonctionnel, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à alignement IA interfonctionnel, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "4 heures, 2 sessions de 2 heures", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "mixed", "profileDescription": "Pour managers et équipes non techniques; aucune programmation requise.", "problem": "Beaucoup d'entreprises abordent alignement IA interfonctionnel par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour managers et équipes non techniques; aucune programmation requise.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur alignement IA interfonctionnel et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur alignement IA interfonctionnel et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Compréhension partagée", "description": "Capacités, limites, responsabilités et implications métier." }, { "title": "Évaluation des cas d'usage", "description": "Valeur, faisabilité, risque, données et responsabilité." }, { "title": "Gouvernance et qualité", "description": "Règles, revue, escalade et décisions responsables." }, { "title": "Roadmap d'adoption", "description": "Priorités, compétences, métriques et prochaines étapes." } ], "exercises": [ "Cartographier un processus réaliste lié à alignement IA interfonctionnel.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour alignement IA interfonctionnel.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Aucune programmation requise. La connaissance du processus métier est utile.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour alignement IA interfonctionnel.", "searchIntents": [ "cours AI d'entreprise sur alignement IA interfonctionnel", "formation pratique pour Managing AI pour équipes mixtes", "training AI pour managers et fonctions métier", "parcours Artik Lab pour Canvas opérationnel pour alignement IA interfonctionnel", "comment introduire alignement IA interfonctionnel dans les processus d'entreprise" ], "needSignals": [ "alignement IA interfonctionnel est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à alignement IA interfonctionnel absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour alignement IA interfonctionnel." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur alignement IA interfonctionnel, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour alignement IA interfonctionnel." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si alignement IA interfonctionnel mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne alignement IA interfonctionnel, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "ai-governance", "ai-adoption-manager", "ai-business-case-roi" ], "urls": { "html": "https://ar-tik.com/fr/cours/managing-ai-general.html", "markdown": "https://ar-tik.com/fr/cours/managing-ai-general.md", "dossier": "https://ar-tik.com/fr/cours/managing-ai-general-dossier.md", "json": "https://ar-tik.com/fr/cours/managing-ai-general.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "ai-governance", "locale": "fr", "language": "fr", "family": "managerial", "familyLabel": "Managérial", "featured": false, "title": "Gouvernance IA opérationnelle", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à gouvernance IA opérationnelle, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à gouvernance IA opérationnelle, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "4 heures, 2 sessions de 2 heures", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "mixed", "profileDescription": "Pour managers et équipes non techniques; aucune programmation requise.", "problem": "Beaucoup d'entreprises abordent gouvernance IA opérationnelle par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour managers et équipes non techniques; aucune programmation requise.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur gouvernance IA opérationnelle et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur gouvernance IA opérationnelle et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Compréhension partagée", "description": "Capacités, limites, responsabilités et implications métier." }, { "title": "Évaluation des cas d'usage", "description": "Valeur, faisabilité, risque, données et responsabilité." }, { "title": "Gouvernance et qualité", "description": "Règles, revue, escalade et décisions responsables." }, { "title": "Roadmap d'adoption", "description": "Priorités, compétences, métriques et prochaines étapes." } ], "exercises": [ "Cartographier un processus réaliste lié à gouvernance IA opérationnelle.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour gouvernance IA opérationnelle.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Aucune programmation requise. La connaissance du processus métier est utile.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour gouvernance IA opérationnelle.", "searchIntents": [ "cours AI d'entreprise sur gouvernance IA opérationnelle", "formation pratique pour Gouvernance IA opérationnelle", "training AI pour managers et fonctions métier", "parcours Artik Lab pour Canvas opérationnel pour gouvernance IA opérationnelle", "comment introduire gouvernance IA opérationnelle dans les processus d'entreprise" ], "needSignals": [ "gouvernance IA opérationnelle est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à gouvernance IA opérationnelle absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour gouvernance IA opérationnelle." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur gouvernance IA opérationnelle, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour gouvernance IA opérationnelle." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si gouvernance IA opérationnelle mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne gouvernance IA opérationnelle, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "ai-adoption-manager", "ai-business-case-roi" ], "urls": { "html": "https://ar-tik.com/fr/cours/ai-governance.html", "markdown": "https://ar-tik.com/fr/cours/ai-governance.md", "dossier": "https://ar-tik.com/fr/cours/ai-governance-dossier.md", "json": "https://ar-tik.com/fr/cours/ai-governance.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "ai-business-case-roi", "locale": "fr", "language": "fr", "family": "managerial", "familyLabel": "Managérial", "featured": false, "title": "AI Business Case & ROI Sprint", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à business case et ROI de l'IA, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à business case et ROI de l'IA, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "4 heures ou sprint d'une demi-journée", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "mixed", "profileDescription": "Pour managers et équipes non techniques; aucune programmation requise.", "problem": "Beaucoup d'entreprises abordent business case et ROI de l'IA par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour managers et équipes non techniques; aucune programmation requise.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur business case et ROI de l'IA et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur business case et ROI de l'IA et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Compréhension partagée", "description": "Capacités, limites, responsabilités et implications métier." }, { "title": "Évaluation des cas d'usage", "description": "Valeur, faisabilité, risque, données et responsabilité." }, { "title": "Gouvernance et qualité", "description": "Règles, revue, escalade et décisions responsables." }, { "title": "Roadmap d'adoption", "description": "Priorités, compétences, métriques et prochaines étapes." } ], "exercises": [ "Cartographier un processus réaliste lié à business case et ROI de l'IA.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour business case et ROI de l'IA.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Aucune programmation requise. La connaissance du processus métier est utile.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour business case et ROI de l'IA.", "searchIntents": [ "cours AI d'entreprise sur business case et ROI de l'IA", "formation pratique pour AI Business Case & ROI Sprint", "training AI pour managers et fonctions métier", "parcours Artik Lab pour Canvas opérationnel pour business case et ROI de l'IA", "comment introduire business case et ROI de l'IA dans les processus d'entreprise" ], "needSignals": [ "business case et ROI de l'IA est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à business case et ROI de l'IA absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour business case et ROI de l'IA." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur business case et ROI de l'IA, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour business case et ROI de l'IA." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si business case et ROI de l'IA mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne business case et ROI de l'IA, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "ai-governance", "ai-adoption-manager" ], "urls": { "html": "https://ar-tik.com/fr/cours/ai-business-case-roi.html", "markdown": "https://ar-tik.com/fr/cours/ai-business-case-roi.md", "dossier": "https://ar-tik.com/fr/cours/ai-business-case-roi-dossier.md", "json": "https://ar-tik.com/fr/cours/ai-business-case-roi.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "ai-adoption-manager", "locale": "fr", "language": "fr", "family": "managerial", "familyLabel": "Managérial", "featured": false, "title": "AI Adoption Manager / AI Champions", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à champions d'adoption IA, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à champions d'adoption IA, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "6-8 heures, modulables", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "all", "profileDescription": "Pour équipes d'entreprise, fonctions opérationnelles et managers; aucune programmation requise.", "problem": "Beaucoup d'entreprises abordent champions d'adoption IA par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour équipes d'entreprise, fonctions opérationnelles et managers; aucune programmation requise.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur champions d'adoption IA et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur champions d'adoption IA et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Compréhension partagée", "description": "Capacités, limites, responsabilités et implications métier." }, { "title": "Évaluation des cas d'usage", "description": "Valeur, faisabilité, risque, données et responsabilité." }, { "title": "Gouvernance et qualité", "description": "Règles, revue, escalade et décisions responsables." }, { "title": "Roadmap d'adoption", "description": "Priorités, compétences, métriques et prochaines étapes." } ], "exercises": [ "Cartographier un processus réaliste lié à champions d'adoption IA.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour champions d'adoption IA.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Aucune programmation requise. La connaissance du processus métier est utile.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour champions d'adoption IA.", "searchIntents": [ "cours AI d'entreprise sur champions d'adoption IA", "formation pratique pour AI Adoption Manager / AI Champions", "training AI pour managers et fonctions métier", "parcours Artik Lab pour Canvas opérationnel pour champions d'adoption IA", "comment introduire champions d'adoption IA dans les processus d'entreprise" ], "needSignals": [ "champions d'adoption IA est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à champions d'adoption IA absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour champions d'adoption IA." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur champions d'adoption IA, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour champions d'adoption IA." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si champions d'adoption IA mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne champions d'adoption IA, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "ai-governance", "ai-business-case-roi" ], "urls": { "html": "https://ar-tik.com/fr/cours/ai-adoption-manager.html", "markdown": "https://ar-tik.com/fr/cours/ai-adoption-manager.md", "dossier": "https://ar-tik.com/fr/cours/ai-adoption-manager-dossier.md", "json": "https://ar-tik.com/fr/cours/ai-adoption-manager.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "ai-literacy", "locale": "fr", "language": "fr", "family": "managerial", "familyLabel": "Managérial", "featured": false, "title": "AI Literacy par rôle et usage responsable", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à culture IA par rôle, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à culture IA par rôle, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "4-8 heures, adaptables par rôle", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "all", "profileDescription": "Pour équipes d'entreprise, fonctions opérationnelles et managers; aucune programmation requise.", "problem": "Beaucoup d'entreprises abordent culture IA par rôle par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour équipes d'entreprise, fonctions opérationnelles et managers; aucune programmation requise.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur culture IA par rôle et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur culture IA par rôle et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Compréhension partagée", "description": "Capacités, limites, responsabilités et implications métier." }, { "title": "Évaluation des cas d'usage", "description": "Valeur, faisabilité, risque, données et responsabilité." }, { "title": "Gouvernance et qualité", "description": "Règles, revue, escalade et décisions responsables." }, { "title": "Roadmap d'adoption", "description": "Priorités, compétences, métriques et prochaines étapes." } ], "exercises": [ "Cartographier un processus réaliste lié à culture IA par rôle.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour culture IA par rôle.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Aucune programmation requise. La connaissance du processus métier est utile.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour culture IA par rôle.", "searchIntents": [ "cours AI d'entreprise sur culture IA par rôle", "formation pratique pour AI Literacy par rôle et usage responsable", "training AI pour managers et fonctions métier", "parcours Artik Lab pour Canvas opérationnel pour culture IA par rôle", "comment introduire culture IA par rôle dans les processus d'entreprise" ], "needSignals": [ "culture IA par rôle est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à culture IA par rôle absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour culture IA par rôle." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur culture IA par rôle, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour culture IA par rôle." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si culture IA par rôle mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne culture IA par rôle, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "ai-governance", "ai-adoption-manager", "ai-business-case-roi" ], "urls": { "html": "https://ar-tik.com/fr/cours/ai-literacy.html", "markdown": "https://ar-tik.com/fr/cours/ai-literacy.md", "dossier": "https://ar-tik.com/fr/cours/ai-literacy-dossier.md", "json": "https://ar-tik.com/fr/cours/ai-literacy.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "ai-documenti", "locale": "fr", "language": "fr", "family": "intro", "familyLabel": "Introductif", "featured": false, "title": "Cours AI: gérer les documents avec l'AI", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à gestion documentaire, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à gestion documentaire, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "8 heures, personnalisables", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "all", "profileDescription": "Pour équipes d'entreprise, fonctions opérationnelles et managers; aucune programmation requise.", "problem": "Beaucoup d'entreprises abordent gestion documentaire par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour équipes d'entreprise, fonctions opérationnelles et managers; aucune programmation requise.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur gestion documentaire et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur gestion documentaire et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Contexte de travail", "description": "Documents, canaux, tâches et décisions récurrentes." }, { "title": "Usage pratique de l'IA", "description": "Instructions, exemples, critères de revue et limites." }, { "title": "Flux réutilisable", "description": "Modèles, checklists, passages et contrôles." }, { "title": "Adoption sûre", "description": "Données, confidentialité, qualité et prochaines étapes." } ], "exercises": [ "Cartographier un processus réaliste lié à gestion documentaire.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour gestion documentaire.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Aucune programmation requise. La connaissance du processus métier est utile.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour gestion documentaire.", "searchIntents": [ "cours AI d'entreprise sur gestion documentaire", "formation pratique pour Cours AI: gérer les documents avec l'AI", "training AI pour équipes opérationnelles", "parcours Artik Lab pour Canvas opérationnel pour gestion documentaire", "comment introduire gestion documentaire dans les processus d'entreprise" ], "needSignals": [ "gestion documentaire est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à gestion documentaire absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour gestion documentaire." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur gestion documentaire, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour gestion documentaire." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si gestion documentaire mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne gestion documentaire, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "ai-literacy", "secure-ai-at-work", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/fr/cours/ai-documenti.html", "markdown": "https://ar-tik.com/fr/cours/ai-documenti.md", "dossier": "https://ar-tik.com/fr/cours/ai-documenti-dossier.md", "json": "https://ar-tik.com/fr/cours/ai-documenti.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "ai-marketing", "locale": "fr", "language": "fr", "family": "intro", "familyLabel": "Introductif", "featured": false, "title": "Cours AI: marketing et communication AI driven", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à marketing et communication, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à marketing et communication, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "8 heures, personnalisables", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "all", "profileDescription": "Pour équipes d'entreprise, fonctions opérationnelles et managers; aucune programmation requise.", "problem": "Beaucoup d'entreprises abordent marketing et communication par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour équipes d'entreprise, fonctions opérationnelles et managers; aucune programmation requise.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur marketing et communication et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur marketing et communication et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Contexte de travail", "description": "Documents, canaux, tâches et décisions récurrentes." }, { "title": "Usage pratique de l'IA", "description": "Instructions, exemples, critères de revue et limites." }, { "title": "Flux réutilisable", "description": "Modèles, checklists, passages et contrôles." }, { "title": "Adoption sûre", "description": "Données, confidentialité, qualité et prochaines étapes." } ], "exercises": [ "Cartographier un processus réaliste lié à marketing et communication.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour marketing et communication.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Aucune programmation requise. La connaissance du processus métier est utile.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour marketing et communication.", "searchIntents": [ "cours AI d'entreprise sur marketing et communication", "formation pratique pour Cours AI: marketing et communication AI driven", "training AI pour équipes opérationnelles", "parcours Artik Lab pour Canvas opérationnel pour marketing et communication", "comment introduire marketing et communication dans les processus d'entreprise" ], "needSignals": [ "marketing et communication est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à marketing et communication absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour marketing et communication." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur marketing et communication, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour marketing et communication." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si marketing et communication mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne marketing et communication, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "ai-literacy", "secure-ai-at-work", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/fr/cours/ai-marketing.html", "markdown": "https://ar-tik.com/fr/cours/ai-marketing.md", "dossier": "https://ar-tik.com/fr/cours/ai-marketing-dossier.md", "json": "https://ar-tik.com/fr/cours/ai-marketing.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "ai-vendite", "locale": "fr", "language": "fr", "family": "intro", "familyLabel": "Introductif", "featured": false, "title": "Cours AI: vente B2C et B2B avec l'AI", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à vente B2B et B2C, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à vente B2B et B2C, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "8 heures, personnalisables", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "all", "profileDescription": "Pour équipes d'entreprise, fonctions opérationnelles et managers; aucune programmation requise.", "problem": "Beaucoup d'entreprises abordent vente B2B et B2C par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour équipes d'entreprise, fonctions opérationnelles et managers; aucune programmation requise.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur vente B2B et B2C et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur vente B2B et B2C et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Contexte de travail", "description": "Documents, canaux, tâches et décisions récurrentes." }, { "title": "Usage pratique de l'IA", "description": "Instructions, exemples, critères de revue et limites." }, { "title": "Flux réutilisable", "description": "Modèles, checklists, passages et contrôles." }, { "title": "Adoption sûre", "description": "Données, confidentialité, qualité et prochaines étapes." } ], "exercises": [ "Cartographier un processus réaliste lié à vente B2B et B2C.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour vente B2B et B2C.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Aucune programmation requise. La connaissance du processus métier est utile.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour vente B2B et B2C.", "searchIntents": [ "cours AI d'entreprise sur vente B2B et B2C", "formation pratique pour Cours AI: vente B2C et B2B avec l'AI", "training AI pour équipes opérationnelles", "parcours Artik Lab pour Canvas opérationnel pour vente B2B et B2C", "comment introduire vente B2B et B2C dans les processus d'entreprise" ], "needSignals": [ "vente B2B et B2C est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à vente B2B et B2C absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour vente B2B et B2C." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur vente B2B et B2C, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour vente B2B et B2C." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si vente B2B et B2C mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne vente B2B et B2C, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "ai-literacy", "secure-ai-at-work", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/fr/cours/ai-vendite.html", "markdown": "https://ar-tik.com/fr/cours/ai-vendite.md", "dossier": "https://ar-tik.com/fr/cours/ai-vendite-dossier.md", "json": "https://ar-tik.com/fr/cours/ai-vendite.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "ai-admin-finance", "locale": "fr", "language": "fr", "family": "operational", "familyLabel": "Opérationnel", "featured": false, "title": "AI pour administration et contrôle de gestion", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à administration et contrôle de gestion, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à administration et contrôle de gestion, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "4-6 heures, personnalisables", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "mixed", "profileDescription": "Pour managers et équipes non techniques; aucune programmation requise.", "problem": "Beaucoup d'entreprises abordent administration et contrôle de gestion par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour managers et équipes non techniques; aucune programmation requise.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur administration et contrôle de gestion et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur administration et contrôle de gestion et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Carte du processus", "description": "Travail récurrent, documents, décisions, exceptions et passages." }, { "title": "Résultats assistés par IA", "description": "Synthèses, classifications, brouillons, rapports et checklists." }, { "title": "Contrôles du flux", "description": "Revue, escalade, traçabilité et responsabilité." }, { "title": "Adoption opérationnelle", "description": "Métriques, supports, routines et gouvernance." } ], "exercises": [ "Cartographier un processus réaliste lié à administration et contrôle de gestion.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour administration et contrôle de gestion.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Aucune programmation requise. La connaissance du processus métier est utile.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour administration et contrôle de gestion.", "searchIntents": [ "cours AI d'entreprise sur administration et contrôle de gestion", "formation pratique pour AI pour administration et contrôle de gestion", "training AI pour fonctions opérationnelles", "parcours Artik Lab pour Canvas opérationnel pour administration et contrôle de gestion", "comment introduire administration et contrôle de gestion dans les processus d'entreprise" ], "needSignals": [ "administration et contrôle de gestion est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à administration et contrôle de gestion absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour administration et contrôle de gestion." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur administration et contrôle de gestion, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour administration et contrôle de gestion." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si administration et contrôle de gestion mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne administration et contrôle de gestion, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "managing-ai-general", "ai-governance", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/fr/cours/ai-admin-finance.html", "markdown": "https://ar-tik.com/fr/cours/ai-admin-finance.md", "dossier": "https://ar-tik.com/fr/cours/ai-admin-finance-dossier.md", "json": "https://ar-tik.com/fr/cours/ai-admin-finance.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "ai-operations", "locale": "fr", "language": "fr", "family": "operational", "familyLabel": "Opérationnel", "featured": false, "title": "AI Operations", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à opérations et coordination des processus, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à opérations et coordination des processus, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "4 heures, 2 sessions de 2 heures", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "mixed", "profileDescription": "Pour managers et équipes non techniques; aucune programmation requise.", "problem": "Beaucoup d'entreprises abordent opérations et coordination des processus par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour managers et équipes non techniques; aucune programmation requise.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur opérations et coordination des processus et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur opérations et coordination des processus et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Carte du processus", "description": "Travail récurrent, documents, décisions, exceptions et passages." }, { "title": "Résultats assistés par IA", "description": "Synthèses, classifications, brouillons, rapports et checklists." }, { "title": "Contrôles du flux", "description": "Revue, escalade, traçabilité et responsabilité." }, { "title": "Adoption opérationnelle", "description": "Métriques, supports, routines et gouvernance." } ], "exercises": [ "Cartographier un processus réaliste lié à opérations et coordination des processus.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour opérations et coordination des processus.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Aucune programmation requise. La connaissance du processus métier est utile.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour opérations et coordination des processus.", "searchIntents": [ "cours AI d'entreprise sur opérations et coordination des processus", "formation pratique pour AI Operations", "training AI pour fonctions opérationnelles", "parcours Artik Lab pour Canvas opérationnel pour opérations et coordination des processus", "comment introduire opérations et coordination des processus dans les processus d'entreprise" ], "needSignals": [ "opérations et coordination des processus est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à opérations et coordination des processus absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour opérations et coordination des processus." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur opérations et coordination des processus, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour opérations et coordination des processus." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si opérations et coordination des processus mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne opérations et coordination des processus, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "managing-ai-general", "ai-governance", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/fr/cours/ai-operations.html", "markdown": "https://ar-tik.com/fr/cours/ai-operations.md", "dossier": "https://ar-tik.com/fr/cours/ai-operations-dossier.md", "json": "https://ar-tik.com/fr/cours/ai-operations.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "ai-legal-ops", "locale": "fr", "language": "fr", "family": "operational", "familyLabel": "Opérationnel", "featured": false, "title": "AI Legal Ops et conformité documentaire", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à legal ops et conformité documentaire, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à legal ops et conformité documentaire, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "4-6 heures, personnalisables", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "mixed", "profileDescription": "Pour managers et équipes non techniques; aucune programmation requise.", "problem": "Beaucoup d'entreprises abordent legal ops et conformité documentaire par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour managers et équipes non techniques; aucune programmation requise.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur legal ops et conformité documentaire et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur legal ops et conformité documentaire et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Carte du processus", "description": "Travail récurrent, documents, décisions, exceptions et passages." }, { "title": "Résultats assistés par IA", "description": "Synthèses, classifications, brouillons, rapports et checklists." }, { "title": "Contrôles du flux", "description": "Revue, escalade, traçabilité et responsabilité." }, { "title": "Adoption opérationnelle", "description": "Métriques, supports, routines et gouvernance." } ], "exercises": [ "Cartographier un processus réaliste lié à legal ops et conformité documentaire.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour legal ops et conformité documentaire.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Aucune programmation requise. La connaissance du processus métier est utile.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour legal ops et conformité documentaire.", "searchIntents": [ "cours AI d'entreprise sur legal ops et conformité documentaire", "formation pratique pour AI Legal Ops et conformité documentaire", "training AI pour fonctions opérationnelles", "parcours Artik Lab pour Canvas opérationnel pour legal ops et conformité documentaire", "comment introduire legal ops et conformité documentaire dans les processus d'entreprise" ], "needSignals": [ "legal ops et conformité documentaire est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à legal ops et conformité documentaire absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour legal ops et conformité documentaire." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur legal ops et conformité documentaire, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour legal ops et conformité documentaire." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si legal ops et conformité documentaire mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne legal ops et conformité documentaire, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "managing-ai-general", "ai-governance", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/fr/cours/ai-legal-ops.html", "markdown": "https://ar-tik.com/fr/cours/ai-legal-ops.md", "dossier": "https://ar-tik.com/fr/cours/ai-legal-ops-dossier.md", "json": "https://ar-tik.com/fr/cours/ai-legal-ops.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "ai-procurement", "locale": "fr", "language": "fr", "family": "operational", "familyLabel": "Opérationnel", "featured": false, "title": "AI pour procurement et supplier intelligence", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à procurement et supplier intelligence, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à procurement et supplier intelligence, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "4-6 heures, personnalisables", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "mixed", "profileDescription": "Pour managers et équipes non techniques; aucune programmation requise.", "problem": "Beaucoup d'entreprises abordent procurement et supplier intelligence par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour managers et équipes non techniques; aucune programmation requise.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur procurement et supplier intelligence et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur procurement et supplier intelligence et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Carte du processus", "description": "Travail récurrent, documents, décisions, exceptions et passages." }, { "title": "Résultats assistés par IA", "description": "Synthèses, classifications, brouillons, rapports et checklists." }, { "title": "Contrôles du flux", "description": "Revue, escalade, traçabilité et responsabilité." }, { "title": "Adoption opérationnelle", "description": "Métriques, supports, routines et gouvernance." } ], "exercises": [ "Cartographier un processus réaliste lié à procurement et supplier intelligence.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour procurement et supplier intelligence.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Aucune programmation requise. La connaissance du processus métier est utile.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour procurement et supplier intelligence.", "searchIntents": [ "cours AI d'entreprise sur procurement et supplier intelligence", "formation pratique pour AI pour procurement et supplier intelligence", "training AI pour fonctions opérationnelles", "parcours Artik Lab pour Canvas opérationnel pour procurement et supplier intelligence", "comment introduire procurement et supplier intelligence dans les processus d'entreprise" ], "needSignals": [ "procurement et supplier intelligence est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à procurement et supplier intelligence absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour procurement et supplier intelligence." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur procurement et supplier intelligence, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour procurement et supplier intelligence." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si procurement et supplier intelligence mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne procurement et supplier intelligence, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "managing-ai-general", "ai-governance", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/fr/cours/ai-procurement.html", "markdown": "https://ar-tik.com/fr/cours/ai-procurement.md", "dossier": "https://ar-tik.com/fr/cours/ai-procurement-dossier.md", "json": "https://ar-tik.com/fr/cours/ai-procurement.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "ai-customer-service", "locale": "fr", "language": "fr", "family": "operational", "familyLabel": "Opérationnel", "featured": false, "title": "AI pour service client et triage de tickets", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à service client et triage de tickets, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à service client et triage de tickets, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "4-6 heures, personnalisables", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "mixed", "profileDescription": "Pour managers et équipes non techniques; aucune programmation requise.", "problem": "Beaucoup d'entreprises abordent service client et triage de tickets par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour managers et équipes non techniques; aucune programmation requise.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur service client et triage de tickets et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur service client et triage de tickets et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Carte du processus", "description": "Travail récurrent, documents, décisions, exceptions et passages." }, { "title": "Résultats assistés par IA", "description": "Synthèses, classifications, brouillons, rapports et checklists." }, { "title": "Contrôles du flux", "description": "Revue, escalade, traçabilité et responsabilité." }, { "title": "Adoption opérationnelle", "description": "Métriques, supports, routines et gouvernance." } ], "exercises": [ "Cartographier un processus réaliste lié à service client et triage de tickets.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour service client et triage de tickets.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Aucune programmation requise. La connaissance du processus métier est utile.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour service client et triage de tickets.", "searchIntents": [ "cours AI d'entreprise sur service client et triage de tickets", "formation pratique pour AI pour service client et triage de tickets", "training AI pour fonctions opérationnelles", "parcours Artik Lab pour Canvas opérationnel pour service client et triage de tickets", "comment introduire service client et triage de tickets dans les processus d'entreprise" ], "needSignals": [ "service client et triage de tickets est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à service client et triage de tickets absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour service client et triage de tickets." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur service client et triage de tickets, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour service client et triage de tickets." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si service client et triage de tickets mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne service client et triage de tickets, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "managing-ai-general", "ai-governance", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/fr/cours/ai-customer-service.html", "markdown": "https://ar-tik.com/fr/cours/ai-customer-service.md", "dossier": "https://ar-tik.com/fr/cours/ai-customer-service-dossier.md", "json": "https://ar-tik.com/fr/cours/ai-customer-service.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "ai-quality-management", "locale": "fr", "language": "fr", "family": "operational", "familyLabel": "Opérationnel", "featured": false, "title": "AI pour qualité et non-conformités", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à qualité et non-conformités, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à qualité et non-conformités, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "4-6 heures, personnalisables", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "mixed", "profileDescription": "Pour managers et équipes non techniques; aucune programmation requise.", "problem": "Beaucoup d'entreprises abordent qualité et non-conformités par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour managers et équipes non techniques; aucune programmation requise.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur qualité et non-conformités et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur qualité et non-conformités et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Carte du processus", "description": "Travail récurrent, documents, décisions, exceptions et passages." }, { "title": "Résultats assistés par IA", "description": "Synthèses, classifications, brouillons, rapports et checklists." }, { "title": "Contrôles du flux", "description": "Revue, escalade, traçabilité et responsabilité." }, { "title": "Adoption opérationnelle", "description": "Métriques, supports, routines et gouvernance." } ], "exercises": [ "Cartographier un processus réaliste lié à qualité et non-conformités.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour qualité et non-conformités.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Aucune programmation requise. La connaissance du processus métier est utile.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour qualité et non-conformités.", "searchIntents": [ "cours AI d'entreprise sur qualité et non-conformités", "formation pratique pour AI pour qualité et non-conformités", "training AI pour fonctions opérationnelles", "parcours Artik Lab pour Canvas opérationnel pour qualité et non-conformités", "comment introduire qualité et non-conformités dans les processus d'entreprise" ], "needSignals": [ "qualité et non-conformités est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à qualité et non-conformités absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour qualité et non-conformités." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur qualité et non-conformités, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour qualité et non-conformités." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si qualité et non-conformités mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne qualité et non-conformités, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "managing-ai-general", "ai-governance", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/fr/cours/ai-quality-management.html", "markdown": "https://ar-tik.com/fr/cours/ai-quality-management.md", "dossier": "https://ar-tik.com/fr/cours/ai-quality-management-dossier.md", "json": "https://ar-tik.com/fr/cours/ai-quality-management.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "ai-people-ops", "locale": "fr", "language": "fr", "family": "operational", "familyLabel": "Opérationnel", "featured": false, "title": "AI People Ops", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à People Ops et processus RH, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à People Ops et processus RH, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "4-6 heures, personnalisables", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "mixed", "profileDescription": "Pour managers et équipes non techniques; aucune programmation requise.", "problem": "Beaucoup d'entreprises abordent People Ops et processus RH par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour managers et équipes non techniques; aucune programmation requise.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur People Ops et processus RH et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur People Ops et processus RH et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Carte du processus", "description": "Travail récurrent, documents, décisions, exceptions et passages." }, { "title": "Résultats assistés par IA", "description": "Synthèses, classifications, brouillons, rapports et checklists." }, { "title": "Contrôles du flux", "description": "Revue, escalade, traçabilité et responsabilité." }, { "title": "Adoption opérationnelle", "description": "Métriques, supports, routines et gouvernance." } ], "exercises": [ "Cartographier un processus réaliste lié à People Ops et processus RH.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour People Ops et processus RH.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Aucune programmation requise. La connaissance du processus métier est utile.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour People Ops et processus RH.", "searchIntents": [ "cours AI d'entreprise sur People Ops et processus RH", "formation pratique pour AI People Ops", "training AI pour fonctions opérationnelles", "parcours Artik Lab pour Canvas opérationnel pour People Ops et processus RH", "comment introduire People Ops et processus RH dans les processus d'entreprise" ], "needSignals": [ "People Ops et processus RH est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à People Ops et processus RH absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour People Ops et processus RH." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur People Ops et processus RH, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour People Ops et processus RH." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si People Ops et processus RH mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne People Ops et processus RH, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "managing-ai-general", "ai-governance", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/fr/cours/ai-people-ops.html", "markdown": "https://ar-tik.com/fr/cours/ai-people-ops.md", "dossier": "https://ar-tik.com/fr/cours/ai-people-ops-dossier.md", "json": "https://ar-tik.com/fr/cours/ai-people-ops.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "ai-brand-voice", "locale": "fr", "language": "fr", "family": "operational", "familyLabel": "Opérationnel", "featured": false, "title": "AI Brand Voice et communication", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à brand voice et communication, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à brand voice et communication, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "4 heures, 2 sessions de 2 heures", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "mixed", "profileDescription": "Pour managers et équipes non techniques; aucune programmation requise.", "problem": "Beaucoup d'entreprises abordent brand voice et communication par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour managers et équipes non techniques; aucune programmation requise.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur brand voice et communication et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur brand voice et communication et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Carte du processus", "description": "Travail récurrent, documents, décisions, exceptions et passages." }, { "title": "Résultats assistés par IA", "description": "Synthèses, classifications, brouillons, rapports et checklists." }, { "title": "Contrôles du flux", "description": "Revue, escalade, traçabilité et responsabilité." }, { "title": "Adoption opérationnelle", "description": "Métriques, supports, routines et gouvernance." } ], "exercises": [ "Cartographier un processus réaliste lié à brand voice et communication.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour brand voice et communication.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Aucune programmation requise. La connaissance du processus métier est utile.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour brand voice et communication.", "searchIntents": [ "cours AI d'entreprise sur brand voice et communication", "formation pratique pour AI Brand Voice et communication", "training AI pour fonctions opérationnelles", "parcours Artik Lab pour Canvas opérationnel pour brand voice et communication", "comment introduire brand voice et communication dans les processus d'entreprise" ], "needSignals": [ "brand voice et communication est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à brand voice et communication absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour brand voice et communication." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur brand voice et communication, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour brand voice et communication." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si brand voice et communication mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne brand voice et communication, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "managing-ai-general", "ai-governance", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/fr/cours/ai-brand-voice.html", "markdown": "https://ar-tik.com/fr/cours/ai-brand-voice.md", "dossier": "https://ar-tik.com/fr/cours/ai-brand-voice-dossier.md", "json": "https://ar-tik.com/fr/cours/ai-brand-voice.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "embeddings", "locale": "fr", "language": "fr", "family": "technical", "familyLabel": "Technique", "featured": false, "title": "Recherche sémantique et bases de connaissance AI", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à recherche sémantique et bases de connaissance, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à recherche sémantique et bases de connaissance, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "60-90 minuti o modulo breve", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "technical", "profileDescription": "Pour équipes techniques avec bases de programmation et d'architecture logicielle.", "problem": "Beaucoup d'entreprises abordent recherche sémantique et bases de connaissance par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour équipes techniques avec bases de programmation et d'architecture logicielle.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur recherche sémantique et bases de connaissance et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur recherche sémantique et bases de connaissance et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Architecture et exigences", "description": "Objectifs, frontières, données, services et hypothèses de risque." }, { "title": "Construction et intégration", "description": "Flux techniques, interfaces, contexte, permissions et tests." }, { "title": "Évaluation et qualité", "description": "Métriques, revue, tests de régression et modes d'échec." }, { "title": "Production et gouvernance", "description": "Supervision, sécurité, audit, coûts et maintenance." } ], "exercises": [ "Cartographier un processus réaliste lié à recherche sémantique et bases de connaissance.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour recherche sémantique et bases de connaissance.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Une familiarité technique de base avec software, données ou architecture système est recommandée.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour recherche sémantique et bases de connaissance.", "searchIntents": [ "cours AI d'entreprise sur recherche sémantique et bases de connaissance", "formation pratique pour Recherche sémantique et bases de connaissance AI", "training AI pour équipes techniques", "parcours Artik Lab pour Canvas opérationnel pour recherche sémantique et bases de connaissance", "comment introduire recherche sémantique et bases de connaissance dans les processus d'entreprise" ], "needSignals": [ "recherche sémantique et bases de connaissance est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à recherche sémantique et bases de connaissance absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour recherche sémantique et bases de connaissance." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur recherche sémantique et bases de connaissance, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour recherche sémantique et bases de connaissance." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si recherche sémantique et bases de connaissance mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne recherche sémantique et bases de connaissance, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "secure-ai-sdlc", "rag-engineering", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/fr/cours/embeddings.html", "markdown": "https://ar-tik.com/fr/cours/embeddings.md", "dossier": "https://ar-tik.com/fr/cours/embeddings-dossier.md", "json": "https://ar-tik.com/fr/cours/embeddings.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "rag-engineering", "locale": "fr", "language": "fr", "family": "technical", "familyLabel": "Technique", "featured": false, "title": "RAG Engineering pour systèmes AI fiables", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à RAG engineering, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à RAG engineering, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "5 heures, 2 sessions de 2,5 heures", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "technical", "profileDescription": "Pour équipes techniques avec bases de programmation et d'architecture logicielle.", "problem": "Beaucoup d'entreprises abordent RAG engineering par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour équipes techniques avec bases de programmation et d'architecture logicielle.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur RAG engineering et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur RAG engineering et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Architecture et exigences", "description": "Objectifs, frontières, données, services et hypothèses de risque." }, { "title": "Construction et intégration", "description": "Flux techniques, interfaces, contexte, permissions et tests." }, { "title": "Évaluation et qualité", "description": "Métriques, revue, tests de régression et modes d'échec." }, { "title": "Production et gouvernance", "description": "Supervision, sécurité, audit, coûts et maintenance." } ], "exercises": [ "Cartographier un processus réaliste lié à RAG engineering.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour RAG engineering.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Une familiarité technique de base avec software, données ou architecture système est recommandée.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour RAG engineering.", "searchIntents": [ "cours AI d'entreprise sur RAG engineering", "formation pratique pour RAG Engineering pour systèmes AI fiables", "training AI pour équipes techniques", "parcours Artik Lab pour Canvas opérationnel pour RAG engineering", "comment introduire RAG engineering dans les processus d'entreprise" ], "needSignals": [ "RAG engineering est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à RAG engineering absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour RAG engineering." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur RAG engineering, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour RAG engineering." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si RAG engineering mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne RAG engineering, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "secure-ai-sdlc", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/fr/cours/rag-engineering.html", "markdown": "https://ar-tik.com/fr/cours/rag-engineering.md", "dossier": "https://ar-tik.com/fr/cours/rag-engineering-dossier.md", "json": "https://ar-tik.com/fr/cours/rag-engineering.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "ai-coding-agents", "locale": "fr", "language": "fr", "family": "technical", "familyLabel": "Technique", "featured": false, "title": "AI Coding Agents pour équipes software", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à agents IA pour le coding, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à agents IA pour le coding, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "4 heures, 2 sessions de 2 heures", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "technical", "profileDescription": "Pour équipes techniques avec bases de programmation et d'architecture logicielle.", "problem": "Beaucoup d'entreprises abordent agents IA pour le coding par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour équipes techniques avec bases de programmation et d'architecture logicielle.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur agents IA pour le coding et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur agents IA pour le coding et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Architecture et exigences", "description": "Objectifs, frontières, données, services et hypothèses de risque." }, { "title": "Construction et intégration", "description": "Flux techniques, interfaces, contexte, permissions et tests." }, { "title": "Évaluation et qualité", "description": "Métriques, revue, tests de régression et modes d'échec." }, { "title": "Production et gouvernance", "description": "Supervision, sécurité, audit, coûts et maintenance." } ], "exercises": [ "Cartographier un processus réaliste lié à agents IA pour le coding.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour agents IA pour le coding.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Une familiarité technique de base avec software, données ou architecture système est recommandée.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour agents IA pour le coding.", "searchIntents": [ "cours AI d'entreprise sur agents IA pour le coding", "formation pratique pour AI Coding Agents pour équipes software", "training AI pour équipes techniques", "parcours Artik Lab pour Canvas opérationnel pour agents IA pour le coding", "comment introduire agents IA pour le coding dans les processus d'entreprise" ], "needSignals": [ "agents IA pour le coding est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à agents IA pour le coding absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour agents IA pour le coding." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur agents IA pour le coding, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour agents IA pour le coding." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si agents IA pour le coding mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne agents IA pour le coding, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "secure-ai-sdlc", "rag-engineering", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/fr/cours/ai-coding-agents.html", "markdown": "https://ar-tik.com/fr/cours/ai-coding-agents.md", "dossier": "https://ar-tik.com/fr/cours/ai-coding-agents-dossier.md", "json": "https://ar-tik.com/fr/cours/ai-coding-agents.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "ai-software-engineering", "locale": "fr", "language": "fr", "family": "technical", "familyLabel": "Technique", "featured": false, "title": "AI Software Engineering", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à ingénierie logicielle avec IA, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à ingénierie logicielle avec IA, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "5 heures, 2 sessions de 2,5 heures", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "technical", "profileDescription": "Pour équipes techniques avec bases de programmation et d'architecture logicielle.", "problem": "Beaucoup d'entreprises abordent ingénierie logicielle avec IA par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour équipes techniques avec bases de programmation et d'architecture logicielle.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur ingénierie logicielle avec IA et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur ingénierie logicielle avec IA et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Architecture et exigences", "description": "Objectifs, frontières, données, services et hypothèses de risque." }, { "title": "Construction et intégration", "description": "Flux techniques, interfaces, contexte, permissions et tests." }, { "title": "Évaluation et qualité", "description": "Métriques, revue, tests de régression et modes d'échec." }, { "title": "Production et gouvernance", "description": "Supervision, sécurité, audit, coûts et maintenance." } ], "exercises": [ "Cartographier un processus réaliste lié à ingénierie logicielle avec IA.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour ingénierie logicielle avec IA.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Une familiarité technique de base avec software, données ou architecture système est recommandée.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour ingénierie logicielle avec IA.", "searchIntents": [ "cours AI d'entreprise sur ingénierie logicielle avec IA", "formation pratique pour AI Software Engineering", "training AI pour équipes techniques", "parcours Artik Lab pour Canvas opérationnel pour ingénierie logicielle avec IA", "comment introduire ingénierie logicielle avec IA dans les processus d'entreprise" ], "needSignals": [ "ingénierie logicielle avec IA est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à ingénierie logicielle avec IA absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour ingénierie logicielle avec IA." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur ingénierie logicielle avec IA, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour ingénierie logicielle avec IA." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si ingénierie logicielle avec IA mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne ingénierie logicielle avec IA, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "secure-ai-sdlc", "rag-engineering", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/fr/cours/ai-software-engineering.html", "markdown": "https://ar-tik.com/fr/cours/ai-software-engineering.md", "dossier": "https://ar-tik.com/fr/cours/ai-software-engineering-dossier.md", "json": "https://ar-tik.com/fr/cours/ai-software-engineering.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "secure-ai-sdlc", "locale": "fr", "language": "fr", "family": "technical", "familyLabel": "Technique", "featured": false, "title": "Secure AI SDLC", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à cycle de vie sécurisé pour logiciel avec IA, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à cycle de vie sécurisé pour logiciel avec IA, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "4-6 heures, personnalisables", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "technical", "profileDescription": "Pour équipes techniques avec bases de programmation et d'architecture logicielle.", "problem": "Beaucoup d'entreprises abordent cycle de vie sécurisé pour logiciel avec IA par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour équipes techniques avec bases de programmation et d'architecture logicielle.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur cycle de vie sécurisé pour logiciel avec IA et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur cycle de vie sécurisé pour logiciel avec IA et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Architecture et exigences", "description": "Objectifs, frontières, données, services et hypothèses de risque." }, { "title": "Construction et intégration", "description": "Flux techniques, interfaces, contexte, permissions et tests." }, { "title": "Évaluation et qualité", "description": "Métriques, revue, tests de régression et modes d'échec." }, { "title": "Production et gouvernance", "description": "Supervision, sécurité, audit, coûts et maintenance." } ], "exercises": [ "Cartographier un processus réaliste lié à cycle de vie sécurisé pour logiciel avec IA.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour cycle de vie sécurisé pour logiciel avec IA.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Une familiarité technique de base avec software, données ou architecture système est recommandée.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour cycle de vie sécurisé pour logiciel avec IA.", "searchIntents": [ "cours AI d'entreprise sur cycle de vie sécurisé pour logiciel avec IA", "formation pratique pour Secure AI SDLC", "training AI pour équipes techniques", "parcours Artik Lab pour Canvas opérationnel pour cycle de vie sécurisé pour logiciel avec IA", "comment introduire cycle de vie sécurisé pour logiciel avec IA dans les processus d'entreprise" ], "needSignals": [ "cycle de vie sécurisé pour logiciel avec IA est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à cycle de vie sécurisé pour logiciel avec IA absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour cycle de vie sécurisé pour logiciel avec IA." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur cycle de vie sécurisé pour logiciel avec IA, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour cycle de vie sécurisé pour logiciel avec IA." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si cycle de vie sécurisé pour logiciel avec IA mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne cycle de vie sécurisé pour logiciel avec IA, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "rag-engineering", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/fr/cours/secure-ai-sdlc.html", "markdown": "https://ar-tik.com/fr/cours/secure-ai-sdlc.md", "dossier": "https://ar-tik.com/fr/cours/secure-ai-sdlc-dossier.md", "json": "https://ar-tik.com/fr/cours/secure-ai-sdlc.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "secure-ai-at-work", "locale": "fr", "language": "fr", "family": "managerial", "familyLabel": "Managérial", "featured": false, "title": "Secure AI at Work", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à usage sécurisé de l'IA au travail, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à usage sécurisé de l'IA au travail, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "4 heures, adaptables par fonction", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "all", "profileDescription": "Pour équipes d'entreprise, fonctions opérationnelles et managers; aucune programmation requise.", "problem": "Beaucoup d'entreprises abordent usage sécurisé de l'IA au travail par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour équipes d'entreprise, fonctions opérationnelles et managers; aucune programmation requise.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur usage sécurisé de l'IA au travail et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur usage sécurisé de l'IA au travail et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Compréhension partagée", "description": "Capacités, limites, responsabilités et implications métier." }, { "title": "Évaluation des cas d'usage", "description": "Valeur, faisabilité, risque, données et responsabilité." }, { "title": "Gouvernance et qualité", "description": "Règles, revue, escalade et décisions responsables." }, { "title": "Roadmap d'adoption", "description": "Priorités, compétences, métriques et prochaines étapes." } ], "exercises": [ "Cartographier un processus réaliste lié à usage sécurisé de l'IA au travail.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour usage sécurisé de l'IA au travail.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Aucune programmation requise. La connaissance du processus métier est utile.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour usage sécurisé de l'IA au travail.", "searchIntents": [ "cours AI d'entreprise sur usage sécurisé de l'IA au travail", "formation pratique pour Secure AI at Work", "training AI pour managers et fonctions métier", "parcours Artik Lab pour Canvas opérationnel pour usage sécurisé de l'IA au travail", "comment introduire usage sécurisé de l'IA au travail dans les processus d'entreprise" ], "needSignals": [ "usage sécurisé de l'IA au travail est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à usage sécurisé de l'IA au travail absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour usage sécurisé de l'IA au travail." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur usage sécurisé de l'IA au travail, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour usage sécurisé de l'IA au travail." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si usage sécurisé de l'IA au travail mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne usage sécurisé de l'IA au travail, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "ai-governance", "ai-adoption-manager", "ai-business-case-roi" ], "urls": { "html": "https://ar-tik.com/fr/cours/secure-ai-at-work.html", "markdown": "https://ar-tik.com/fr/cours/secure-ai-at-work.md", "dossier": "https://ar-tik.com/fr/cours/secure-ai-at-work-dossier.md", "json": "https://ar-tik.com/fr/cours/secure-ai-at-work.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } }, { "id": "ai-output-quality", "locale": "fr", "language": "fr", "family": "managerial", "familyLabel": "Managérial", "featured": false, "title": "AI Output Quality & Human Review", "subtitle": "Cours d'entreprise pratique pour appliquer l'IA à qualité des résultats IA et revue humaine, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "summary": "Cours d'entreprise pratique pour appliquer l'IA à qualité des résultats IA et revue humaine, avec exercices sur travail réaliste, supports réutilisables et critères de gouvernance clairs.", "duration": "4-6 heures, personnalisables", "mode": "Laboratoire en présentiel ou en ligne, avec exercices guidés et matériaux adaptés au client.", "profile": "all", "profileDescription": "Pour équipes d'entreprise, fonctions opérationnelles et managers; aucune programmation requise.", "problem": "Beaucoup d'entreprises abordent qualité des résultats IA et revue humaine par expérimentations dispersées: quelques instructions, quelques utilisateurs motivés et beaucoup de doutes sur données, qualité et responsabilité. Le cours transforme cette incertitude en méthode opérationnelle. Les participants travaillent sur des scénarios réalistes, apprennent où l'IA aide, où la revue humaine reste essentielle et comment rendre la pratique répétable.", "audience": "Pour équipes d'entreprise, fonctions opérationnelles et managers; aucune programmation requise.", "whenToChoose": "Choisir ce cours lorsque l'entreprise veut progresser concrètement sur qualité des résultats IA et revue humaine et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "chooseIf": "Quand l'entreprise veut progresser concrètement sur qualité des résultats IA et revue humaine et a besoin d'une formation qui produit des flux de travail utilisables, pas de théorie abstraite.", "outcomes": [ "Cartographier le travail et les décisions où l'IA peut réduire les frictions.", "Construire instructions, checklists et critères de revue.", "Identifier limites de données, confidentialité et responsabilité.", "Créer des exemples réutilisables pour l'équipe.", "Définir les prochaines étapes d'adoption et de gouvernance." ], "modules": [ { "title": "Compréhension partagée", "description": "Capacités, limites, responsabilités et implications métier." }, { "title": "Évaluation des cas d'usage", "description": "Valeur, faisabilité, risque, données et responsabilité." }, { "title": "Gouvernance et qualité", "description": "Règles, revue, escalade et décisions responsables." }, { "title": "Roadmap d'adoption", "description": "Priorités, compétences, métriques et prochaines étapes." } ], "exercises": [ "Cartographier un processus réaliste lié à qualité des résultats IA et revue humaine.", "Créer des résultats assistés par IA et les revoir de façon critique.", "Définir points d'escalade et revue humaine.", "Construire une checklist réutilisable pour le quotidien." ], "materials": [ "Canvas opérationnel pour qualité des résultats IA et revue humaine.", "Modèles d'instructions.", "Checklist qualité et confidentialité.", "Matrice risque/contrôle.", "Notes d'adoption pour l'équipe." ], "privacy": "Le cours utilise des supports synthétiques, publics, anonymisés ou approuvés par le client. Il explique comment minimiser l'exposition des données, protéger les informations confidentielles, vérifier les résultats et garder la responsabilité humaine explicite.", "prerequisites": "Aucune programmation requise. La connaissance du processus métier est utile.", "faqs": [ { "question": "Le cours dépend-il d'un outil?", "answer": "Non. Les patterns sont adaptés aux outils et politiques choisis avec le client." }, { "question": "Peut-on utiliser des données d'entreprise?", "answer": "Uniquement si comptes, contrats et politiques internes le permettent; sinon on utilise des données synthétiques ou anonymisées." }, { "question": "Que reste-t-il après le cours?", "answer": "Matériaux réutilisables, exemples, checklists et prochaines étapes claires." }, { "question": "Est-ce théorique?", "answer": "Non. Le cours repose sur exercices pratiques et décisions proches du travail réel." } ], "output": "Canvas opérationnel pour qualité des résultats IA et revue humaine.", "searchIntents": [ "cours AI d'entreprise sur qualité des résultats IA et revue humaine", "formation pratique pour AI Output Quality & Human Review", "training AI pour managers et fonctions métier", "parcours Artik Lab pour Canvas opérationnel pour qualité des résultats IA et revue humaine", "comment introduire qualité des résultats IA et revue humaine dans les processus d'entreprise" ], "needSignals": [ "qualité des résultats IA et revue humaine est déjà présent dans les discussions internes, mais il manque une méthode partagée pour le transformer en pratique.", "Les personnes expérimentent des outils AI de façon autonome et l'entreprise ne voit pas encore critères, contrôles et résultats comparables.", "Le processus lié à qualité des résultats IA et revue humaine absorbe du temps, crée des passages manuels ou produit des outputs difficiles à vérifier.", "La direction doit décider d'investir, former ou arrêter avant d'introduire des automatisations fragiles.", "L'entreprise a besoin d'un résultat concret: Canvas opérationnel pour qualité des résultats IA et revue humaine." ], "extraExamples": [ { "title": "De la formation générique au processus réel", "description": "Une entreprise demande une formation sur qualité des résultats IA et revue humaine, mais le vrai sujet apparaît lors de la cartographie: tâches répétées, contrôles informels et responsabilités distribuées. Le parcours utilise des exemples proches du quotidien et transforme la formation en premier modèle opérationnel." }, { "title": "De l'expérimentation individuelle à la pratique gouvernée", "description": "Certaines personnes ont déjà trouvé des raccourcis avec l'AI, d'autres restent bloquées. Le cours crée une base commune: ce qui peut être fait, ce qui doit être revu, quelles données ne pas exposer et quand escalader. Le résultat est Canvas opérationnel pour qualité des résultats IA et revue humaine." }, { "title": "De l'enthousiasme à la décision", "description": "La direction doit comprendre si qualité des résultats IA et revue humaine mérite budget et continuité. Le laboratoire sépare bénéfices immédiats, risques opérationnels et dépendances de données. L'entreprise repart avec des critères pour décider la suite." } ], "selectionCriteria": [ "Choisir ce cours si le besoin principal concerne qualité des résultats IA et revue humaine, pas une vue générique de l'AI.", "Le privilégier lorsqu'il existe un processus, document, workflow ou responsabilité à travailler pendant la formation.", "Le reporter s'il n'y a pas encore de sponsor interne ou si le sujet est seulement l'achat d'une licence software.", "L'associer à AI Workflow Redesign Lab lorsqu'il faut d'abord comprendre quels processus prioriser." ], "limits": [ "Il ne promet pas l'automatisation complète ni le remplacement des responsabilités humaines.", "Il n'exige pas de charger des données confidentielles dans des environnements non approuvés.", "Ce n'est pas un conseil juridique, fiscal, RH ou technique spécialisé lorsque ces responsabilités restent aux fonctions compétentes.", "Il produit compétences, critères et matériaux réutilisables; l'adoption continue demande sponsorship, gouvernance et pratique interne." ], "relatedCourseIds": [ "workflow-redesign", "ai-governance", "ai-adoption-manager", "ai-business-case-roi" ], "urls": { "html": "https://ar-tik.com/fr/cours/ai-output-quality.html", "markdown": "https://ar-tik.com/fr/cours/ai-output-quality.md", "dossier": "https://ar-tik.com/fr/cours/ai-output-quality-dossier.md", "json": "https://ar-tik.com/fr/cours/ai-output-quality.json", "catalog": "https://ar-tik.com/fr/cours/", "catalogMarkdown": "https://ar-tik.com/fr/cours/index.md" } } ] }