La GenAI moderne (LLMs, RAG, IA agentique) réussit ou échoue sur la qualité, la structure et la gouvernance des données qui la sous-tendent. Dans ce cours, vous apprendrez comment les données structurées et non structurées conduisent les applications GenAI, et comment concevoir des cadres de données complets, des taxonomies et des pratiques de gouvernance qui réduisent les hallucinations, améliorent la pertinence et rendent les résultats de l'IA fiables.

Vous examinerez les limites des LLM, les relierez à la qualité des données et à la stratégie des métadonnées, et mettrez en œuvre des architectures axées sur la taxonomie qui sont à l'épreuve du futur de l'IA d'entreprise. À travers des études de cas, des travaux pratiques et des dialogues guidés, vous développerez les compétences nécessaires pour concevoir, valider et rendre opérationnelles les fondations de données prêtes pour la GenAI pour des produits et des plates-formes réels. À la fin, vous serez en mesure de créer des cadres de données de niveau entreprise qui fournissent des résultats cohérents, éthiques et très performants.