Les systèmes d’IA multimodaux — ceux qui traitent simultanément le texte, les images et l’audio — redéfinissent les limites du possible dans le domaine des technologies d’entreprise. Cette formation vous permettra d’acquérir les compétences nécessaires pour concevoir et évaluer ces puissants systèmes de bout en bout.

Vous développerez des architectures de solutions de bout en bout intégrant des encodeurs d’images, des services de reconnaissance vocale et des modèles de génération de texte au sein de pipelines cohérents et prêts pour la production. Vous définirez les flux de données entre les différentes modalités, les interactions entre les modèles et la manière dont les systèmes s’adaptent à un trafic réel. Vous développerez également le jugement technique et éthique nécessaire pour évaluer ce que vous créez. À l’aide de métriques standard du secteur telles que le FID, les scores CLIP, le recall@k et la précision VQA, vous évaluerez les performances des modèles multimodaux. Vous appliquerez ensuite des techniques d’audit des biais — notamment la parité démographique, l’égalisation des chances, LIME et SHAP — afin de garantir que vos systèmes sont équitables, interprétables et prêts à être déployés de manière responsable. Ce cours s’adresse aux professionnels de l’IA et de l’apprentissage automatique qui souhaitent aller au-delà de la simple création de modèles individuels pour se lancer dans la conception de solutions d’IA complètes, éthiques et prêtes à être mises en production.