Vérificateur de Décisions Algorithmiques

À qui s'adresse cette formation

• Data scientists et évaluateurs de modèles chargés de valider des systèmes d’IA avant mise en production.
• Auditeurs internes et compliance officers vérifiant la conformité et l’équité de décisions automatisées.
• Responsables qualité, risque et contrôle dans des secteurs régulés (crédit, RH, justice, santé).
• Ingénieurs QA et responsables de tests spécialisés sur les systèmes de décision algorithmique.

Prérequis réels

• Maîtriser les bases du machine learning supervisé (jeux de données, entraînement, métriques de performance).
• Savoir manipuler des données et des métriques en Python (pandas, numpy, scikit-learn).
• Comprendre les enjeux juridiques et éthiques des décisions automatisées (RGPD, non-discrimination).

Ce que vous saurez faire

À l'issue de la formation, vous serez capable de :

• Construire une méthodologie de test complète d’un système de décision algorithmique.
• Détecter et mesurer les biais de données et de modèle à l’aide d’indicateurs d’équité reconnus.
• Éprouver la robustesse d’un modèle face à la dérive, aux cas limites et aux perturbations.
• Concevoir des golden datasets et des évaluations LLM-as-judge fiables et reproductibles.
• Mener un audit de conformité et documenter la certification d’un système de décision dans un secteur critique.

Programme — 6 modules

Formation 100% en ligne, à votre rythme.

• Module 1 — Méthodologie de vérification
  Structurer un plan de test d’un système de décision : périmètre, critères d’acceptation, jeux de test et traçabilité des résultats.
• Module 2 — Biais et équité
  Calculer les métriques d’équité (parité démographique, equalized odds, disparate impact) et diagnostiquer l’origine des écarts.
• Module 3 — Robustesse et dérive
  Tester la stabilité du modèle face aux données nouvelles, aux cas limites et aux perturbations, et détecter la dérive en production.
• Module 4 — Golden datasets et LLM-as-judge
  Construire des jeux de référence annotés et des évaluateurs automatiques par LLM, en mesurant leur accord avec le jugement humain.
• Module 5 — Audit et certification
  Mener un audit tracé de bout en bout et produire la documentation de conformité attendue par les régulateurs et certificateurs.
• Module 6 — Cas critiques : crédit, RH, justice, santé
  Appliquer la démarche à des cas réels de crédit, recrutement, justice prédictive et santé, où l’erreur a des conséquences graves.

Outils utilisés

Cette formation manipule les outils suivants : Claude · ChatGPT · n8n · Python · Docker.

Informations pratiques

Questions fréquentes

Formations complémentaires