AI Product Manager - Acculturation

🎯 Objectif :

Démystifier l’intelligence artificielle : comprendre ce qu’elle est (et n’est pas), comment elle fonctionne, et dans quels cas elle apporte réellement de la valeur.

⭐ Points Principaux :

• Comprendre la différence entre IA, Machine Learning et Deep Learning
• Découvrir l’évolution de l’IA et les étapes clés de son développement
• Tous les problèmes ne nécessitent pas d'IA

📌 Contenu du module

• Définition claire de l’IA et de ses sous-domaines
• Types d’apprentissage (supervisé / non supervisé / renforcé)
• Applications concrètes (recommandation, chatbots…)
• Limites & idées reçues

🎯 Objectif :

Découvrir comment utiliser concrètement les outils IA (LLM) pour gagner du temps au quotidien et structurer son travail produit.

‍

⭐ Points Principaux :

• Comprendre les usages clés des LLM/SLM dans le quotidien d’un PM
• Découvrir comment l’IA optimise rédaction, analyse & priorisation
• Apprendre les bases du prompt engineering
• Identifier quand l’IA apporte réellement de la valeur

📌 Contenu du module

• Introduction aux LLM & SLM
• Usages concrets des LLM et SLM pour les PM
• Introduction au prompt engineering
• Exemples appliqués : discovery, synthèse, rédaction, priorisation
• Sélection & intégration d’outils IA

⚒️​ Atelier :

🎯 Objectif :

Comprendre comment cadrer, prioriser et mesurer un projet IA afin d’en faire une véritable valeur produit.

⭐ Points Principaux :

• Comprendre les étapes clés d’un projet IA
• Identifier le bon fit entre problème utilisateur & solution IA
• Définir les bons KPIs pour mesurer la valeur générée
• Apprendre à itérer via prototypage & feedback

📌 Contenu du module

• Cycle de vie d’un projet IA côté produit
• Analyse problème → solution IA
• Notions de faisabilité, données & priorisation
• Suivi de la valeur via KPIs & itérations

⚒️​ Atelier :

🎯 Objectif :

Identifier les principaux risques et limites liés à l’IA pour en faire un usage éclairé, responsable et réaliste.

⭐ Points Principaux :

• Comprendre les risques éthiques, sociaux & techniques
• Identifier les enjeux liés aux données, biais & réglementation
• Découvrir les impacts environnementaux & organisationnels
• Apprendre à évaluer une idée IA de façon responsable

📌 Contenu du module

• Biais, discrimination, protection des données
• Défis sociétaux, techniques & réglementaires
• Enjeux environnementaux
• Grille de lecture pour évaluer un projet IA

⚒️​ Atelier :

🎯 Objectif :

Savoir concevoir des expériences IA utiles, explicables et fiables, qui favorisent l’adoption et la confiance des utilisateurs.

⭐ Points Principaux :

• Comprendre les principes d’une IA utile, explicable & responsable
• Découvrir comment intégrer l’IA dans l’expérience utilisateur
• Apprendre à anticiper les échecs
• Mettre en place des boucles de feedback efficaces

📌 Contenu du module

• Conception d’expériences IA orientées utilisateur
• Design by failure & gestion des limites
• Transparence, explicabilité & confiance
• Collecte & exploitation du feedback

⚒️​ Atelier :