Des données sont produites à grande échelle dans chaque institution africaine — rails de mobile money, registres de microcrédit, coopératives agricoles, systèmes de santé. La plupart ne sont jamais analysées. Quand elles le sont, les outils et les benchmarks viennent d'ailleurs, calibrés sur des données qui ne ressemblent en rien à la population que l'institution sert réellement.
Le programme IA & Data Science appliquées aux systèmes africains traite les deux écarts : il construit une capacité opérationnelle rigoureuse et de bout en bout en IA et data science appliquées — et il le fait sur des études de cas, des jeux de données et des contextes réglementaires issus d'Afrique de l'Ouest. Programme dispensé par les enseignants-chercheurs d'AIRINA Labs, avec des mentors industriels issus de banques, IMF, télécoms, et de la diaspora africaine de la recherche.
Aperçu du programme
Sur 14 semaines, les participants passent des fondations à un projet capstone soutenu. Le programme est dispensé en direct en ligne — bilingue, au rythme d'une cohorte, mentoré — avec des cours hebdomadaires adossés à la recherche par les enseignants d'AIRINA et des sessions de travail le week-end avec les mentors industriels. Supports, code et bibliographie sont ouverts.
Contrairement à un MOOC généraliste de data science, chaque module est ancré dans les réalités institutionnelles ouest-africaines : scoring crédit sur microcrédit zone BCEAO, détection d'anomalies sur flux de mobile money, reporting réglementaire sous contraintes d'interprétabilité BCEAO/BCBS, et IA générative appliquée au travail de connaissance institutionnel en français et en anglais.
Structure du programme
- Pré-travail (2 semaines). Python pour la data science, rappel statistique, cycle de vie de la data science, évolution de l'IA jusqu'à la GenAI — avec quiz d'entraînement. Pour que la cohorte arrive aux sessions en direct sur un pied d'égalité.
- Programme central (8 semaines). En direct, adossé à la recherche, travail à partir d'études de cas institutionnelles réelles. Détail dans l'onglet Acquis pédagogiques.
- Fenêtre projet (1 semaine). Temps pour finaliser et rendre les projets individuels de mi-parcours.
- Capstone (3 semaines). Capstone d'équipe intégratif sur un jeu de données institutionnel réel (sous NDA si nécessaire). Soutenance finale devant les enseignants d'AIRINA et des évaluateurs industriels invités.
Mentorat
Au-delà des cours, chaque participant est assigné à un petit groupe de mentorat (5–7 personnes regroupées par profil) animé par un mentor industriel — data scientists seniors, ingénieurs ML, et praticiens IA appliquée tirés du réseau de partenaires d'AIRINA. Les mentors rencontrent le groupe chaque semaine pour traduire les concepts en pratique, faire des walkthroughs de code, et préparer les participants à la soutenance du capstone.
Certificat
L'achèvement réussi — pré-travail + modules centraux + soutenance capstone — donne droit à un certificat AIRINA Labs en IA & Data Science appliquées, noté, avec les commentaires de l'évaluateur du capstone inclus.
Acquis pédagogiques
À l'issue du programme, les participants sauront :
- Cadrer un problème d'IA & data science appliquée à partir d'un contexte institutionnel ouest-africain réel — traduire une question opérationnelle en une note de cadrage data science défendable à la fois par l'ingénierie et la revue réglementaire.
- Construire le pipeline ML standard supervisé, non supervisé, séries temporelles, de bout en bout en Python (NumPy / pandas / scikit-learn / PyTorch) sur des données institutionnelles réelles.
- Concevoir et auditer des modèles interprétables pour des décisions financières à fort enjeu — GAM, gradient boosting monotone, SHAP/LIME, contrefactuels, audits d'équité sous contraintes réglementaires BCEAO.
- Appliquer l'apprentissage profond moderne (CNN, encodeur-décodeur, attention, méthodes transformer) à des problèmes de texte, image, et séries temporelles issus des systèmes africains.
- Utiliser l'IA générative et l'IA agentique comme outils de travail — prompt engineering, RAG, construction d'agents légers — avec une conscience explicite des modes de défaillance et des risques éthiques.
- Livrer un capstone soutenu : problème cadré, jeu de données, modèle, évaluation, audit d'équité, rapport écrit, défense orale.
Programme détaillé (semaines 1–14)
- Python pour la data science (NumPy, pandas)
- Python pour la visualisation (Matplotlib, Plotly)
- Statistiques inférentielles
- Tests d'hypothèses
- Tests d'hypothèses en contexte appliqué
- Réduction de dimension : PCA, t-SNE
- Analyse de réseau sur données transactionnelles
- Algorithmes de clustering et leurs modes de défaillance
- Maximum de vraisemblance, estimateurs bayésiens
- Régression linéaire & ses hypothèses
- Validation croisée, bootstrap
- Régression logistique, KNN, modèles gaussiens
- Arbres de décision, entropie & gain d'information
- Ensembling : bagging, forêts aléatoires, gradient boosting
- Prévision de séries temporelles sur données d'inclusion financière
- Du perceptron aux architectures multi-couches
- Convolutions, pooling, architectures CNN
- Transfer learning & augmentation
- Encodeur-décodeur, mécanisme d'attention, encodage positionnel
- Recommandation basée contenu
- Filtrage collaboratif & SVT
- Méthodes d'estimation matricielle
Temps pour finaliser et rendre les projets de mi-parcours. Revue mentor et feedback.
- Origines de la modélisation générative
- L'IA générative comme problème d'estimation matricielle
- LLM comme modèles probabilistes de complétion de séquence
- Prompt engineering — pratique et pièges
- Résumé, classification, génération
- Retrieval-augmented generation (RAG)
- IA agentique — agents légers et leurs modes de défaillance
- Contextes d'application bilingues FR/EN
Capstone d'équipe intégratif sur un jeu de données institutionnel réel (sous NDA si nécessaire). Soutenance finale devant les enseignants d'AIRINA et des évaluateurs industriels invités. Rapport écrit noté ; restitution devant la cohorte.
À qui s'adresse cette formation
Ce programme s'adresse aux professionnels de la data & de l'IA en activité ou en transition qui veulent une capacité opérationnelle rigoureuse de bout en bout, calibrée aux réalités institutionnelles ouest-africaines.
- Data scientists, ingénieurs ML, et analystes dans les banques, IMF, opérateurs de mobile money, fintechs, et assureurs ouest-africains.
- Ingénieurs et praticiens logiciels en transition vers des rôles IA & data science.
- Étudiants en master ou doctorat en mathématiques, statistique, informatique, ou économie quantitative — incluant les alumni d'AIMS et des universités partenaires.
- Analystes du secteur public et professionnels des affaires réglementaires travaillant avec des méthodes quantitatives en Afrique de l'Ouest.
- Entrepreneurs construisant des produits axés données ou IA pour les marchés africains.
Prérequis
- Programmation. Python opérationnel (fonctions, classes, NumPy/pandas au niveau de petites manipulations de données).
- Mathématiques. Calcul différentiel et algèbre linéaire de niveau licence ; à l'aise avec les probabilités et statistiques de base.
- Engagement en temps. ~8–10 heures par semaine sur 14 semaines — cours en direct (2–3 h), sessions mentorées (1–2 h), travail projet individuel (4–6 h).
Sélection
Pour les cohortes sursouscrites, les candidats répondent à une question de sélection unique tirée de leur profil déclaré. La priorité de sélection est donnée aux candidats de la zone BCEAO et aux groupes sous-représentés dans les domaines techniques.
Brochure
La brochure détaillée du programme (PDF, FR/EN) est envoyée sur demande — incluant le programme semaine par semaine, les profils des mentors, des exemples de capstone, et le calendrier des cohortes.
Pour recevoir la brochure actuelle, écrivez à contact@airina.africa avec "IA & Data Science appliquées — demande de brochure" en objet. La brochure est mise à jour à chaque cohorte ; nous envoyons la version courante au moment de votre demande.