Les partenaires institutionnels d'AIRINA — banques, IMF, télécoms, ingénierie du secteur public — emploient des milliers d'ingénieurs dont le travail pourrait être augmenté par l'IA mais qui manquent de la formation. Ce programme leur est destiné.
Cinq jours, pratique, dispensés à Cotonou ou en direct en ligne — conception de systèmes d'ingénierie augmentés par l'IA, travail avec modèles pré-entraînés, patterns de déploiement on-device et edge, IA générative appliquée aux workflows d'ingénierie. L'édition Cotonou ajoute une focalisation sur ce à quoi ressemble l'IA sous contraintes d'infrastructure ouest-africaines : connectivité intermittente, compute basse-consommation, problèmes pertinents en transport, énergie et eau.
Aperçu du programme
Cinq jours, sessions pleines. Matinées sur le concept et l'architecture ; après-midis dans le notebook, sur des jeux de données d'ingénierie réels. Modèles pré-entraînés tout du long — le programme porte sur l'utilisation de l'IA comme primitive d'ingénierie, pas sur l'entraînement de nouvelles architectures de zéro. Le dernier jour passe à l'IA générative appliquée aux workflows d'ingénierie et à un petit projet noté.
Structure du programme
- Jour 1. Fondations — quand l'IA est-elle la bonne réponse à un problème d'ingénierie et quand non. Travail avec modèles pré-entraînés, écosystème Hugging Face, critères de sélection de modèle.
- Jour 2. Vision par ordinateur pour l'ingénierie — détection de défaut, localisation d'objet, imagerie temporelle. Pratique sur modèles vision pré-entraînés sur données d'ingénierie réelles.
- Jour 3. Séries temporelles et signaux — détection d'anomalie, maintenance prédictive, fusion de données capteur. Lab pratique.
- Jour 4. Déploiement sous contraintes d'infrastructure — inférence on-device, quantification et distillation de modèles, edge AI, réalités de la connectivité intermittente dans les contextes de déploiement ouest-africains.
- Jour 5. IA générative appliquée aux workflows d'ingénierie — LLM comme assistants de conception, générateurs de documentation, copilotes de code ; sécurité et vérification dans l'ingénierie assistée par IA. Projet final soutenu.
Certificat
L'achèvement réussi — assiduité plus le projet soutenu du Jour 5 — donne droit à un certificat AIRINA IA pour Ingénieurs, noté.
Acquis pédagogiques
À l'issue du programme, les participants sauront :
- Reconnaître quand un problème d'ingénierie est bien posé pour une approche IA — et quand l'IA est le mauvais outil.
- Sélectionner un modèle pré-entraîné pour une tâche d'ingénierie donnée et l'adapter (transfer learning, fine-tuning, prompting) aux données locales.
- Construire un pipeline de vision par ordinateur opérationnel pour un cas d'usage d'ingénierie (détection de défaut, monitoring, inspection d'actif) de bout en bout.
- Construire un pipeline de détection d'anomalies ou de maintenance prédictive opérationnel sur des séries temporelles capteur.
- Déployer un modèle sous contraintes d'infrastructure — choisir entre on-device et cloud, quantifier pour l'edge, concevoir pour la connectivité intermittente.
- Utiliser les LLM comme outil de workflow d'ingénierie — documentation, code, revue de conception — avec des pratiques de vérification explicites, pas une confiance aveugle.
- Défendre un petit projet d'ingénierie IA appliquée de bout en bout : cadrage du problème, choix du modèle, évaluation, plan de déploiement.
Programme détaillé (5 jours)
- Où l'IA s'insère dans un pipeline d'ingénierie (et où elle ne s'insère pas)
- L'écosystème Hugging Face — hub de modèles, jeux de données, API pipeline
- Critères de sélection de modèle pour les tâches d'ingénierie
- Pratique : charger un modèle pré-entraîné, faire de l'inférence sur données réelles, évaluer honnêtement
- Détection de défaut, localisation d'objet, segmentation — à partir de backbones pré-entraînés
- Imagerie temporelle — spectrogrammes, scalogrammes, l'astuce de visualisation
- Adapter les modèles aux données locales — fine-tuning vs extraction de features
- Pratique : pipeline vision sur un jeu réel d'inspection d'actif
- Détection d'anomalie — approches statistiques, ML, et hybrides
- Maintenance prédictive — cadrage, évaluation, l'asymétrie coût-d'échec
- Fusion de données capteur — principes, pièges
- Pratique : construire et évaluer un pipeline de maintenance prédictive
- On-device vs cloud — coût, latence, vie privée, connectivité
- Quantification et distillation de modèles — faire tenir un modèle sur l'appareil
- Matériel edge AI — ce qui existe, ce qui est abordable, ce qui échoue
- Concevoir pour la connectivité intermittente dans les contextes de déploiement ouest-africains
- LLM comme assistants de conception, générateurs de documentation, copilotes de code
- Sécurité et vérification lors de l'utilisation de l'IA dans les livrables d'ingénierie — ce qu'on ne peut pas faire confiance au modèle pour bien faire
Projet final soutenu : prendre un problème d'ingénierie de votre propre travail, construire une solution IA-augmentée opérationnelle, la défendre devant la cohorte et les enseignants AIRINA. Critique écrite renvoyée sous une semaine.
À qui s'adresse cette formation
Ce programme s'adresse aux ingénieurs en activité qui veulent ajouter l'IA à leur boîte à outils — avec de la pratique sur des données d'ingénierie réelles, sous les contraintes d'infrastructure que les partenaires institutionnels d'AIRINA opèrent réellement.
- Ingénieurs en activité en mécanique, électrique, génie civil, ou logiciel souhaitant ajouter une capacité IA.
- Chefs d'équipe ingénierie cadrant l'intégration IA pour le travail de leur équipe.
- Jeunes diplômés en ingénierie construisant un portfolio IA appliquée en début de carrière.
- Ingénieurs institutionnels en Afrique de l'Ouest travaillant sous contraintes d'infrastructure (connectivité intermittente, compute basse-consommation).
- Personnel technique en banques / télécoms / services publics dont le travail d'ingénierie pourrait être augmenté par l'IA mais qui n'a pas encore la formation.
Prérequis
- Programmation. Connaissance opérationnelle d'au moins un langage de programmation. Python préféré ; sinon, vous devriez pouvoir le lire.
- Parcours d'ingénieur. Soit un diplôme d'ingénieur formel, soit plusieurs années de pratique d'ingénierie. Le programme suppose que vous comprenez le type de problèmes que les ingénieurs résolvent.
- Aucun prérequis IA / ML. Le programme enseigne l'IA opérationnelle comme outil d'ingénierie depuis la base — ce que vous apportez, c'est le côté ingénierie.
Sélection
Pour les cohortes sursouscrites, les candidats soumettent un paragraphe décrivant un problème d'ingénierie de leur travail actuel qu'ils veulent tenter comme projet du Jour 5. Priorité aux candidats dont le problème est le plus susceptible de produire un artefact opérationnel utile, 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 jour par jour, le profil du partenaire industriel de la cohorte active, la liste des jeux de données pour les labs pratiques, et le calendrier des cohortes.
Pour recevoir la brochure actuelle, écrivez à contact@airina.africa avec "IA pour Ingénieurs Cotonou — demande de brochure" en objet.