Dossier de passage : workflow ou outil de Production IA
Dossier de passage final obligatoire.
Explorer les cours
Cours publics, Voies associées et repères de progression.
Les cours contiennent les activités, ressources et repères d’apprentissage de l’UCKK.
Répertoire public
Les cours ci-dessous sont visibles publiquement et accessibles en consultation. Ils structurent les Voies, les preuves de progression et la puissance opératoire des Joueurs de l’UCKK.
Répertoire public
Parcourir les cours publics de l’UCKK par mot-clé, Voie et ordre d’affichage.
Dossier de passage final obligatoire.
Atelier pratique où l’Aspirant conçoit un outil ou workflow d’IA, le documente, le teste, l’audite et en décrit les limites.
Étude de la traduction conceptuelle, des termes intraduisibles, du multilinguisme, des graphes de concepts et de la souveraineté du sens.
Usage de l’IA dans les vidéos, récits, scènes, défis et formats pédagogiques, avec distinction stricte entre fiction, fait et manipulation.
Protection contre surveillance, dépendance à des plateformes, boîte noire, capture sémantique, biais invisibles et verrouillage technique.
Rôle de l’IA dans le cycle connaître, choisir, agir, se souvenir : extraction, résumé, traduction, routage, validation, workflows et mémoire.
Étude des lectures brutes et pondérées, de l’expertise située, de l’éthique, de l’explicabilité et du refus d’un score caché unique.
Rôle de l’IA dans les processus collectifs : synthèse, classification, détection de conflits, aide à la délibération, mais sans décision invisible.
Méthodes pratiques : tests, logs, exigences, vérifications croisées, preuves, reproduction d’erreurs, validation humaine et rapports d’audit.
Conception d’automatisations qui réduisent le travail inutile sans concentrer abusivement la valeur, le pouvoir ou la décision.
Étude des concepts, entités, relations, ontologies, traductions, définitions, références et graphes sémantiques comme base de la Production IA.
Relier IA, sémantique, preuve, provenance et artefacts vérifiables.
Distinguer ce qui doit rester déterministe de ce qui peut être assisté par génération probabiliste.
Méthode doc-first pour maintenir la cohérence dans des projets assistés par IA.
Étudier les critiques de l’IA : erreurs, vérification, automatisation, propriété et pouvoir.
Version avancée du tronc commun sur l’IA comme partenaire de cartographie intellectuelle.
Étude des sources de biais, limites de données, distorsions statistiques, problèmes de représentation, hallucinations et confiance excessive.
Méthodes pour repérer erreurs, hallucinations, omissions, fausses symétries, analogies séduisantes, catégories faibles et glissements de sens.
Apprentissage des méthodes de formulation : intentions, contraintes, critères, exemples, contre-exemples, rôles, formats, itérations, garde-fous.
Étude de l’IA comme force sociale : travail, pouvoir, plateformes, automatisation, accès, dépendance, concentration des moyens de production et effets institutionnels.
Introduction aux concepts de base : modèles, données, apprentissage, génération, classification, prédiction, limites, incertitude et risques.