Sécuriser les usages de l’intelligence artificielle, accompagner les équipes et contribuer à une utilisation responsable, maîtrisée et conforme de l’IA dans un environnement de bancassurance.
Identifier les opportunités, limites et principaux risques liés à l'usage de l'IA générative en bancassurance.
Appliquer les règles de confidentialité, de protection des données, de sécurité et de supervision humaine aux situations d'usage de l'IA.
Construire, tester et améliorer des requêtes professionnelles structurées afin d'obtenir des résultats exploitables.
Évaluer de manière critique une production générée par l'IA avant toute utilisation ou diffusion.
Orienter et sensibiliser les collaborateurs sur les usages autorisés, les bonnes pratiques et les points de vigilance.
Formaliser des ressources simples de référence et un plan d'action pour diffuser des usages IA responsables au sein de son équipe.
Programme
Comprendre, cadrer et sécuriser les usages de l’IA
1. Situer le rôle du référent IA et les enjeux pour le secteur • Comprendre le fonctionnement général de l’IA générative et distinguer ses capacités de ses limites. • Repérer les principaux cas d’usage dans les métiers de la banque, de l’assurance et des fonctions support. • Clarifier le rôle du référent IA : relais de proximité, sensibilisation, orientation, remontée des risques et partage des bonnes pratiques sans se substituer aux fonctions juridique, conformité, risques ou sécurité. 2. Sécuriser les usages dans un environnement réglementé • Identifier les données à ne pas exposer et appliquer les principes de confidentialité, de protection des données personnelles, de secret professionnel et de sécurité de l’information. • Intégrer les exigences de supervision humaine : vérifier les faits, les sources, les calculs, les biais possibles et la pertinence d’une réponse avant utilisation. • Comprendre les principes clés de l’AI Act applicables aux usages professionnels, notamment l’enjeu de culture et de maîtrise de l’IA (« AI literacy »), en articulation avec les règles internes de l’organisation.
Practical work
Cas pratique : « Peut-on utiliser l’IA dans cette situation ? » À partir de situations métier, les participants qualifient l’usage, identifient les données et risques concernés, décident des précautions à appliquer et justifient leur décision.
Produire, contrôler et accompagner les équipes
1. Concevoir des requêtes professionnelles efficaces et réutilisables • Structurer un prompt avec la méthode O.C.D.F. : Objectif, Contexte, Demande, Format. • Préciser les contraintes, le niveau attendu, les critères de qualité et le format de sortie. • Tester, itérer et documenter un prompt afin de le rendre plus robuste et réutilisable. • Construire des prompts adaptés à des usages courants : synthèse, compte rendu, préparation de réunion, rédaction, analyse ou aide à la structuration. 2. Contrôler la qualité des productions de l’IA • Détecter les hallucinations, approximations, biais, informations non sourcées ou réponses trop affirmatives. • Mettre en œuvre une grille simple de contrôle avant réutilisation : exactitude, source, confidentialité, conformité, ton et validation humaine. 3. Outiller son rôle de référent IA • Répondre à une question d’un collaborateur : autoriser, orienter, alerter ou escalader vers l’interlocuteur compétent. • Formaliser une mini-charte de bonnes pratiques et une bibliothèque de prompts utiles à l’équipe. • Définir les modalités de partage et de remontée des cas d’usage, incidents, difficultés et bonnes pratiques.
Practical work
Atelier de synthèse : « Mon kit Référent IA » Chaque participant construit un kit opérationnel : 3 usages prioritaires, 5 prompts réutilisables, 5 règles de vigilance et un plan d’action à 30 jours. Le cas de synthèse permet de valider la mobilisation des compétences visées.
Pour qui ?
Collaborateurs amenés à devenir référents ou relais IA : managers, fonctions support, conformité/risques, métiers, réseau commercial et fonctions transverses de la banque et de l'assurance.
Pédagogie
Une première appréciation globale sous forme de QCM a lieu en amont de la formation pour estimer les attentes et niveaux des participants.
La pédagogie de cette formation s'appuie sur une large variété de situations d'apprentissage : cas pratiques, échanges, études de cas, exercices, travaux en sous-groupes.
Chaque compétence est mesurée par des évaluations formatives (cas pratiques, exercices) tout au long de la formation.
Une évaluation sommative sous forme de QCM est organisée en fin de parcours pour mesurer les acquis de la formation.
Pré-requis
Aucun prérequis technique spécifique. Des connaissances en IA sont recommandées.
