Deux séances en ligne, conçues pour faire plutôt qu'écouter. On fabrique les modèles à la main, on les casse, on comprend — puis on les ramène à votre métier : crédit, fraude, conformité, conseil.
Le cadrage de la séance : pourquoi le ML change la banque, un quiz pour tester l'intuition, et le programme de la soirée.
Le pont entre le labo 1 (ML classique) et le labo 2 (LLM). Comparaison visuelle et fil rouge.
5 idées clés, débrief de l'atelier (prompts de présentation), et ressources pour aller plus loin.
Dix expériences autour d'un modèle de crédit : seuil de décision, frontière, sur-apprentissage, matrice de confusion, coût en francs, k-NN, arbre de décision, variables, robo-advisor, et un diagnostic final.
Comment fonctionne vraiment un LLM : prédiction du mot suivant, température, hallucination, tokens & coût, embeddings, RAG, fragilité des prompts, biais, et la question FINMA de la responsabilité.
Le panorama complet du ML, méthode par méthode : régression linéaire & logistique, forêt aléatoire (supervisé) ; K-means, détection d'anomalies, PCA (non-supervisé) ; Q-learning (renforcement). Chaque méthode avec un exemple finance réel, une carte interactive et une double explication.
Par groupes de 4 à 7, vous prenez les commandes d'un modèle de scoring d'une banque fictive. Réglez seuil, coûts et variables ensemble, défendez vos arbitrages, et produisez une recommandation au comité crédit.
Par groupes, vous êtes le comité de validation de l'assistant IA « ADA ». Configurez-le, mettez-le à l'épreuve (red-team) avec des questions-pièges, et rendez un verdict go / no-go argumenté au comité de direction.
Jeu en équipes pour réviser : crédit, jugement d'un modèle, les trois familles d'apprentissage, les méthodes phares et l'IA en banque. 5 catégories × 5 questions, chrono de 30 s, mécanique de vol et leaderboard. Animé au tableau partagé.