1690€

Net de taxes

Niveau Fondamentaux

Durée 2 jours

Format Présentiel

Déjeuner

Inclus

Réf 1488

Besoin de réaliser cette formation directement au sein de votre entreprise, sans modification ni personnalisation du programme ?

Réf 1488

Ce programme peut être la fondation idéale pour créer une formation sur-mesure, parfaitement adaptée à vos besoins spécifiques et à votre environnement professionnel.

Réf 1488

Nous contacter
01 44 53 75 75

Acculturation

Agents IA pour la finance

Découvrez les fondements de l’intelligence artificielle et son impact sur la finance. De l’histoire de l’IA aux agents autonomes, explorez ses applications concrètes pour analyser, structurer et exploiter les données financières. Une formation pratique et accessible, enrichie d’exemples “no code/low code”, pour comprendre et anticiper les transformations de votre métier.

1690€

Net de taxes

Niveau Fondamentaux

Durée 2 jours

Format Présentiel

Déjeuner

Inclus

Réf 1488

Besoin de réaliser cette formation directement au sein de votre entreprise, sans modification ni personnalisation du programme ?

Réf 1488

Ce programme peut être la fondation idéale pour créer une formation sur-mesure, parfaitement adaptée à vos besoins spécifiques et à votre environnement professionnel.

Réf 1488

Objectifs /
Compétences

Programme

Pour qui ?

Objectifs | Compétences

Comprendre les fondements de l'intelligence artificielle (IA), son évolution et ses applications en finance, en se focalisant sur les agents IA.
Explorer les concepts clés comme les modèles de langage, le Retrieval-Augmented Generation (RAG), les agents IA et les architectures multi-agents (Agentic AI).
Apprendre à construire et appliquer des exemples pratiques no code/low code d'agents IA adaptés à la finance, tels que l'analyse de documents, la reconnaissance d'écriture ou la génération de rapports.
Analyser l'impact des agents IA sur le secteur financier, y compris les opportunités de croissance économique et les limites actuelles.
Discuter des perspectives d'avenir pour l'IA en finance, en s'appuyant sur des études et des tendances émergentes.

Programme

Introduction

Définir l'intelligence et ses mesures, en lien avec l'intelligence artificielle (IA)
Historique de l'IA : étapes clés, situation actuelle, paradigmes (symbolique)
Connexionniste, etc.), inspiration biologique (réseaux de neurones, cycle de Hebb)
But de la recherche en IA et perspectives d'avenir
Lien avec la finance : comment l'IA transforme les processus comme l'analyse de données et la prise de décision

Prérequis théoriques et exemples basiques

Entraîner un modèle d'IA : principes de base (données, apprentissage, évaluation)
Exemple 1 (no code/low code) : Entraîner un modèle pour reconnaître une écriture manuscrite (application en finance : vérification de chèques bancaires ou signatures sur documents financiers)

Prérequis théoriques et exemples basiques

Lien entre IA, linguistique et l'hypothèse distributionnelle
Qu'est-ce qu'un modèle de langage (Language Model) ? Passage aux Large Language Models (LLM) : les 3 ingrédients (données massives, puissance de calcul, architectures avancées)
Le Retrieval-Augmented Generation (RAG) : fonctionnement, applications en entreprise (recherche augmentée sur documents non structurés)
Exemple 2 (no code/low code) : Construire un RAG sur des rapports annuels ou données ESG pour répondre à des questions (ex. : “Quelle est la performance ESG d'une entreprise en 2024 ?”)

Du non structuré au structuré

Applications en finance : transformer des données non structurées (textes, rapports) en données structurées pour l'analyse (ex. : extraction d'indicateurs financiers)
Fonctionnement et importance dans un monde “non structuré”
Exemple 3 (no code/low code) : Construire une application pour convertir un document non structuré (ex. : contrat financier ou rapport d'audit) en format structuré (tableaux, JSON pour base de données)

Introduction aux agents IA

Qu'est-ce qu'un agent ? Un agent IA ? Historique, principes de fonctionnement (perception, décision, action)
Le “Gen AI Paradox” : expliquer comment les agents IA résolvent les limites des modèles génératifs isolés en ajoutant de l'autonomie et de l'interaction
Exemple 4 (no code/low code) : Construire un agent qui envoie une newsletter financière personnalisée (ex. : analyse automatique de tendances boursières et envoi par email)
Exemple 5 (no code/low code) : Construire un agent intégrant le modèle de reconnaissance d'écriture précédent (ex. : agent qui traite des scans de chèques pour valider des transactions automatiquement)

Taxonomie et Agentic AI

Taxonomie des agents IA vs. Agentic AI : différences, architectures (agents simples vs.multi-agents collaboratifs)
Pourquoi l'intérêt pour l'Agentic AI ? (Collaboration d'agents pour tâches complexes,scalabilité en finance comme la modélisation de risques ou la gestion de portefeuilles)
Solutions matures sur le marché (ex. : CrewAI, LangGraph, ou intégrations avec Azure/OpenAI pour la finance)
Exemple 6 (no code/low code) : Construire un système avec 2 agents sur un sujet finance (ex. : un agent analyste de marché et un agent rapporteur qui collaborent pour générer un rapport sur les fluctuations de devises)

Architectures multi-agents et généralisation

Généralisation à plusieurs agents : architectures (hiérarchique, distribuée) et applications en finance
Exemple 7 (no code/low code) : Construire un système avec plusieurs agents sur un sujet finance (ex. : équipe d'agents pour une simulation de trading – un agent pour l'analyse de données, un pour la prédiction, un pour l'exécution et un pour le reporting)

Conclusion et perspectives

Études sur l'impact économique : Évaluations du FMI, Goldman Sachs, UE, McKinsey sur la croissance du PIB mondial grâce à l'IA (ex. : potentiel de +7% du PIB d'ici 2030 via l'IA)
Limites actuelles des agents IA (biais, hallucinations, besoin de supervision humaine, enjeux éthiques en finance)
Perspectives d'avenir : Tendances comme les Large Concept Models (LCM), Mamba, ou l'intégration d'IA multimodale pour une finance plus résiliente
Discussion finale : Comment exploiter les agents IA dans votre entreprise, impact sur les métiers de la finance, et Q&A

Pour qui ?

Professionnels de la finance, data scientists, managers IT
Toute personne intéressée par l'application de l'IA en finance.

Pédagogie – Évaluation

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, défis, 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

Niveau bac+3 ou équivalent, ou 3 ans d’expérience en finance, data ou IT.
Connaissances de base en finance de marché et d’entreprise, et en informatique (utilisation d’outils en ligne) ; pas de compétences avancées en programmation requises grâce aux approches no code/low code.
Intérêt pour l’IA et la finance ; familiarité avec des concepts comme le machine learning est un plus mais non obligatoire.

Qualité & Certification

Adapté aux personnes en situation de handicap

Besoin d'être recontacté(e) ?

*Mentions obligatoires

En soumettant ce formulaire, je reconnais avoir pris connaissance de la politique de traitement des données personnelles de First Finance.*

+900 clients nous font confiance

Agents IA pour la finance

Objectifs | Compétences

Programme