En cours·2026
AI Product Testing Course
Apprendre à évaluer un produit qui embarque de l'IA, du premier run qui échoue au dossier d'évaluation remettable à un décideur.
Tester un produit IA n'a rien à voir avec tester un logiciel classique : plusieurs réponses peuvent être acceptables, et la comparaison exacte ne tient plus. Ce cours ne compare pas des modèles ; il apprend à définir ce que « digne de confiance » veut dire pour un produit donné, puis à le prouver. Sept modules, huit exercices corrigés et un capstone, pensés pour des profils métier qui doivent valider un système IA avant sa mise en production.
- Sept modules progressifs, huit exercices corrigés et un capstone : 8 à 12 heures de travail
- Aucune clé API, aucun modèle, aucune connexion réseau : Python 3.10, un terminal et deux paquets pip suffisent
- Le fil rouge : ne jamais inventer un seuil sans validation documentée ; face à un doute, on rapporte « Not Ready »
Prérequis
- Python 3.10
- Terminal
- Deux paquets pip
Archivé·2022-2025
YVEA
Startup cofondée : transformer l'audit de conformité à l'export, manuel et opaque, en un moteur d'analyse documentaire piloté par l'IA.
Le commerce international reste un des derniers bastions de l'opacité administrative. Nous avons commencé par une interface de gestion, puis l'analyse des flux a montré que le point de rupture était ailleurs : dans la comparaison sémantique faite à la main, dossier par dossier. Le produit a donc pivoté vers un moteur d'orchestration IA. J'ai piloté le produit de la première ligne de cahier des charges jusqu'au product-market fit, avec 50 clients payants et une enveloppe de 200 k€ en R&D.
- Temps de préparation des dossiers réduit de 75 %, et Time-to-Certificate de 40 %
- 95 % de détection des non-conformités critiques, coût maîtrisé entre 0,15 et 0,30 $ par dossier
- Ce que je referais autrement : miser sur la donnée propriétaire plutôt que sur l'orchestration, devenue une commodité
Stack technique
- Next.js
- Python
- GPT-4o
- Azure Document Intelligence