Certification TOSA Compétences IA

L'examen se passe en ligne, à la date de votre choix, sous e-surveillance.
Vous devez disposer d'une webcam, ouvrir votre microphone et être dans un environnement silencieux.
Vous recevrez vos accès pour vous connecter à votre espace candidat.

L'examen TOSA se passe en centre agréé ou en ligne. Votre score (sur 1000) vous permettra de communiquer sur votre niveau de connaissances du logiciel.

• Durée : 1h
• 35 questions QCM et cas pratiques
• Score sur 1000

Fondamentaux et évolution de l’IA

Ce domaine couvre les bases conceptuelles et historiques de l'intelligence artificielle : grandes étapes de son développement, paradigmes symbolique et connexionniste, cycles d'essor et d'hiver, ainsi que les principes d'apprentissage automatique. Il comporte également des questions relatives aux différents types d'apprentissage (supervisé, non supervisé), aux notions de surapprentissage, de régularisation, de généralisation et aux métriques de performance des modèles.

• Histoire, paradigmes et évolution de l'IA
• Principes de l'apprentissage automatique

Technologies et applications

Ce domaine couvre les principales technologies de l'IA moderne : deep learning, réseaux de neurones artificiels, CNN et vision par ordinateur, embeddings et fonctions d'activation. Il inclut également les technologies de l'IA générative (NLP, transformers, LLM, modèles de diffusion, multimodalité, agents) ainsi que les aspects applicatifs : cartographie des techniques et usages, cycle de vie d'un projet ML, qualité des données, coûts computationnels, impact environnemental et MLOps de base.

• Introduction au deep learning
• IA générative, limites et évolutions récentes
• Applications, choix de solution et cycle projet

Usages et compréhension opérationnelle

Ce domaine couvre l'utilisation concrète et raisonnée des outils d'IA en contexte professionnel : culture d'usage, choix d'outils selon le besoin, limites des solutions grand public, critères de sélection (données, coût, confidentialité). Il inclut également les compétences d'interaction efficace avec les systèmes d'IA (prompting de base et avancé, formulation de consignes, décomposition de tâches, itération, pilotage conversationnel) ainsi que les pratiques de fiabilisation et d'intégration (vérification des sorties, fact-checking, RAG, API, journalisation, indicateurs de suivi, orchestration).

• Culture d’usage et choix d’outils
• Interaction efficace avec les systèmes d’IA
• Fiabilisation, intégration et pilotage des usages

Enjeux économiques et sociétaux

Ce domaine couvre les transformations induites par l'IA sur les organisations et les métiers : évolution des compétences, productivité, mesure du ROI, réorganisation des processus et conduite du changement. Il inclut également les enjeux de régulation et de gouvernance (AI Act, RGPD, conformité, auditabilité, souveraineté numérique, gestion des risques), les débats éthiques contemporains (biais, discrimination, responsabilité, désinformation, droits d'auteur, transparence, fracture numérique) ainsi que les impacts environnementaux de l'IA (AI for Green, Green for AI, consommation énergétique, sobriété numérique, empreinte carbone).

• Transformations économiques et organisationnelles
• Régulation, gouvernance et souveraineté
• Éthique, information et débats contemporains
• Durabilité et impacts environnementaux de l'IA