Analyse de données : Big Data & IA

Dernière mise à jour : 17/11/2026

Bannière visuelle de présentation de la formation

Description et contenu

La formation Analyse de données, Big Data et intelligence artificielle permet de maîtriser les principales méthodes d'analyse statistique multivariée pour explorer, modéliser et interpréter des bases de données complexes. 

Elle aborde l'utilisation des données pour l'aide à la décision et l'optimisation dans différents contextes : reporting et tableaux de bord, recherche et data science, performance industrielle ou analyse de données économiques. La formation montre également comment les outils d'intelligence artificielle peuvent améliorer la rapidité et la performance des analyses. 

Objectifs

  • Analyser un volume important de données à l'aide des principales méthodes d'analyse statistique multivariée. 
  • Choisir une méthode d'analyse adaptée au type de données disponible. 
  • Sélectionner une méthode selon l'objectif défini : décrire, classifier ou modéliser. 
  • Exploiter des données à l'aide de méthodes d'apprentissage supervisé et non supervisé. 
  • Interpréter les résultats d'analyses numériques et graphiques. 
  • Prendre des décisions à partir de cas pratiques. 
  • Utiliser des solutions informatiques et des outils d'intelligence artificielle pour accompagner l'analyse. 

Contenu

Introduction au Big Data 

  • Introduction aux principes du Big Data. 
  • Premiers pas dans l’analyse de grandes bases de données. 
  • Description des données. 
  • Validation de la qualité des données. 

Méthodes d’apprentissage supervisé 

  • Régression linéaire : Y = f(X). 
  • Régression logistique binaire : (0 ; 1) = f(X). 
  • Classification supervisée. 
  • Analyse discriminante linéaire, ou LDA. 
  • Validation d’un modèle d’apprentissage supervisé. 

Méthodes d’apprentissage non supervisé 

  • Classification non supervisée. 
  • Clustering par la méthode K-Means. 
  • Réduction de dimension. 
  • Analyse en composantes principales. 

Autres méthodes d’analyse 

  • Réseaux de neurones et puissance de l’approximation. 
  • Régression PLS et mixité d’apprentissage. 

Études de cas et mise en pratique 

  • Exploitation numérique de plusieurs bases de données. 
  • Exploitation graphique des résultats. 
  • Analyse de cas pratiques pendant les trois journées de formation. 
  • Utilisation de différentes solutions logicielles. 
  • Appui d’outils d’intelligence artificielle pour réaliser les analyses. 

Public visé

  • Responsables Recherche & Développement. 

     

  • Responsables de laboratoire d'analyses. 

     

  • Responsables de l'amélioration continue dans l'entreprise. 

     

  • Agents et agentes méthodes et industrialisation. 

     

  • Chargés et chargées d'amélioration continue ou d'excellence opérationnelle. 

     

  • Techniciens et techniciennes en Recherche & Développement. 

Prérequis

Formation SMACA :

ou formation équivalente,

ou expérience professionnelle

 

 

Modalités pédagogiques

Atelier pratique 

  • Utilisation de postes de contrôle et d'instruments de mesure connectés dans un environnement simulant des situations professionnelles de mesure et d'analyse de données. 
  • Utilisation de logiciel statistique.
  • Utilisation de l'intelligence artificielle. 

Formation théorique 

  • Salle de formation équipée de supports médias interactifs. 

Ressources pédagogiques numériques 

Avant la formation en présentiel, chaque participant bénéficie d'un accès individuel à une plateforme digitale permettant : 

  • D'effectuer un test d'auto-évaluation des connaissances.
  • D'accéder à la documentation de formation téléchargeable. 

Après la formation en présentiel, cet accès permet également : 

  • De réaliser le test final de validation des acquis. 
  • De télécharger des fichiers complémentaires liés aux notions théoriques et pratiques abordées. 

Conditions d'ouverture 

Cette formation nécessite un minimum de 5 apprenants. 

Compétences acquises à l'issue de la formation

  • Intelligence artificielle (IA)
  • Réaliser une analyse statistique multivariée
  • Mobiliser l’intelligence artificielle dans un contexte d’analyse de données
  • Décrire et vérifier la qualité d’une base de données
  • Choisir une méthode d’analyse selon les données et l’objectif poursuivi
  • Appliquer des méthodes d’apprentissage supervisé
  • Appliquer des méthodes d’apprentissage non supervisé
  • Exploiter et interpréter des résultats numériques et graphiques
  • Utiliser les résultats d’analyse pour accompagner la prise de décision

Pour approfondir ses compétences

Formations liées

Cette formation est également incluse dans les formations suivantes :

Informations sur l'accessibilité

Environnement​ adapté aux personnes à mobilité réduite :

  • 2 places de parking dédiée pour personnes à mobilité réduite (À réserver SVP auprès de notre secrétariat avant le début de la formation : info@smaca.ch)
  • Ascenseur à proximité des salles de formation de l'atelier-école 
  • WC adapté et cafétéria à proximité de la salle de formation (sur le même niveau) 
  • Poste de travail ajustable en hauteur 
  • Chaise tablette ajustable en hauteur 
  • Espace ouvert dans l'environnement « Atelier » permettant la circulation en fauteuil 

Informations complémentaires

  • Attestation SMACA accordée sous condition d’une présence minimale de 60 %. 
  • Le repas de midi est inclus pour les participants. 

Formateurs

...

Frund Guillaume

Guillaume Frund est polymécanicien de formation, avec sept ans d'expérience en industrialisation et en processus de production. Il a formé des régleurs et des opérateurs en techniques d'usinage et en programmation FAO, supervisé et optimisé les processus de production, et contribué à la conception de prototypes. Expert en usinage sur centre de tournage-fraisage 5 axes, il a également élaboré et géré la documentation technique nécessaire à la fabrication et à l'optimisation de la production.

Depuis janvier 2022, Guillaume est responsable des projets d'excellence opérationnelle chez Bien-Air Dental, couvrant deux sites de production. Dans ce rôle, il dirige des projets d'amélioration continue, met en place des processus d'excellence opérationnelle et collabore avec la direction pour atteindre les objectifs stratégiques. Guillaume encadre les équipes, définit les KPI et implémente des outils de suivi, tout en coachant les pilotes de projets pour assurer leur réussite.

Certifié Chef de Projet Black Belt Six Sigma et Chef de Projet Lean Production, Guillaume allie une solide expérience de terrain à une gestion efficace des projets d'amélioration continue.

En tant que formateur, il partage ses compétences en techniques avancées de production et en amélioration continue, aidant les entreprises à accroître leur efficacité et leur productivité.

...

Méneur David

Statistique Laboratoire Amélioration continue Excellence Organisationnelle Métrologie Excellence Opérationnelle

Diplômé d’un 3ème cycle en chimie et d’un master en optimisation de processus (statistique & qualité), David a occupé successivement des fonctions de consultant-formateur dans le domaine de l’industrie française, puis de chef de service au sein du groupe Rhodia dans le domaine de la modélisation et de l’optimisation de procédés (déploiement du Lean & six sigma). Pendant 12 ans, il a été consultant-formateur puis directeur d'un institut de formation dans le domaine de la qualité. Membre fondateur de SMACA SA, Il en a aujourd’hui les responsabilités organisationnelle & opérationnelle.

M'inscrire à la formation

Détail des créneaux de la session sélectionnée :
Ajouter au panier

FAQ

Quel est l’objectif de cette formation en analyse de données et Big Data ? 

Elle permet d’apprendre à explorer, modéliser et interpréter des bases de données complexes à l’aide de méthodes d’analyse statistique multivariée et d’outils d’intelligence artificielle. 

À qui cette formation est-elle destinée ? 

Elle s’adresse aux professionnels de la Recherche & Développement, des laboratoires d’analyses, des méthodes, de l’industrialisation et de l’amélioration continue. 

Quels sont les prérequis pour suivre cette formation ? 

Il est demandé d’avoir suivi une formation en statistiques de base, une formation équivalente ou de disposer d’une expérience professionnelle. 

Quelles méthodes d’analyse de données sont abordées ? 

La formation présente notamment la régression linéaire, la régression logistique, l’analyse discriminante linéaire, le clustering K-Means, l’analyse en composantes principales, les réseaux de neurones et la régression PLS. 

Quelles compétences sont développées pendant la formation ? 

Les participants apprennent à choisir une méthode adaptée, analyser des données multivariées, interpréter des résultats numériques et graphiques et utiliser l’intelligence artificielle pour accompagner leurs analyses. 

Session sélectionnée

  • 06/07/27 8:30 → 15/07/27 16:30
    SMACA - Atelier Académie - Salle 212 - Yverdon-les-Bains -
  • Détails :

    06/07/27 : 8:30 → 12:00
    13:00 → 16:30
    07/07/27 : 8:30 → 12:00
    13:00 → 16:30
    15/07/27 : 8:30 → 12:00
    13:00 → 16:30

Prochaines Sessions

  • 08/12/27 8:30 → 15/12/27 16:30
    SMACA - Atelier Académie - Salle 212 - Yverdon-les-Bains -

Partager cette formation

Accessibilité

Sélectionnez le niveau de contraste souhaité
Réduisez les animations
Adaptez la taille de la police
Sélectionnez la police de caractères souhaitée

Déclaration d'accessibilité