Description
Objectifs du cours
- Comprendre le fonctionnement d’un LLM (tokenisation, embeddings, Transformer, phases pré-entraînement/alignement/inférence) pour piloter ses usages.
- Savoir structurer des prompts clairs et testables (objectif, contexte, contraintes, format, critères) et distinguer prompt système vs prompt utilisateur.
- Mettre en œuvre des bonnes pratiques modernes de prompting, dont la planification interne/thinking et la vérification silencieuse.
- Choisir l’approche outillage adaptée (GPTs dédiés, assistants, RAG), en connaissant atouts/limites et cas d’usage.
- Réduire les risques (hallucinations, biais, sensibilité au prompt) via contrôle des sources et RAG.
- Intégrer les garde-fous juridiques de base lors de l’ingestion/documentation (droit d’auteur, confidentialité, RGPD).
Pour qui ?
- Professionnels du droit, notamment juristes et avocats, cherchant à utiliser l’IA de manière opérationnelle.
- Équipes juridiques qui produisent mémos, check-lists et modèles et veulent standardiser les sorties.
- Utilisateurs souhaitant créer/configurer des GPTs dédiés et cadrer la mémoire/les réglages (Settings).
- Débutants en IA juridique qui veulent des bases solides et reproductibles pour la pratique quotidienne.
Participation validée via le certificat d’attestation de suivi
- Ce cours ouvre le droit à 2 points non-juridiques de formation continue pour les avocats.
