# Hymaïa > Hymaïa est un cabinet de conseil et de formation Data & IA basé à Paris. Nous acculturons, formons et accompagnons les équipes Data, Produit et Tech des entreprises pour déployer l'IA à l'échelle : stratégie, AI engineering, agents IA, data engineering, analytics et product management. Hymaïa est certifié Qualiopi pour ses actions de formation (financement OPCO possible). Le cabinet co-organise la Forward Data Conference et l'AI Product Day à Paris. ## Offres de conseil - [AI & Agentic Transformation](https://www.hymaia.com/offre/ai-agentic-transformation/): Repenser votre organisation à l'ère de l'IA agentique. Processus, rôles, gouvernance : chaque brique est repensée, pas juste automatisée. - [AI Engineering](https://www.hymaia.com/offre/ai-engineering/): RAG, Agents IA, LLMOps : on construit avec vos équipes des architectures et systèmes qui exploitent l'IA à l'échelle en production. - [Agentic Engineering](https://www.hymaia.com/offre/agentic-engineering/): Déployez des agents IA en production et transformez vos pratiques engineering. De l'architecture MCP au multi-agents : on construit avec vos équipes. - [AI Product Management](https://www.hymaia.com/offre/ai-product-management/): Intégrez l'IA au cœur de votre stratégie produit et transformez vos PMs en Product Builders. - [Scaler l'adoption de l'IA](https://www.hymaia.com/offre/scaler-ladoption-de-lia/): Passer de quelques early adopters à une culture IA ancrée dans toute l'organisation. Ça ne s'improvise pas, ça se structure. - [Conseil et Expertise Technique](https://www.hymaia.com/offre/conseil-et-expertise-technique/): Pour créer des solutions vraiment impactantes il faut s'immerger dans l’environnement de nos clients. Nos missions en régie sont votre passerelle vers des solutions sur mesure, des initiatives dynamiques et un renforcement de vos compétences internes. Nos missions durent entre 3 et 12 mois. ## Formations - [Agentic Coding Avancé - Claude Code](https://www.hymaia.com/formation/agentic-coding-avance-claude-code/): Disséquez l'anatomie d'un agent de coding, orchestrez des systèmes multi-agents et optimisez votre consommation de tokens avec le Claude Agent SDK. - [Agentic Engineering](https://www.hymaia.com/formation/agentic-engineering/): Comment tirer le maximum des agents de coding ? Contexte persistant, commandes sur mesure et orchestration multi-agents. - [AI Champion Training](https://www.hymaia.com/formation/ai-champion-training/): Comment faire de vos AI Champions les catalyseurs de l'adoption IA à l'échelle ? Maîtrise technique, agents et animation de communauté. - [AI Engineering for ML Engineers](https://www.hymaia.com/formation/ai-engineering-ml-engineers/): De la conception au monitoring : devenez autonome sur l'ensemble de la stack des agents IA modernes : RAG avancé, agents avec LangChain/LangGraph, protocole MCP pour le tooling et évaluation et observabilité avec Langfuse. - [AI Engineering pour Software Engineers](https://www.hymaia.com/formation/ai-engineering-pour-software-engineers/): Comment intégrer les LLMs en production en tant que Software Engineer ? Maîtrisez la chaîne complète : APIs, RAG, agents et Model Context Protocol. - [AI Product Management](https://www.hymaia.com/formation/ai-product-management/): Comment piloter un produit IA ? Développez votre culture IA et maîtrisez le cycle de développement d'un produit IA. - [AI Product Management & AI Agents](https://www.hymaia.com/formation/ai-product-management-ai-agents/): Comment piloter un produit IA et construire des agents sophistiqués ? Maîtrisez le cycle complet et devenez un Product Builder. - [Apache Airflow](https://www.hymaia.com/formation/apache-airflow/): Comment industrialiser ses workflows data avec Apache Airflow ? De la création de DAGs au monitoring en production, maîtrisez l'orchestrateur le plus utilisé du marché avec les bonnes pratiques d'industrialisation. - [Claude Code pour Product Managers -- Certifiante RS6891](https://www.hymaia.com/formation/claude-code-product-managers/): Deux jours pour construire votre Personal OS PM de A à Z et décrocher la certification RS6891. - [Construire des Agents IA pour équipes Produit](https://www.hymaia.com/formation/construire-des-agents-ia-pour-equipes-produit/): Comment construire des agents IA sur vos cas d'usage produit ? Cadrez, prototypez et devenez un Product Builder. - [Data & AI Product Management](https://www.hymaia.com/formation/data-ai-product-management/): Comment cadrer, lancer et évaluer un produit Data & IA ? Maîtrisez la discovery, le delivery et la gouvernance adaptés aux spécificités Data & IA. - [Data & AI Product Management -- Certifiante RS6891](https://www.hymaia.com/formation/data-ai-product-management-certifiante/): Envie d'aller plus loin avec une certification reconnue ? Tout le programme Data & AI PM, plus la certification RS6891. - [Data & AI Product Manager](https://www.hymaia.com/formation/devenir-data-ai-product-manager/): Vous êtes Product Manager et souhaitez intégrer la Data et l’IA dans vos produits digitaux? - [Data Engineering sur AWS](https://www.hymaia.com/formation/formation-data-engineering-sur-aws/): Vous voulez devenir autonome dans la création d'architectures data robustes et évolutives sur AWS ? Des fondamentaux Cloud aux patterns de Data Engineering, maîtrisez l'écosystème AWS à travers des retours d'expérience concrets issus de cas clients. - [Devenez Analytics Engineer](https://www.hymaia.com/formation/formation-analytics-engineer/): Vous êtes Data Analyst avec une solide maîtrise de SQL et souhaitez évoluer vers un rôle d'Analytics Engineer ? Data modelling, SQL avancé, bonnes pratiques de développement et outils modernes comme dbt, à travers un projet fil rouge end-to-end. - [Fondamentaux de l'IA](https://www.hymaia.com/formation/les-fondamentaux-de-lia/): Comment comprendre concrètement les intelligences artificielles génératives et les intégrer dans vos pratiques professionnelles ? De la compréhension des LLMs à la construction de votre propre assistant IA, passez de la curiosité à la mise en oeuvre en une journée. - [Fresque de l'IA](https://www.hymaia.com/formation/fresque-de-lia/): Comment aligner toute l'organisation sur les enjeux IA ? Un atelier collaboratif pour créer un vocabulaire commun et une culture partagée. - [IA Générative pour Managers & Décideurs](https://www.hymaia.com/formation/ia-generative-pour-managers-decideurs/): Comment tirer parti de l'IA générative en tant que manager ou décideur ? Maîtrisez le prompting et identifiez les bons outils. - [La Fresque de la Data et de l'IA](https://www.hymaia.com/formation/fresque-de-la-data/): Vous souhaitez aligner vos équipes Data et métiers autour d'un vocabulaire commun ? Cet atelier collaboratif inspiré de la Fresque du Climat permet de se familiariser avec les concepts de la Data et de l'IA, tout en favorisant le team building. - [MLOps & Machine Learning End-To-End](https://www.hymaia.com/formation/mlops-machine-learning-end-to-end/): Comment maîtriser tout le cycle de vie d'un projet de Machine Learning ? Du cadrage au déploiement, du monitoring au ré-entraînement automatique, adoptez les bonnes pratiques MLOps pour accélérer la mise en production de vos modèles. - [Spark pour développeurs](https://www.hymaia.com/formation/formation-spark-pour-developpeurs/): Vous êtes développeur et vous souhaitez maîtriser le framework de traitement distribué le plus performant ? Des fondamentaux théoriques au déploiement cloud, développez une expertise hands-on sur Apache Spark. ## Datadictionnaire (définitions Data & IA) - [/goal](https://www.hymaia.com/qu-est-ce-que/goal-programmation-declarative/): /goal est une commande de Claude Code qui applique la programmation déclarative aux agents IA : on définit un objectif mesurable plutôt qu'une suite d'instructions. Un évaluateur juge chaque itération, transmet la dernière raison d'échec à l'agent et relance le cycle jusqu'à ce que l'objectif soit atteint. - [/loop](https://www.hymaia.com/qu-est-ce-que/loop-automatisation-recurrente/): /loop est une commande de Claude Code qui répète un prompt à intervalle régulier au sein d'une même session : on précise une durée (5 secondes, 5 minutes, 10 minutes...) et une instruction, relancée automatiquement à chaque échéance jusqu'à 7 jours maximum. - [A2A Protocol](https://www.hymaia.com/qu-est-ce-que/a2a-protocol/): Le protocole A2A (Agent-to-Agent) est un standard ouvert proposé par Google en avril 2025 pour permettre à des agents IA de différents fournisseurs de communiquer et collaborer. Complémentaire du MCP (Model Context Protocol), il standardise la découverte, la négociation et l'échange de tâches entre agents. - [Agentic Analytics](https://www.hymaia.com/qu-est-ce-que/agentic-analytics/): L'Agentic Analytics désigne des systèmes où des agents IA autonomes explorent la donnée, décomposent une question complexe en dizaines de requêtes, et produisent une analyse gouvernée, avec une supervision humaine minimale plutôt qu'un pilotage manuel de chaque étape. - [Agents IA](https://www.hymaia.com/qu-est-ce-que/agents-ia/): Un agent IA est un système d'intelligence artificielle capable de percevoir son environnement, raisonner et agir de manière autonome pour accomplir des objectifs, sans intervention humaine constante. - [AI Act](https://www.hymaia.com/qu-est-ce-que/ai-act/): L'AI Act est le règlement européen qui encadre le développement et l'utilisation des systèmes d'intelligence artificielle dans l'UE, avec des obligations graduées selon le niveau de risque. - [AI Champion](https://www.hymaia.com/qu-est-ce-que/ai-champion/): Un AI Champion est un collaborateur formé pour accélérer l'adoption de l'intelligence artificielle au sein de son équipe ou département. Il fait le pont entre l'expertise technique et les métiers, identifie les cas d'usage pertinents et accompagne ses collègues dans la prise en main des outils IA. - [AI Copilot](https://www.hymaia.com/qu-est-ce-que/ai-copilot/): Un AI copilot est un assistant IA intégré dans un outil métier qui augmente la productivité de l'utilisateur en suggérant, corrigeant et automatisant des tâches dans son flux de travail. À la différence d'un agent IA autonome, le copilot assiste l'humain qui garde le contrôle des décisions. - [AI Death Cycle](https://www.hymaia.com/qu-est-ce-que/ai-death-cycle/): L'AI Death Cycle est le cercle vicieux dans lequel les projets IA échouent faute de fondations data solides, renforçant le scepticisme de l'organisation, réduisant les investissements et dégradant les conditions de succès des projets suivants. Comprendre ce cycle est la première étape pour en sortir. - [AI Governance](https://www.hymaia.com/qu-est-ce-que/ai-governance/): L'AI Governance désigne le cadre organisationnel — politiques, processus, rôles et comités — qui encadre le développement et l'utilisation de l'IA dans une organisation. Elle couvre la gestion des risques, la conformité réglementaire, l'éthique et la transparence des systèmes IA. - [AI Ops](https://www.hymaia.com/qu-est-ce-que/ai-ops/): L'AI Ops désigne l'ensemble des pratiques et le rôle dédié à structurer, accélérer et piloter l'adoption de l'intelligence artificielle à l'échelle d'une organisation. - [AI Product Manager](https://www.hymaia.com/qu-est-ce-que/ai-product-manager/): L'AI Product Manager est un profil qui combine les compétences du product management avec une compréhension approfondie de l'IA et du machine learning. Il pilote la conception de produits intégrant de l'intelligence artificielle en faisant le lien entre les équipes techniques, business et les utilisateurs. - [AI Readiness](https://www.hymaia.com/qu-est-ce-que/ai-readiness/): L'AI Readiness (maturité IA) mesure la capacité d'une organisation à adopter et exploiter l'intelligence artificielle de manière effective. Elle évalue la maturité sur plusieurs axes : qualité des données, compétences internes, culture d'entreprise, infrastructure technique et gouvernance. - [Analyse des erreurs](https://www.hymaia.com/qu-est-ce-que/error-analysis/): L'analyse des erreurs est une methode systematique pour identifier, categoriser et corriger les faiblesses d'un modele de Machine Learning. Elle guide les iterations d'amelioration en ciblant les sous-populations ou le modele echoue le plus. - [Analytics Engineer](https://www.hymaia.com/qu-est-ce-que/analytics-engineer/): L'Analytics Engineer applique les bonnes pratiques du Software Engineering (tests, CI/CD, versioning) à la transformation des données, comblant le fossé entre Data Engineer et Data Analyst. - [Architecture Transformer](https://www.hymaia.com/qu-est-ce-que/architecture-transformer/): L'architecture Transformer est un type de réseau de neurones basé sur le mécanisme d'attention, introduit par Google en 2017. Elle constitue le fondement technique de tous les grands modèles de langage actuels (GPT, Claude, Llama, Mistral) et a transformé le traitement du langage naturel. - [AWS](https://www.hymaia.com/qu-est-ce-que/aws/): AWS (Amazon Web Services) est la plateforme de cloud computing d'Amazon, leader mondial du marché avec plus de 200 services couvrant le calcul, le stockage, les bases de données, l'IA et le machine learning. - [Base de données vectorielle](https://www.hymaia.com/qu-est-ce-que/base-de-donnees-vectorielle/): Une base de données vectorielle est un système de stockage optimisé pour indexer et rechercher des vecteurs d'embeddings. Elle permet la recherche sémantique en trouvant les éléments les plus proches dans un espace mathématique, et constitue une brique fondamentale des architectures RAG. - [ChatGPT](https://www.hymaia.com/qu-est-ce-que/chatgpt/): ChatGPT est l'application d'IA conversationnelle développée par OpenAI, basée sur les modèles GPT. Son lancement fin 2022 a déclenché l'adoption massive de l'IA générative dans le grand public et en entreprise. - [Citizen Data Scientist](https://www.hymaia.com/qu-est-ce-que/citizen-data-scientist/): Un Citizen Data Scientist est un professionnel métier capable d'utiliser des techniques d'analyse de données et de machine learning grâce à des outils no-code/low-code, sans formation spécialisée en data science. - [Cloud](https://www.hymaia.com/qu-est-ce-que/cloud/): Le Cloud Computing permet d'accéder à des ressources informatiques (serveurs, stockage, bases de données, IA) via Internet, sans posséder ni gérer l'infrastructure physique sous-jacente. - [Compound AI Systems](https://www.hymaia.com/qu-est-ce-que/compound-ai-systems/): Un Compound AI System est un système d'IA composé de plusieurs composants orchestrés (LLMs, retrievers, outils, code) pour résoudre des tâches complexes. Plutôt que de tout confier à un seul modèle, cette approche modulaire combine les forces de chaque composant pour obtenir de meilleurs résultats. - [Context Engineering](https://www.hymaia.com/qu-est-ce-que/context-engineering/): Le context engineering consiste à concevoir et optimiser l'ensemble du contexte fourni à un LLM pour obtenir des réponses fiables. Au-delà du prompt, il intègre la sélection dynamique d'informations, la gestion de la mémoire et l'orchestration des sources de données. - [CRISP-ML](https://www.hymaia.com/qu-est-ce-que/crisp-ml/): CRISP-ML(Q) est une méthodologie qui standardise le cycle de vie des projets de Machine Learning en 7 étapes, de la compréhension du problème au monitoring en production, avec un prisme qualité. - [Data Analyst](https://www.hymaia.com/qu-est-ce-que/data-analyst/): Le Data Analyst collecte, nettoie et analyse les données de l'entreprise pour produire des indicateurs, des rapports et des recommandations qui éclairent la prise de décision stratégique et opérationnelle. - [Data As A Product](https://www.hymaia.com/qu-est-ce-que/data-as-a-product/): Le Data as a Product est une approche qui consiste a traiter les donnees comme un produit a part entiere, avec un responsable, des utilisateurs et des standards de qualite. C'est l'un des 4 piliers du Data Mesh. - [Data Business Model Canvas](https://www.hymaia.com/qu-est-ce-que/data-business-model-canvas/): Le Data Business Model Canvas est un outil de cadrage qui adapte le Business Model Canvas d'Alex Osterwalder aux projets Data, en structurant la reflexion autour de 9 sections centrees sur la donnee. - [Data Contract](https://www.hymaia.com/qu-est-ce-que/data-contract/): Un Data Contract est un accord formel entre un producteur et un consommateur de données qui définit la structure, le format, la qualité attendue et les SLAs des données échangées. Il formalise les engagements de chaque partie et rend les dépendances data explicites et vérifiables. - [Data Drift](https://www.hymaia.com/qu-est-ce-que/data-drift/): Le Data Drift designe le changement de distribution des donnees en entree d'un modele de Machine Learning au fil du temps, pouvant degrader ses performances sans que le modele lui-meme ait change. - [Data Engineer](https://www.hymaia.com/qu-est-ce-que/data-engineer/): Le Data Engineer concoit, construit et maintient les pipelines et infrastructures de donnees qui permettent aux organisations de collecter, transformer et mettre a disposition leurs donnees a grande echelle. - [Data Governance](https://www.hymaia.com/qu-est-ce-que/data-governance/): La Data Governance est le cadre strategique et operationnel qui definit les regles, les roles et les processus pour gerer les donnees d'une organisation de maniere fiable, securisee et conforme. - [Data Lineage](https://www.hymaia.com/qu-est-ce-que/data-lineage/): Le Data Lineage retrace le parcours complet des donnees au sein d'une organisation : leur origine, les transformations subies et les systemes traverses, de la source jusqu'a la consommation finale. - [Data Literacy](https://www.hymaia.com/qu-est-ce-que/data-literacy/): La Data Literacy (litteratie des donnees) designe la capacite a lire, comprendre, analyser et communiquer avec les donnees. C'est une competence transversale, necessaire a tous les metiers. - [Data Mesh](https://www.hymaia.com/qu-est-ce-que/data-mesh/): Le Data Mesh est un paradigme d'architecture de donnees decentralise, fonde sur 4 piliers : ownership par domaine, Data as a Product, plateforme en self-service et gouvernance federee. Il est l'application du Domain-Driven Design a la data. - [Data Platform](https://www.hymaia.com/qu-est-ce-que/data-platform/): Une Data Platform est l'ensemble des outils, services et infrastructure qui permettent de collecter, stocker, transformer, analyser et distribuer les donnees au sein d'une organisation. C'est le socle technique de toute strategie data. - [Data Product Manager](https://www.hymaia.com/qu-est-ce-que/data-product-manager/): Le Data Product Manager pilote la strategie et la roadmap des produits fondes sur les donnees. Il combine expertise produit, comprehension des donnees et vision business pour maximiser la valeur creee. - [Data Steward](https://www.hymaia.com/qu-est-ce-que/data-steward/): Le Data Steward est le garant de la qualite des donnees au sein d'une organisation. Responsable du glossaire business et du Data Catalog, il est le premier point de contact pour tous les utilisateurs de donnees. - [Data Storytelling](https://www.hymaia.com/qu-est-ce-que/data-storytelling/): Le Data Storytelling est l'art de transformer des donnees en recits convaincants. En combinant donnees, narration et visualisation, il rend les analyses accessibles et actionables pour tous les publics. - [Data Strategist](https://www.hymaia.com/qu-est-ce-que/data-strategist/): Le Data Strategist definit et pilote la strategie data d'une entreprise. Il aligne les initiatives data avec les objectifs business pour maximiser la creation de valeur a partir des donnees. - [dbt](https://www.hymaia.com/qu-est-ce-que/dbt/): dbt (data build tool) est un outil open source de transformation de donnees qui permet aux Analytics Engineers d'appliquer les bonnes pratiques du genie logiciel (versioning, tests, documentation) a leurs pipelines SQL. - [Données synthétiques](https://www.hymaia.com/qu-est-ce-que/donnees-synthetiques/): Les données synthétiques sont des données générées artificiellement qui reproduisent les propriétés statistiques de données réelles sans contenir d'informations personnelles. Elles servent à entraîner des modèles IA, tester des systèmes ou partager des datasets dans le respect de la vie privée. - [Ecueils Data](https://www.hymaia.com/qu-est-ce-que/ecueils-data/): Les ecueils Data sont les pieges recurrents qui empechent les organisations d'exploiter leurs donnees a l'echelle. Ils se repartissent en trois categories : organisationnels, methodologiques et techniques. - [Embedding](https://www.hymaia.com/qu-est-ce-que/embedding/): Un embedding est une représentation numérique d'une donnée (texte, image, audio) sous forme de vecteur dans un espace mathématique. Les embeddings capturent le sens sémantique des données et mesurent la similarité entre elles, ce qui les rend indispensables au RAG et à la recherche sémantique. - [Évaluation IA](https://www.hymaia.com/qu-est-ce-que/evaluation-ia/): L'évaluation IA désigne les méthodes et métriques pour mesurer la qualité et la fiabilité des systèmes d'IA, en particulier les LLM. Elle couvre les benchmarks, les évaluations automatisées (LLM-as-a-judge), les évaluations humaines et les métriques spécifiques au RAG. - [Feature Store](https://www.hymaia.com/qu-est-ce-que/feature-store/): Un Feature Store est une plateforme qui centralise le stockage, la gestion et le partage des features utilisees pour entrainer et servir des modeles de Machine Learning, en garantissant la coherence entre entrainement et production. - [Fine-tuning](https://www.hymaia.com/qu-est-ce-que/fine-tuning/): Le fine-tuning est le processus d'adaptation d'un modèle de langage pré-entraîné (LLM) à un domaine ou une tâche spécifique, en le réentraînant sur un jeu de données ciblé. Il permet d'obtenir un modèle spécialisé sans supporter le coût d'un entraînement complet. - [Fresque de la Data](https://www.hymaia.com/qu-est-ce-que/fresque-de-la-data/): La Fresque de la Data et de l'IA est un atelier collaboratif cree par Hymaia qui sensibilise les participants aux enjeux de la donnee et de l'intelligence artificielle a travers un format ludique et interactif. - [GEO (Generative Engine Optimization)](https://www.hymaia.com/qu-est-ce-que/geo-generative-engine-optimization/): Le GEO (Generative Engine Optimization) est l'optimisation de contenus pour être sélectionnés et cités par les moteurs de recherche génératifs comme Google AI Overviews, Perplexity ou ChatGPT Search. C'est l'évolution du SEO classique à l'ère de l'IA générative. - [GraphRAG](https://www.hymaia.com/qu-est-ce-que/graphrag/): Le GraphRAG combine les knowledge graphs et le RAG pour permettre aux LLMs de raisonner sur des relations complexes entre entités. En structurant les données sous forme de graphe avant la récupération, cette approche améliore les réponses aux questions nécessitant plusieurs sauts logiques. - [Grounding](https://www.hymaia.com/qu-est-ce-que/grounding/): Le grounding est la technique d'ancrage factuel des réponses d'un LLM dans des sources de données vérifiables. En connectant le modèle à des documents, des bases de données ou des APIs, le grounding réduit les hallucinations et permet de sourcer les affirmations générées. - [Guardrails (IA)](https://www.hymaia.com/qu-est-ce-que/guardrails-ia/): Les guardrails IA sont des mécanismes de contrôle appliqués aux entrées et sorties des LLMs pour garantir la sécurité, la conformité et la qualité des réponses. Ils filtrent les contenus inappropriés, valident les formats, détectent les tentatives de manipulation et vérifient la cohérence factuelle. - [Hallucination (IA)](https://www.hymaia.com/qu-est-ce-que/hallucination-ia/): Une hallucination en IA désigne une réponse générée par un LLM qui semble plausible et confiante, mais qui contient des informations factuellement fausses ou inventées. C'est l'un des principaux obstacles à l'adoption des LLM en entreprise. - [IA Agentique](https://www.hymaia.com/qu-est-ce-que/ia-agentique/): L'IA agentique (Agentic AI) désigne une catégorie de systèmes d'intelligence artificielle capables de planifier, raisonner et agir de manière autonome pour atteindre un objectif. Contrairement à un LLM utilisé en mode conversationnel, un système agentique prend des décisions, utilise des outils et itère sans intervention humaine à chaque étape. - [IA Generative](https://www.hymaia.com/qu-est-ce-que/definition-ia-generative/): L'IA generative designe les systemes d'intelligence artificielle capables de creer du contenu original (texte, image, code, audio) a partir de consignes en langage naturel. Elle repose principalement sur des modeles de type LLM et Transformer. - [IA Multimodale](https://www.hymaia.com/qu-est-ce-que/ia-multimodale/): L'IA multimodale désigne les systèmes d'IA capables de traiter et générer plusieurs types de données -- texte, images, audio, vidéo -- de façon intégrée. Contrairement aux modèles spécialisés sur une seule modalité, les modèles multimodaux comprennent et relient les informations entre formats. - [IA Responsable](https://www.hymaia.com/qu-est-ce-que/ia-responsable/): L'IA Responsable designe l'ensemble des pratiques qui garantissent que les systemes d'intelligence artificielle sont developpes et deployes de maniere ethique, equitable, transparente et securisee. - [IA Souveraine](https://www.hymaia.com/qu-est-ce-que/ia-souveraine/): L'IA souveraine désigne la capacité d'un État ou d'une zone économique à développer, héberger et contrôler ses propres systèmes d'IA sans dépendance vis-à-vis d'acteurs étrangers. En Europe, cet enjeu couvre les modèles, les infrastructures de calcul, les données et les compétences. - [Ingestion Batch](https://www.hymaia.com/qu-est-ce-que/ingestion-batch/): L'ingestion batch consiste a traiter des donnees par lots a intervalles reguliers, contrairement au streaming temps reel. C'est le pattern dominant des pipelines de donnees modernes. - [Knowledge Graph](https://www.hymaia.com/qu-est-ce-que/knowledge-graph/): Un knowledge graph (graphe de connaissances) est une structure de données qui organise l'information sous forme d'entités reliées par des relations sémantiques. Utilisé pour structurer les connaissances d'une organisation, il connaît un regain d'intérêt avec l'IA générative et le GraphRAG. - [Knowledge Infrastructure](https://www.hymaia.com/qu-est-ce-que/knowledge-infrastructure/): La Knowledge Infrastructure désigne l'ensemble des systèmes, processus et pratiques qui permettent de capturer, structurer et distribuer la connaissance organisationnelle. Elle inclut les knowledge graphs, les bases vectorielles, les taxonomies et les processus de curation. - [LLM (Large Language Model)](https://www.hymaia.com/qu-est-ce-que/llm/): Un LLM (Large Language Model) est un modèle d'intelligence artificielle entraîné sur de vastes corpus de texte, capable de comprendre et générer du langage naturel. GPT, Claude, Llama et Mistral sont des exemples de LLM qui alimentent les applications d'IA générative. - [LLMOps](https://www.hymaia.com/qu-est-ce-que/llmops/): Le LLMOps désigne les pratiques d'ingénierie pour déployer, monitorer et maintenir des applications basées sur des LLM en production. Extension du MLOps adaptée aux grands modèles de langage, il couvre la gestion des prompts, l'évaluation des sorties, le suivi des coûts et la gouvernance. - [MCP (Model Context Protocol)](https://www.hymaia.com/qu-est-ce-que/mcp-model-context-protocol/): Le MCP (Model Context Protocol) est un protocole open-source créé par Anthropic qui standardise la connexion entre les LLM et les sources de données ou outils externes. Il joue pour l'IA le rôle que l'USB a joué pour les périphériques : une interface universelle. - [ML Engineer](https://www.hymaia.com/qu-est-ce-que/ml-engineer/): Le ML Engineer concoit, entraine et deploie des modeles de machine learning en production. A mi-chemin entre Data Scientist et ingenieur logiciel, il transforme les prototypes en systemes fiables et scalables. - [MLOps](https://www.hymaia.com/qu-est-ce-que/mlops/): Le MLOps applique les principes du DevOps au machine learning : automatisation du deploiement, monitoring des modeles en production et gestion du cycle de vie complet, de l'entrainement au reentrainement. - [MLOps Engineer](https://www.hymaia.com/qu-est-ce-que/mlops-engineer/): Le MLOps Engineer automatise le cycle de vie des modeles de machine learning en production : pipelines d'entrainement, deploiement, monitoring et qualite des donnees. C'est le DevOps du ML. - [Modern Data Stack](https://www.hymaia.com/qu-est-ce-que/modern-data-stack/): La Modern Data Stack designe l'ensemble des outils cloud-native utilises pour collecter, stocker, transformer et analyser les donnees. Elle remplace les architectures monolithiques par des briques specialisees et interoperables. - [Orchestration multi-agents](https://www.hymaia.com/qu-est-ce-que/orchestration-multi-agents/): L'orchestration multi-agents désigne la coordination de plusieurs agents IA spécialisés qui collaborent pour résoudre des tâches complexes. Chaque agent a un rôle et des outils propres, un orchestrateur gérant le flux d'exécution, la délégation et la synthèse des résultats. - [Organisation AI-Native](https://www.hymaia.com/qu-est-ce-que/organisation-ai-native/): Une organisation AI-native est une entreprise conçue ou transformée pour fonctionner avec l'IA au coeur de ses processus, produits et culture. Au-delà de l'adoption ponctuelle d'outils, elle repense ses façons de travailler, ses rôles et sa gouvernance autour des capacités de l'intelligence artificielle. - [Poetry Python](https://www.hymaia.com/qu-est-ce-que/poetry-python/): Poetry est un outil de gestion de dependances et de packaging pour Python. Il unifie la declaration des dependances, la creation d'environnements virtuels et la publication de packages dans un seul workflow. - [Product Builder](https://www.hymaia.com/qu-est-ce-que/product-builder/): Le Product Builder est un nouvel archétype du product manager qui utilise l'IA et les outils no-code pour prototyper, tester et itérer directement, sans dépendre systématiquement d'une équipe de développement. Il incarne l'évolution du rôle de PM à l'ère de l'IA générative et du vibe coding. - [Product Manager](https://www.hymaia.com/qu-est-ce-que/product-manager/): Le Product Manager definit la vision d'un produit, priorise les fonctionnalites et coordonne les equipes pour delivrer de la valeur aux utilisateurs. Avec l'essor de la data et de l'IA, ce role integre de nouvelles competences. - [Prompt Engineering](https://www.hymaia.com/qu-est-ce-que/prompt-engineering/): Le prompt engineering est la discipline qui consiste à formuler des instructions précises et structurées pour obtenir les meilleurs résultats d'un LLM. Il regroupe un ensemble de techniques — few-shot, chain-of-thought, system prompts — pour guider le comportement du modèle. - [RAG (Retrieval-Augmented Generation)](https://www.hymaia.com/qu-est-ce-que/rag/): Le RAG (Retrieval-Augmented Generation) est une architecture qui enrichit les réponses d'un LLM en lui fournissant des documents pertinents extraits d'une base de connaissances. Cette approche réduit les hallucinations et permet d'exploiter des données internes sans réentraîner le modèle. - [Recherche sémantique](https://www.hymaia.com/qu-est-ce-que/recherche-semantique/): La recherche sémantique est une méthode de recherche d'information basée sur le sens des mots plutôt que sur leur correspondance exacte. En utilisant des embeddings pour représenter textes et requêtes sous forme de vecteurs, elle retrouve des documents pertinents même quand les mots diffèrent. C'est l'infrastructure clé du RAG. - [RTK](https://www.hymaia.com/qu-est-ce-que/rtk-raw-token-killer/): RTK (Raw Token Killer) est un utilitaire qui réduit la quantité de tokens envoyée dans le contexte d'un agent IA, en filtrant la sortie brute d'une centaine de commandes courantes comme read, ls, cat, npm test ou go test. Il peut réduire jusqu'à 90 % des tokens sur ces commandes, sans garantir pour autant une baisse équivalente de la facture. - [Semantic Layer](https://www.hymaia.com/qu-est-ce-que/semantic-layer/): Le Semantic Layer (ou couche sémantique) est une couche logique qui traduit les données brutes en concepts métier partagés, pour que chaque outil qui consomme la donnée (BI, application, agent IA) retourne exactement le même résultat. - [Shadow AI](https://www.hymaia.com/qu-est-ce-que/shadow-ai/): Le Shadow AI désigne l'utilisation non autorisée ou non encadrée d'outils d'IA par les collaborateurs d'une organisation, en dehors des systèmes approuvés. Analogue du Shadow IT, il expose l'entreprise à des risques de fuite de données, de non-conformité réglementaire et de décisions fondées sur des résultats non fiables. - [Spark](https://www.hymaia.com/qu-est-ce-que/spark/): Apache Spark est un framework open source de calcul distribue concu pour le traitement de donnees a grande echelle. Il se distingue par son execution en memoire, qui le rend bien plus rapide que Hadoop MapReduce. - [Tokenization (LLM)](https://www.hymaia.com/qu-est-ce-que/tokenization/): La tokenization est le processus de découpage du texte en unités élémentaires (tokens) que les LLMs peuvent traiter. Ce mécanisme détermine les coûts d'utilisation, les limites de contexte et la capacité du modèle à traiter différentes langues. Chaque modèle utilise son propre tokenizer. - [Vibe Coding](https://www.hymaia.com/qu-est-ce-que/vibe-coding/): Le vibe coding est une approche de développement logiciel où le développeur décrit ce qu'il veut en langage naturel et laisse une IA générer le code correspondant. Popularisé par Andrej Karpathy en février 2025, ce terme désigne un mode de programmation où l'on "code au feeling" avec l'IA comme exécutant. - [Workflows dynamiques](https://www.hymaia.com/qu-est-ce-que/workflows-dynamiques-claude-code/): Un workflow dynamique est un script JavaScript avec lequel Claude Code orchestre plusieurs sous-agents de manière déterministe : création et configuration des agents, passage de paramètres, récupération des résultats, attente de complétion. Le script peut ensuite être sauvegardé et réutilisé. ## Blog - [FWD Conférence revient en 2026 : même communauté, nouvelle ère](https://www.hymaia.com/blog/fwd-conference-revient-en-2026/): La conférence data & IA de référence revient le 16 novembre 2026, sous un nouveau nom, pour explorer l'ère agentique. - [Leboncoin x hymaïa : Former les Product & Engineering Managers aux enjeux Data & IA](https://www.hymaia.com/blog/leboncoin-x-hymaia-former-les-product-engineering-managers-aux-enjeux-data-ia/): Comment leboncoin forme ses Product & Engineering Managers aux enjeux Data & IA. - [Forward Data Conference revient en 2025 : encore plus ambitieuse, plus collective, plus inspirante !](https://www.hymaia.com/blog/forward-data-conference-2025/): La Forward Data Conference revient en 2025 pour connecter toute la communauté Data & IA. - [Forward Data Conference Paris 2024 : Participer à la 1ère édition de la conférence internationale Data & IA](https://www.hymaia.com/blog/forward-data-conference-paris-participer-a-la-1ere-edition-de-la-conference-internationale-data-ia/): Pourquoi et comment nous avons créé la Forward Data Conference, conférence Data & IA à Paris. - [Tracking des accès à la donnée dans AWS](https://www.hymaia.com/blog/tracking-des-acces-a-la-donnee-dans-aws/): Comment suivre et auditer les accès en lecture à la donnée sur AWS (S3, Athena) avec CloudTrail, EventBridge, Lambda et Firehose. - [De la Magie à la Maîtrise : Démystifier l’IA pour maximiser son adoption](https://www.hymaia.com/blog/de-la-magie-a-la-maitrise-demystifier-lia-pour-maximiser-son-adoption/): Surconfiance, désillusion... Comment passer de la pensée magique à une vraie maîtrise de l'IA. - [10 écueils limitant l’impact de la Data sur les produits et organisations](https://www.hymaia.com/blog/10-ecueils-limitant-limpact-de-la-data-sur-les-produits-et-organisations/): 10 écueils qui empêchent les organisations de passer la Data à l’échelle. Les connaissez-vous ? - [10 leçons apprises en 8 ans dans le conseil](https://www.hymaia.com/blog/10-lecons-apprises-en-8-ans-dans-le-conseil/): Diversité, autonomie, patience, convictions... Les leçons essentielles du conseil Data & IA. - [3 enseignements à connaître avant de créer son équipe data](https://www.hymaia.com/blog/3-enseignements-a-connaitre-avant-de-creer-son-equipe-data/): 3 leçons clés avant de construire votre équipe Data, tirées de 5 ans d’expérience terrain. - [8 défis pour l’inférence locale de LLMs sur mobile](https://www.hymaia.com/blog/8-defis-pour-linference-locale-de-llms-sur-mobile/): Faire tourner des LLM sur mobile : 8 défis à surmonter avant d'y arriver. - [À la découverte de Azure OpenAI](https://www.hymaia.com/blog/a-la-decouverte-de-azure-openai/): Azure OpenAI décrypté : la première offre cloud intégrant des services clé en main de GenAI. - [Benchmark Apache Spark : Préparation du test TPC-DS](https://www.hymaia.com/blog/benchmark-apache-spark-preparation-du-test-tpc-ds/): Benchmark Spark : Yarn vs Kubernetes. Préparation du test TPC-DS et choix du jeu de données. - [Le Data Business Model Canvas](https://www.hymaia.com/blog/data-business-model-canvas/): Un canvas pour cadrer vos projets Data : la règle des 3U (Utile, Utilisable, Utilisé). - [Data Literacy - 4 actions pour démocratiser la Data](https://www.hymaia.com/blog/data-literacy-4-actions-pour-commencer-a-democratiser-la-data-au-sein-de-votre-entreprise/): Data Literacy : 4 actions concrètes pour démocratiser la Data dans votre entreprise. - [Data Stories : Le Data Mesh chez Blablacar](https://www.hymaia.com/blog/data-mesh-blablacar/): Comment BlaBlaCar repense son organisation Data en s’inspirant des principes du Data Mesh. - [DataFrames PySpark & Pandas : très similaires à l'usage, mais un fonctionnement interne très différent](https://www.hymaia.com/blog/dataframes-pyspark-pandas/): DataFrames PySpark vs Pandas : très similaires à l’usage, mais un fonctionnement interne très différent. - [De l'idée au déploiement : Créer un produit d'IA générative avec Bedrock](https://www.hymaia.com/blog/derriere-les-coulisses-dun-produit-dia-generative-avec-amazon-bedrock/): Retour d’expérience sur la construction d’un produit d’IA Générative avec Amazon Bedrock. - [Ne pas avoir une équipe Data assez diversifiée](https://www.hymaia.com/blog/ecueils-data-e2-ne-pas-avoir-une-equipe-data-assez-diversifiee/): Votre équipe Data a-t-elle toutes les compétences pour créer des Produits Data de bout en bout ? - [Croire que la Culture Data s’arrête à l’équipe Data](https://www.hymaia.com/blog/ecueils-data-e3-croire-que-la-culture-data-sarrete-a-lequipe-data/): Avez-vous tous la même définition des rôles, responsabilités et enjeux de la Data au sein de votre entreprise ? - [Penser que la Data est exempte des bonnes pratiques Craft](https://www.hymaia.com/blog/ecueils-data-e4-penser-que-la-data-est-exempte-des-bonnes-pratiques-de-software-craftsmanship/): Les bonnes pratiques du Software Engineering s’appliquent aussi à vos Produits Data. - [Voir les équipes Data comme des “vendeuses de services”](https://www.hymaia.com/blog/ecueils-data-voir-les-equipes-data-comme-des-vendeuses-de-services/): Vos équipes Data doivent-elles encore convaincre le business de travailler avec elles ? - [GenAI au coeur du Produit et du Business : Takeaways](https://www.hymaia.com/blog/genai-au-coeur-du-produit-et-du-business-takeaways/): Les takeaways de l'Hymaday GenAI : retours de Mirakl, Pernod Ricard, Malt, Nickel et Hymaia. - [La Data n’est pas une fin en soi](https://www.hymaia.com/blog/la-data-nest-pas-une-fin-en-soi/): La Data n'a de valeur que si elle sert un objectif business clair. Arrêtons d'en faire une fin en soi. - [L’acculturation à la data n’est pas un travail unidirectionnel](https://www.hymaia.com/blog/lacculturation-a-la-data-nest-pas-un-travail-unidirectionnel/): Je vous propose de voir l’acculturation à la data comme une quête bidirectionnelle, et non quelque chose à sens unique. - [Le Data Mesh: l’importance de la gouvernance des données](https://www.hymaia.com/blog/le-data-mesh-limportance-de-la-gouvernance-des-donnees/): Data Mesh : pourquoi la gouvernance des données est un pilier essentiel de cette approche. - [Le Triple Diamant de la Data](https://www.hymaia.com/blog/le-triple-diamant-de-la-data/): Adapter le Double Diamant aux produits Data & IA grâce à un troisième espace dédié à la donnée. - [L’IA Responsable en 8 enjeux majeurs](https://www.hymaia.com/blog/lia-responsable-en-8-enjeux-majeurs/): Interprétabilité, biais, gouvernance, éthique... Les 8 enjeux majeurs pour une IA Responsable. - [L’Intelligence Artificielle selon Luc Julia](https://www.hymaia.com/blog/lintelligence-artificielle-selon-luc-julia/): Interview de Luc Julia, co-créateur de Siri et CSO de Renault, sur sa vision de l’IA. - [LLM & IA Générative - La Voie de la Raison](https://www.hymaia.com/blog/llm-ia-generative-la-voie-de-la-raison/): Notre livre sur les LLM et l'IA Générative : enjeux, retours d'expérience et conseils pratiques. - [MLOps : les principes du DevOps appliqués au Machine Learning](https://www.hymaia.com/blog/mlops-les-principes-du-devops-appliques-au-machine-learning/): Le MLOps décrypté : appliquer les principes du DevOps au Machine Learning pour industrialiser vos modèles. - [Optimiser son job Spark](https://www.hymaia.com/blog/optimiser-son-job-spark/): 10 pistes concrètes pour réduire le temps d'exécution de votre job Spark. - [Paramétrer son projet data sans prise de tête avec Hydra](https://www.hymaia.com/blog/parametrer-son-projet-data-avec-hydra/): Le casse-tête des configurations data, découvrez avec Hydra comment vous simplifier la vie ! - [Penser “one-shot” pour l’industrialisation du Machine Learning](https://www.hymaia.com/blog/penser-one-shot-pour-lindustrialisation-du-machine-learning/): Mettre un modèle de ML en production n’est que le début. Comment penser son industrialisation dès le départ. - [Penser sa Data Platform comme un Produit](https://www.hymaia.com/blog/penser-sa-data-platform-comme-un-produit/): Votre Data Platform souffre d'une faible adoption ? La clé : la penser comme un Produit. - [Plus de 80% des projets data ne partent pas en production, et alors ?](https://www.hymaia.com/blog/plus-de-80-des-projets-data-ne-partent-pas-en-production/): Plus de 80% des projets Data ne partent pas en production. Faut-il vraiment s'en alarmer ? - [Data Product Manager, un métier en pleine expansion](https://www.hymaia.com/blog/pm-data-un-metier-en-pleine-expansion/): Data Product Manager : un métier en pleine expansion entre Product Management, Data et IA. - [Poetry : Configurer des repositories privées GCP](https://www.hymaia.com/blog/poetry-configurer-des-repositories-privees-gcp/): Configurer Poetry avec un repository Python privé sur GCP Artifact Registry, pas à pas. - [Poetry: enfin l’outil pour charmer Python ?](https://www.hymaia.com/blog/poetry-enfin-loutil-pour-charmer-python/): Poetry simplifie la gestion des dépendances Python. Tour d’horizon de ses fonctionnalités. - [Produits Data Science - 6 approches de modélisation pour créer rapidement votre MVP](https://www.hymaia.com/blog/produits-data-science-6-approches-de-modelisation-pour-creer-rapidement-votre-mvp/): 6 approches pour créer un MVP Data Science sans attendre le modèle parfait. - [Produits Data Science - N’attendez pas le modèle parfait avant d’industrialiser !](https://www.hymaia.com/blog/produits-data-science-nattendez-pas-le-modele-parfait-avant-dindustrialiser/): Passez rapidement au MVP de bout en bout plutôt que de perfectionner votre modèle de ML. - [Produits d’IA - Kit de survie pour Product Managers Ambitieux](https://www.hymaia.com/blog/produits-dia---kit-de-survie-pour-product-managers-ambitieux/): Le kit de survie pour Product Managers qui se lancent dans les Produits d’IA. - [Qu’est-ce que le Data Mesh ?](https://www.hymaia.com/blog/quest-ce-que-le-data-mesh/): Le Data Mesh décrypté : pourquoi et comment décentraliser la gestion de vos données. - [Qu’est ce que l’IA Responsable?](https://www.hymaia.com/blog/quest-ce-que-lia-responsable/): Les fondamentaux de l’IA Responsable : définition, enjeux et bonnes pratiques pour des produits d’IA éthiques. - [Serverless Inference : Quand AWS SageMaker rencontre AWS Lambda](https://www.hymaia.com/blog/serverless-inference-quand-aws-sagemaker-rencontre-aws-lambda/): Combiner AWS SageMaker et Lambda pour des prédictions ML en temps réel, sans gérer de serveurs. - [Spark : quand faire un cache sur une DataFrame ?](https://www.hymaia.com/blog/spark-quand-faire-un-cache-sur-un-dataframe/): Quand et comment utiliser le cache Spark sur vos DataFrames pour de vrais gains de performance. - [Tomber dans le piège du PoC infini](https://www.hymaia.com/blog/tomber-dans-le-piege-du-poc-infini/): Pourquoi tant de projets Data restent bloqués au stade du PoC sans jamais partir en production. - [Tour d’horizon de l’IA Responsable](https://www.hymaia.com/blog/tour-dhorizon-de-lia-responsable/): Tour d'horizon des piliers de l'IA Responsable et de ses 8 enjeux majeurs. - [De la data science à la data analyse, une transition à reculons ?](https://www.hymaia.com/blog/transition-data-science-data-analyse/): Passer de data scientist à data analyst, un retour en arrière ? Pas du tout. Retour d’expérience. ## Équipe - [Alaykka Fowler](https://www.hymaia.com/author/alaykka-fowler/): Analytics Engineer | Data Consultant chez Hymaïa - [Anastasia Barkova](https://www.hymaia.com/author/anastasia-barkova/): Machine Learning Engineer chez Hymaïa - [Elsa Margier](https://www.hymaia.com/author/elsa-margier/): AI Product Manager & Formatrice IA chez Hymaïa - [Franck Cussac](https://www.hymaia.com/author/franck-cussac/): Senior Data Engineer chez Hymaïa - [François Laurain](https://www.hymaia.com/author/francois-laurain/): Co-founder d'Hymaia chez Hymaïa - [James Probert](https://www.hymaia.com/author/james-probert/): Analytics Engineer at Hymaia chez Hymaïa - [Karine Hoorens](https://www.hymaia.com/author/karine-hoorens/): Data Analyst & experte DataViz chez Hymaïa - [Laurene Thenoz](https://www.hymaia.com/author/laurene-thenoz/): Head of Product & Transformation chez Hymaïa - [Maeva Iguenane](https://www.hymaia.com/author/maeva-iguenane/): Business Manager chez Hymaïa - [Margot Fournier](https://www.hymaia.com/author/margot-fournier/): Data Scientist certifiée “Generative AI with LLMs” chez Hymaïa - [Paul-Guillaume Déjardin](https://www.hymaia.com/author/paul-guillaume-dejardin/): Coding Architect chez Hymaïa chez Hymaïa - [Sandra Pietrowska](https://www.hymaia.com/author/sandra-pietrowska/): Head of Data Science chez Hymaïa - [Simone Civetta](https://www.hymaia.com/author/simone-civetta/): Engineering Lead chez Hymaïa - [Tristan Achache](https://www.hymaia.com/author/tristan-achache/): Data Analyst chez Hymaïa - [Xavier Delecourt](https://www.hymaia.com/author/xavier-delecourt/): Data Product Manager chez Hymaïa - [Yoann Benoit](https://www.hymaia.com/author/yoann-benoit/): Head Of Data & IA d'Hymaia chez Hymaïa - [Yohann Bosco](https://www.hymaia.com/author/yohann-bosco/): Expert usages IA / Coach IA chez Hymaïa ## Pages clés - [Événements Data & IA à Paris](https://www.hymaia.com/evenements-data-paris/) - [Success stories](https://www.hymaia.com/success-story/) - [Nous recrutons](https://www.hymaia.com/nous-recrutons/) - [Contact](https://www.hymaia.com/pages-contact/contact/)