Mis à jour le · Relu par le service des admissions AI2, campus d’Écouen (Val-d’Oise)
Combien de temps faut-il pour apprendre l’intelligence artificielle ? La réponse dépend moins de l’IA elle-même que de votre objectif : se servir de ChatGPT au travail, analyser des données, entraîner des modèles ou concevoir des systèmes d’IA en production ne demandent pas le même investissement. Pour éviter les estimations au doigt mouillé, nous avons relevé les durées annoncées par les cours de référence sur leurs pages officielles (vérifiées le 25 octobre 2026), puis les durées des parcours certifiants. Quand un chiffre est un calcul de notre part, nous le disons.
Combien de temps pour apprendre l’IA : les durées selon votre objectif
Le tableau suivant part de cinq objectifs, du plus simple au plus exigeant. Les durées des cours en ligne sont celles qu’affichent leurs éditeurs ; elles supposent les prérequis indiqués.
| Objectif | Durée réaliste | Exemples vérifiés | Prérequis |
|---|---|---|---|
| Utiliser les outils d’IA au quotidien | 6 à 10 heures pour les bases, 3 à 5 jours pour une pratique encadrée | Objectif IA : 6 h ; Generative AI for Everyone : 6 h ; Google AI Essentials : moins de 10 h ; AI Discovery (AI2) : 3 ou 5 jours | Aucun |
| Comprendre l’IA sans coder | 10 heures à 6 semaines | Class’Code IAI (Inria, FUN MOOC) : 10 h ; Elements of AI : à votre rythme, sur un format de 6 semaines | Aucun |
| Devenir data analyst | Environ 6 mois à 10 h par semaine en autoformation ; 2 ans en Mastère | Certificat Google Data Analytics : 6 mois à 10 h par semaine, 9 cours ; Mastère 1 puis Mastère 2 Data Analyst et IA | Aucun pour le certificat Google ; un Bac+3 pour le Mastère 1 |
| Faire du machine learning (data scientist) | Environ 6 mois à 10 h par semaine après les bases de Python ; 12 semaines intensives puis un stage en bootcamp | Machine Learning Crash Course : 15 h ; Machine Learning Specialization : 2 mois à 10 h par semaine ; Deep Learning Specialization : 3 mois à 10 h par semaine ; Bootcamp Data Scientist (AI2) : 415 h | Python et maths du lycée ; un Bac+4 quantitatif pour le bootcamp |
| Devenir ingénieur IA | En général 5 ans après le bac ; 10 mois après un Bac+4 ou Bac+5 scientifique | Bachelor (3 ans) puis Mastère (2 ans) ; Mastère 2 Fast-Track (10 mois) ; IBM AI Engineering : 4 mois à 10 h par semaine, en complément | Programmation, maths, puis expérience en entreprise |
Pour le machine learning, la ligne « environ 6 mois » est un calcul AI2 : 15 heures pour le Machine Learning Crash Course, environ 95 heures pour la Machine Learning Specialization (33, 34 et 28 heures selon les fiches de ses trois cours) et environ 130 heures pour la Deep Learning Specialization (3 mois à 10 heures, à raison de 4,3 semaines par mois). Cela fait environ 240 heures, soit près de 6 mois à 10 heures par semaine, sans compter l’apprentissage de Python ni les projets personnels.
Pourquoi les durées varient autant
Trois facteurs expliquent qu’une même question reçoive des réponses allant de « un week-end » à « cinq ans ».
- Le point de départ. La Deep Learning Specialization attend une expérience intermédiaire en Python et des bases d’algèbre linéaire ; le cours de fast.ai demande environ un an de pratique du code et des maths de niveau lycée. Sans ces bases, il faut ajouter plusieurs semaines en amont.
- Le rythme. Les cours en ligne raisonnent en heures par semaine : « 6 mois à 10 heures par semaine » peut devenir un an à 5 heures, ou deux mois à temps plein.
- Le niveau de preuve attendu. Utiliser un outil se vérifie en quelques jours. Un poste de data analyst ou de data scientist se décroche avec des projets, souvent un diplôme ou un titre, et une première expérience. C’est ce qui sépare l’autoformation d’un parcours de plusieurs années.
Combien d’heures par semaine y consacrer ?
Prenons un objectif d’environ 260 heures, ce que représente le certificat Google Data Analytics (6 mois à 10 heures par semaine). Selon votre disponibilité, voici le temps nécessaire (calcul AI2) :
| Temps disponible | Profil type | Durée pour environ 260 heures |
|---|---|---|
| 5 heures par semaine | Salarié, le soir ou le week-end | Environ 52 semaines, soit un an |
| 10 heures par semaine | Rythme prévu par Coursera | Environ 26 semaines, soit 6 mois |
| 35 heures par semaine | Temps plein, comme un bootcamp (415 h en 12 semaines) | Environ 7 à 8 semaines |
Le parcours pour apprendre l’IA, étape par étape
Voici un ordre de progression qui fonctionne pour la plupart des profils. Vous pouvez vous arrêter à l’étape qui correspond à votre objectif.
Étape 1 : comprendre ce qu’est l’IA (6 à 10 heures)
Commencez par un cours sans programmation : Objectif IA (OpenClassrooms, 6 heures, niveau facile), Class’Code IAI sur FUN MOOC (10 heures) ou Elements of AI, de l’Université d’Helsinki, qui se suit à votre rythme. Vous saurez distinguer IA, machine learning et deep learning, et comprendre ce qu’un modèle peut ou ne peut pas faire.
Étape 2 : utiliser l’IA générative au travail (quelques heures à 5 jours)
Generative AI for Everyone, d’Andrew Ng (DeepLearning.AI, sur Coursera), dure 6 heures sans aucun prérequis. Google AI Essentials se suit en moins de 10 heures, mais il est payant. Pour travailler sur vos propres cas avec un formateur, la formation AI Discovery d’AI2 dure 3 ou 5 jours, sans prérequis technique. Beaucoup de salariés s’arrêtent là, et c’est souvent suffisant.
Étape 3 : apprendre Python
Python est le langage commun de la data et de l’IA. Le tutoriel officiel de Python, traduit en français, et les cours courts de Kaggle Learn sont gratuits. Leur durée réelle dépend de votre pratique : visez la capacité à écrire des fonctions, manipuler des listes et des dictionnaires, et lire un fichier. AI2 propose aussi une formation Python pour l’IA en 1, 2 ou 3 jours.
Étape 4 : revoir les maths utiles
Pas besoin d’un niveau de prépa pour débuter. La Machine Learning Specialization se contente des maths du lycée ; la Deep Learning Specialization recommande des bases d’algèbre linéaire (matrices, vecteurs). Ajoutez des notions de probabilités et de statistiques, qui servent dès l’analyse de données.
Étape 5 : manipuler des données
SQL pour interroger une base, la bibliothèque pandas pour nettoyer et transformer, puis la visualisation. C’est le cœur du métier de data analyst. Le certificat Google Data Analytics y consacre 6 mois à 10 heures par semaine, sans prérequis.
Étape 6 : le machine learning
Le Machine Learning Crash Course de Google, gratuit et disponible en français, représente environ 15 heures selon Google ; il suppose un peu de programmation. La Machine Learning Specialization (Stanford Online et DeepLearning.AI) prévoit 2 mois à 10 heures par semaine. Le MOOC d’Inria « Machine learning in Python with scikit-learn » annonce 36 heures, en anglais, avec des bases de Python.
Étape 7 : le deep learning et l’IA générative
La Deep Learning Specialization compte 5 cours, prévus sur 3 mois à 10 heures par semaine, de niveau intermédiaire. Le cours gratuit de fast.ai comprend 9 leçons d’environ 90 minutes chacune, auxquelles s’ajoute la pratique entre les leçons.
Étape 8 : projets, déploiement et première expérience
Un portfolio de projets sur des données réelles compte davantage qu’une liste de certificats. Pour le passage en production, l’IBM AI Engineering Professional Certificate prévoit 4 mois à 10 heures par semaine, après des bases en Python. À ce stade, un stage ou une alternance accélère plus que n’importe quel cours.
Apprendre l’IA gratuitement : les ressources fiables
La plupart des étapes ci-dessus peuvent se faire sans dépenser un euro. Voici les ressources gratuites dont nous avons vérifié la durée :
- Objectif IA (OpenClassrooms) : 6 heures, en libre accès.
- Class’Code IAI (Inria et partenaires, FUN MOOC) : 10 heures, en français et en anglais, Open Badge à partir de 50 % de bonnes réponses.
- Elements of AI (Université d’Helsinki et MinnaLearn) : gratuit, à votre rythme, sans programmation ni maths compliquées.
- Machine Learning Crash Course (Google) : environ 15 heures, badges de fin de module.
- Machine learning in Python with scikit-learn (Inria, FUN MOOC) : 36 heures, gratuit, Open Badge à partir de 60 % de bonnes réponses.
- Practical Deep Learning (fast.ai) : 9 leçons d’environ 90 minutes, gratuit.
Attention aux certificats Coursera : Google Data Analytics et Google AI Essentials ne se suivent pas gratuitement. Leur FAQ indique un abonnement de 49 dollars par mois après 7 jours d’essai aux États-Unis et au Canada, le prix variant selon le pays ; une aide financière peut être demandée. Notre sélection de 10 formations IA gratuites avec certificat détaille ce que chaque cours délivre vraiment.
Se former avec un parcours certifiant : les options AI2
Les cours gratuits donnent des bases ; pour un métier de la data, les recruteurs regardent aussi le niveau de qualification. Voici les durées des parcours AI2, au campus d’Écouen (Val-d’Oise, à 22 minutes de Paris Gare du Nord) ou en e-learning, au même tarif.
| Parcours | Durée | Prérequis | Ce que vous obtenez | Coût |
|---|---|---|---|---|
| Formation Data Scientist | 35 h sur 5 jours | Bases de Python et de SQL, vérifiées par un test | Validation du bloc de compétences RNCP39978BC04 | 1 990 €, éligible au CPF (participation forfaitaire de 150 €) |
| Bootcamp Data Scientist | 415 h en 12 semaines, puis 4 à 6 mois de stage | Bac+4 dans un domaine quantitatif | Prépare le titre RNCP39978, niveau 7 | Financement Paris Code, POEI ou CPF |
| Bachelor IA et Data Science | 3 ans | Bac | Prépare un titre RNCP de niveau 6 | 7 000 € par an en formation initiale |
| Mastère 1 puis Mastère 2 (nos Mastères) | 2 ans | Bac+3 pour le Mastère 1 | Prépare un titre RNCP de niveau 7 (RNCP39978 ou RNCP40554) : data scientist, data analyst, data et DevOps, IA et IoT, IA et cybersécurité | 7 500 € puis 8 000 € par an ; 0 € en alternance |
| Mastère 2 Fast-Track Data Scientist | 10 mois : 5 mois de cours (500 h), puis 5 mois de stage | Diplôme d’ingénieur, master ou Bac+4/5 scientifique | Prépare le titre RNCP39978, niveau 7 | 10 000 € |
Le bootcamp démarre le 18 janvier, le 3 mai ou le 13 septembre 2027 ; les Mastères ont des rentrées en janvier, mai et septembre 2027 ; le Fast-Track ne démarre qu’en janvier 2027. En alternance, les frais sont pris en charge par l’entreprise et son OPCO, et l’étudiant est rémunéré. Les titres de niveau 7 sont délivrés par le certificateur DATAKOO SAS, société du groupe AI2 : AI2 prépare ces titres enregistrés au RNCP et délivre en plus son propre diplôme d’établissement. AI2 est certifié Qualiopi (QUA008116).
Peut-on apprendre l’IA seul ?
Oui, pour les usages et pour les bases techniques : toutes les étapes de ce guide reposent sur des ressources accessibles en ligne. Pour en faire un métier, l’autoformation montre vite ses limites : pas de correction personnalisée, peu de projets sur des données d’entreprise, et des badges qui ne sont pas des certifications enregistrées. Les grilles des cabinets de recrutement, présentées dans notre article sur le salaire d’un ingénieur IA, visent presque toujours un Bac+5 pour ce poste. Une bonne stratégie consiste à tester votre goût pour le sujet avec deux ou trois cours gratuits, puis à choisir un parcours certifiant adapté à votre niveau.
FAQ : combien de temps pour apprendre l’IA
Combien de temps faut-il pour apprendre l’intelligence artificielle ?
Cela dépend de l’objectif. Utiliser les outils d’IA générative demande quelques heures (6 h pour Objectif IA). Les bases d’un data analyst représentent environ 6 mois à 10 heures par semaine (certificat Google Data Analytics). Devenir ingénieur IA passe en général par un Bac+5, soit 5 ans après le bac.
Peut-on apprendre l’IA en 3 mois ?
On peut acquérir des bases solides en 3 mois à temps plein. Le Bootcamp Data Scientist d’AI2 compte 415 heures en 12 semaines, suivies de 4 à 6 mois de stage, et s’adresse à des profils Bac+4 quantitatifs. En autoformation à 10 heures par semaine, 3 mois correspondent à la seule Deep Learning Specialization.
Combien de temps pour apprendre l’IA sans savoir coder ?
Pour comprendre et utiliser l’IA, il faut compter de 6 à 10 heures : Objectif IA dure 6 heures, Class’Code IAI 10 heures, Generative AI for Everyone 6 heures, sans aucun prérequis. Pour entraîner des modèles, il faut ensuite apprendre Python.
Combien de temps pour devenir data analyst ?
Le certificat Google Data Analytics prévoit 6 mois à 10 heures par semaine, sans prérequis. En parcours certifiant, comptez 2 ans de Mastère après un Bac+3 pour préparer un titre RNCP de niveau 7, ou 35 heures pour valider un bloc de compétences si vous avez déjà des bases en Python et en SQL.
Combien d’années d’études pour devenir ingénieur en IA ?
En général 5 ans après le bac, par exemple un Bachelor de 3 ans puis un Mastère de 2 ans. Après un diplôme d’ingénieur, un master ou un Bac+4/5 scientifique, le Mastère 2 Fast-Track d’AI2 dure 10 mois, dont 5 mois de stage.
Peut-on apprendre l’intelligence artificielle gratuitement ?
Oui. Objectif IA, Elements of AI, Class’Code IAI, le Machine Learning Crash Course de Google, le MOOC scikit-learn d’Inria et le cours de fast.ai sont gratuits. Les certificats Google sur Coursera, en revanche, sont payants après 7 jours d’essai, sauf aide financière.
Le CPF peut-il financer une formation en IA ?
Oui, si elle mène à une certification enregistrée ou à un bloc de compétences. La formation Data Scientist d’AI2, de 35 heures, coûte 1 990 €, valide le bloc RNCP39978BC04 et est éligible au CPF, avec une participation forfaitaire de 150 € à votre charge.
Sources consultées le 25 octobre 2026 : OpenClassrooms, Objectif IA ; FUN MOOC, Class’Code IAI et Machine learning in Python with scikit-learn ; Elements of AI et sa FAQ française ; Coursera, Generative AI for Everyone, Google AI Essentials, Google Data Analytics, Machine Learning Specialization, Deep Learning Specialization, IBM AI Engineering ; Google, Machine Learning Crash Course (12 novembre 2024) ; fast.ai, Practical Deep Learning ; tutoriel officiel de Python ; pages AI2 des formations citées (octobre 2026).
De la formation de 35 heures éligible au CPF au Bachelor et aux Mastères préparant des titres RNCP de niveau 6 et 7, en formation initiale, en alternance ou en e-learning, au campus d’Écouen.