Code
MGYF MIS 5527
Level
M2
Field
Systèmes d’information
Language
Français/French
ECTS Credits
2
Class hours
28
Total student load
40
Program Manager(s)
Department
- Technologies, Information et Management
Educational team
Introduction to the module
This course explores Artificial Intelligence (AI) not merely as a technical field, but as a strategic lever for managerial performance. Designed for M2-level managers, the module analyzes how AI redefines the value chain through three pillars: descriptive, predictive, and generative. The challenge is to shift from task automation to augmented decision-making. Students will learn to orchestrate human-machine collaboration, identify competitive advantages, and master the governance and ethical frameworks essential for responsible adoption. The goal is to transform AI, often perceived as a "black box," into a digital collaborator serving corporate strategy.
Learning goals/Programme objectives
- 2. Produire et mobiliser des savoirs hautement spécialisés, issus d’une réflexion critique, et dans un champ d’expertise
Objectifs d'apprentissage
- 2.1 - Develop a critical awareness of highly specialised knowledge, some of which is at the forefront of knowledge, with a view to formulating innovative contributions to complex issues, in line with the strategic plan of organisations and with scientific
- 2.2 - Drive creativity by mobilising ideation techniques and promoting interdisciplinarity and collaborative work to provide innovative solutions to complex issues in multicultural and international contexts.
- 2.3 - Conduct a reflective and detached analysis that takes into account the challenges, issues and complexity of a request or situation in order to propose appropriate and/or innovative solutions in line with regulatory developments.
Rubrics
Avoir une vision claire et précise de l’apprentissage automatique (machine learning ) qui est à la base de la Data Science et de l’Intelligence Artificielle.
Comprendre les principaux modèles d'apprentissage du machine learning (supervisé, non supervisé, par renforcement) et les principes du deep learning (réseaux de neurones).
Déterminer le modèle d’apprentissage le plus adapté aux problématiques et aux besoins de l’entreprise.
Paramétrer au mieux les modèles de machine Learning, mesurer la qualité des résultats obtenus par chacun afin de retenir le plus efficace.
Définir un projet complet d’apprentissage automatique sans écrire une ligne de code en utilisant une plate-forme de prototypage et de déploiement.
Envisager et concevoir des solutions originales et des cas d’usage innovants pour l’entreprise et/ou les métiers, en exploitant les potentialités offertes par les données
Content : structure and schedule
La data science : introduction et expérimentation
• Métiers et domaines d’application de la data science
• Préparation, visualisation, manipulation des données
• IA et modèles d'apprentissage machine learning
• Mise en œuvre avec l'outil Graphique
Sustainable Development Goals
ODD 8 : Travail décent et croissance économique
Le cours prépare les managers à l'évolution de leur métier face à l'IA. En mettant l'accent sur l'augmentation de l'humain et la libération des tâches à faible valeur ajoutée, il promeut une vision du travail où la technologie soutient la productivité et l'épanouissement professionnel, favorisant ainsi une croissance économique durable.
ODD 9 : Industrie, innovation et infrastructure
L'IA est présentée comme un actif stratégique pour redéfinir la chaîne de valeur. En formant les étudiants à identifier les opportunités de l'IA (descriptive, prédictive, générative), le module soutient l'innovation technologique et la modernisation des capacités de décision au sein des infrastructures numériques des entreprises.
ODD 16 : Paix, justice et institutions efficaces
À travers le pilier "Gouvernance et Éthique", ce module sensibilise aux risques de biais et à la protection des données. En enseignant une adoption responsable de l'IA, il contribue à la mise en place d'institutions transparentes et éthiques, garantissant que l'usage des algorithmes respecte le droit et l'équité.
Number of SDG's addressed among the 17
3
Learning delivery
Mixte
Pedagogical methods
Blended learning mêlant cours magistral, ressources en ligne, travaux pratiques, visite de site (learning expedition)
Evaluation and grading system and catch up exams
Illustration à réaliser (travail en binôme) - 50%
Etude de cas (travail individuel) - 50%
CF2 : projet à réaliser avec outils (travail individuel) – note plafonnée à 12/20.
Module Policies
Communication Professeur-Apprenant
● Le professeur contactera les apprenants via leur adresse mail scolaire (IMT-BS/TSP) et le portail Moodle. Aucune communication via les adresses mails personnelles n’aura lieu. Il est de la responsabilité de l’étudiant de consulter régulièrement sa boîte mail IMT-BS/TSP.
● Les apprenants peuvent communiquer avec le professeur en envoyant un mail à son adresse institutionnelle. Au besoin, il est possible de le rencontrer dans son bureau durant les heures de bureau ou sur rendez-vous.
Apprenants avec des besoins d’accommodement
Si l’apprenant a un handicap qui empêche d’accomplir le travail décrit ou qui nécessite toute sorte d'accommodement, il est de sa responsabilité d’en informer le directeur du programme (avec justificatifs) dès que possible. Aussi, l’apprenant ne doit pas hésiter à en discuter avec son professeur.
Comportement en classe
● En guise de courtoisie envers le professeur et les autres apprenants, tous les téléphones portables, jeux électroniques ou autres appareils générant du son doivent être désactivés pendant les cours.
● L’apprenant doit éviter out comportement perturbateur et irrespectueux tel que: arriver en retard en classe, partir tôt, comportement inconsidéré (ex. dormir, lire un document non lié au cours, utiliser un langage vulgaire, parler excessivement, manger, boire, etc.). Un avertissement peut être donné à la première infraction de ces règles. Les contrevenants seront pénalisés et pourront être expulsés de la classe et/ou subir d'autres procédures disciplinaires.
● Le retard toléré est de 5 minutes. La présence sera déclarée sur Moodle durant ces 5 minutes via un QR code fourni par le professeur à chaque démarrage de cours.
● L’apprenant doit arriver à l'heure pour les examens et autres évaluations. Personne ne sera autorisé à entrer en classe une fois que la première personne aura terminé l'examen et quitté la salle. Il n'y a absolument aucune exception à cette règle. Aucun apprenant ne peut continuer à passer un examen une fois le temps écoulé. Aucun apprenant ne peut quitter la salle pendant un examen à moins qu'il / elle ait terminé et ait remis tous les documents.
● En cas de cours à distance, l'apprenant doit maintenir sa caméra allumée sauf en cas d'indications contraires données par l'enseignant.
Code éthique
IMT-BS est engagée dans une politique d'honnêteté dans le milieu académique. Toute conduite compromettant cette politique peut entraîner des sanctions académiques et/ou disciplinaires. Les apprenants doivent s'abstenir de tricher, de mentir, de plagier et de voler. Ceci consiste à accomplir un travail original et à reconnaître toute autre personne dont les idées et les documents imprimés (y compris ceux provenant d’Internet) sont paraphrasés ou cités directement. Tout apprenant qui enfreint ou aide un autre élève à enfreindre les normes de comportement scolaire sera sanctionné conformément aux règles de l'IMT-BS.
Textbook Required and Suggested Readings
https://www.linkedin.com/learning/?u=450940658 : datascience et IA
Keywords
Donnée ; Intelligence de la donnée ; management de la donnée ; gouvernance de la donnée ; transformation data ; entreprise data-driven ; data science ; machine learning ; deep learning ; visualisation de la donnée ; innovation