Code
MGFF INF 5113
Level
M2
Field
Informatique
Language
Français/French
ECTS Credits
2
Class hours
12
Program Manager(s)
Department
- Informatique
Educational team
Introduction to the module
Ce module vise à permettre aux apprenants de comprendre comment la data et l’intelligence artificielle, en particulier l’IA générative, peuvent devenir de puissants leviers d’accélération entrepreneuriale.
Il propose une approche résolument opérationnelle, articulant compréhension stratégique des enjeux de la donnée, mise en place de systèmes simples de collecte et d’exploitation, automatisation des processus métiers et conception de prototypes d’agents IA. Le cours aborde également les dimensions éthiques, juridiques et organisationnelles liées à l’intégration de l’IA dans les organisations.
À l’issue du module, les apprenants seront capables de :
- comprendre le rôle stratégique de la donnée et de l’IA dans la performance des organisations ;
- structurer et valoriser des données pour les rendre exploitables par des systèmes d’IA ;
- concevoir des automatisations no-code intégrant des briques d’IA générative ;
- prototyper un agent IA répondant à un besoin métier réel ;
- adopter une utilisation productive, responsable et éthique de l’IA.
Learning objectives/Intended learning outcomes
- 1.1 - Audit advanced and specialised uses of digital intelligence tools in order to deploy them appropriately, taking into account the strategic context of organisations.
- 1.2 - Use digital intelligence tools efficiently to support the societal, digital, energy and environmental transformations of organisations, ensuring their sustainable and responsible impact.
- 4.2 - Lead a complex project with responsibility, with the aim of supporting the transformation of organisations (design, management, team coordination, implementation and management, control, dissemination), by mobilising multidisciplinary skills and bri
- 5.2 - Lead or co-lead the development of an innovative, meaningful strategic vision, drawing on the potential of digital intelligence, within a set of identified constraints, to create the conditions for sustainable performance.
Content : structure and schedule
Séance 1 – IA générative et transformation des organisations
- Rupture technologique et impacts métiers
- Cas d’usage et études de cas
- Enjeux éthiques
Séance 2 – La donnée comme actif stratégique
- Typologie et cycle de vie des données
- Outils no-code
- RGPD et bonnes pratiques
Séance 3 – Automatisation des workflows
- Logique trigger / action
- Make et Zapier
- Scénarios concrets
Séance 4 – Intégration de l’IA générative
- Connexion ChatGPT / Claude
- Prompts dynamiques
- Cas d’usage opérationnels
Séance 5 – Conception d’un agent IA (partie 1)
- Architecture des agents IA
- Définition du rôle et des missions
- Fiche agent IA
Séance 6 – Conception d’un agent IA (partie 2)
- Finalisation du prototype
- Pitch et démonstration
- Perspectives et limites
Sustainable Development Goals
ODD 4 – Éducation de qualité
Le module développe des compétences avancées en data, automatisation et IA générative.
ODD 9 – Industrie, innovation et infrastructure
L’IA et la data sont abordées comme des technologies clés de l’innovation entrepreneuriale.
ODD 12 – Consommation et production responsables
Le module intègre une réflexion sur l’usage responsable, éthique et raisonné de l’IA.
Number of SDG's addressed among the 17
4
Learning delivery
synchrone
Pedagogical methods
- 40 % théorie / 60 % pratique
- Démonstrations et études de cas réels
- Travaux en petits groupes
- Construction progressive d’un projet fil rouge
- Outils no-code et IA générative
Evaluation and grading system and catch up exams
CF1 – Contrôle final principal
L’évaluation repose sur :
- Participation active et exercices pratiques : 30 %
- Qualité du projet fil rouge et livrables intermédiaires : 30 %
- Présentation finale et pertinence du prototype d’agent IA : 40 %
CF1 = 100 % de la note finale
CF2 – Contrôle final de rattrapage
En cas d’échec au CF1, le rattrapage prend la forme d’un projet individuel équivalent :
- livrables écrits
- noté à 100 %
Keywords
Data science ; Intelligence artificielle ; IA générative ; Automatisation ; No-code ; Agents IA ; Transformation numérique