Code
MUFF INF 3005
Level
L3
Field
Informatique
Language
French
ECTS Credits
3
Class hours
18
Total student load
60
Program Manager(s)
Department
- Technologies, Information et Management
Educational team
Introduction to the module
Ce cours vise à présenter les fondamentaux de l’intelligence artificielle (IA), en abordant les principaux modèles d’apprentissage (machine learning, deep learning), ainsi que les applications et enjeux de l’IA générative. Il permet également de développer les compétences des étudiants en prompt engineering. Enfin, le cours traite de l’impact énergétique de l’IA, en lien avec l’ODD 12 (Consommation et production responsables).
Learning goals
- 1. S’approprier les usages avancés et spécialisés des outils de l’intelligence digitale en s’assurant de leur impact durable et responsable
Learning objectives
- 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.
Course Learning objectives
À l’issue du cours, chaque étudiant sera capable de :
- Définir les concepts clés du machine learning et du deep learning.
- Expliquer les principes de fonctionnement des modèles d’IA générative.
- Reconnaître les enjeux liés à l’IA dans un contexte organisationnel.-
- Comprendre l’impact énergétique de l’IA (ODD 12).
- Évaluer les limites et enjeux éthiques des technologies d’IA.
Content : structure and schedule
9 séances de 2h :
Séances 1: Introduction au cours
Séances 2-3 : Machine Learning, Deep learning et LLM
Séance 4: prompt engineering
Séances 5-6 : IA générative : étude et mise en œuvre (Agent IA, IA agentique, IA RAG...).
Séances 7-8 : Études de cas pratiques .
Séance 9 : Synthèse et évaluation des enjeux (ODD 12).
Sustainable Development Goals
ODD 12 (Consommation et production responsables) :
Justification : Le cours aborde l’impact énergétique de l’IA, notamment la consommation liée à l’entraînement et à l’inférence des modèles.
ODD 4 : Éducation de qualité
Le cours contribue à la formation des étudiants sur des compétences clés (IA, prompt engineering), essentielles pour leur employabilité et leur adaptation aux évolutions technologiques.
ODD 9 : Industrie, innovation et infrastructure
L’IA est un levier d’innovation pour les industries et les infrastructures (ex : automatisation, optimisation des processus).
Learning delivery
synchrone
Pedagogical methods
Combinaison de cours magistraux (partie théorique) et de travaux dirigés (mise en œuvre pratique).
Evaluation and grading system and catch up exams
Contrôle continu (40%) dont Études de cas en groupe : 30%. + QCM individuel : 10%.
Contrôle final (60%) en présentiel, devoir sur table, portant sur des questions de cours, des analyses et un cas synhtèse.
ATTENTION : Les badges LinkedIn Learning doivent être obtenus AVANT la dernière séance. En cas de non obtention : un malus de -4 points par badge non obtenu sera impacté sur la note de CC.
Documents et technologies autorisés : aucun.
Rattrapage : devoir sur table (2h), cas similaire au contrôle final.
100% (contrôle continu annulé)
Note plafonnée à 10
Documents et technologies autorisés : aucun.
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 des études (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.
● Par respect pour l'enseignant et les autres étudiants, il est attendu que les étudiants restent en salle pendant toute la durée du cours. Les sorties ne sont autorisées qu’en cas d’urgence, après en avoir informé l’enseignant.
● 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
’intelligence artificielle pour les débutants » – Josée J. « L’intelligence artificielle expliquée – Des concepts de base aux applications avancées » « IA pour tous » – Asterios Raptis
Keywords
machine learing , deep learning , reinforcement learning , LLM, prompt