MEIA : Design thinking : boîte à outils de l'innovation

Catalogue des cours de Institut Mines-Télécom Business School

Code

MGYF STR 5930

Niveau

M2

Discipline

Stratégie

Langue

Français/French

Crédits ECTS

2

Heures programmées

28

Charge totale étudiant

40

Coordonnateur(s)

Département

  • Management, Marketing et Stratégie

Equipe pédagogique

Introduction au module

Ce module intensif de quatre jours (28 heures) invite les étudiants de Master 2 spécialisés en intelligence artificielle à expérimenter le Design Thinking sur un défi réel proposé par une organisation partenaire. En équipes de cinq, ils passent progressivement de la compréhension du contexte à la formulation d’un problème, puis à l’exploration de solutions, au prototypage, au test et à la recommandation finale.
Le parcours s’inspire du Double Diamond : découvrir le contexte, définir le bon problème, développer plusieurs pistes et livrer une proposition argumentée. L’objectif est de ne pas sauter trop vite vers une solution, mais d’apprendre à écouter, questionner, faire évoluer ses idées et justifier ses choix.
L’intelligence artificielle est utilisée lorsqu’elle est pertinente pour le travail à réaliser : pour explorer davantage de possibilités, mettre à l’épreuve des hypothèses, générer des variantes, accélérer la création d’un prototype et, lorsque le concept le justifie, comme composante de la solution elle-même. Elle ne remplace ni l’écoute des parties prenantes, ni les tests, ni le jugement humain.

Bloc de compétences

  • 6. Concevoir et/ou piloter des solutions de gestion innovantes en veillant à garantir une création de valeur soutenable pour toutes les parties prenantes

Compétences du bloc

  • 6.1 - Concevoir, développer et appliquer des politiques et pratiques propices au dynamisme de l'organisation, pour résoudre des problématiques repérées, en intégrant les spécificités du contexte métier.
  • 6.2 - Optimiser l'usage d'outils adaptés aux différents domaines de gestion, et définir et interpréter les KPI pertinents, afin de mesurer et garantir une création de valeur durable et soutenable pour toutes les parties prenantes.
  • 6.3 - Produire et analyser les principaux documents de synthèse, dans le but de s'assurer d'une gestion optimale, durable, en veillant à son alignement sur la vision, mission et les valeurs de l'organisation.
  • 6.4 - Auditer les risques associés en mobilisant les outils d'analyse stratégique et de prise de décision, en identifiant et évaluant les faiblesses / risques associés aux outils employés, afin de recommander des solutions de gestion pérennes.

Objectifs d'apprentissage du cours

À l’issue de ce module, l’étudiant sera capable de :
1. Diagnostiquer un défi organisationnel réel en identifiant le contexte métier, les parties prenantes, les contraintes, les signaux disponibles et les hypothèses critiques. (Niveau Bloom 4-5 / RNCP 6.1, 6.4)
2. Cadrer un problème de gestion sous forme d’insights, de problem statement et de question How Might We claire, ouverte et testable. (Niveau Bloom 5 / RNCP 6.1, 6.3)
3. Générer, sélectionner et formaliser un concept en combinant divergence humaine, augmentation par l’IA et critères de décision responsables. (Niveau Bloom 5-6 / RNCP 6.1, 6.2)
4. Prototyper et tester une hypothèse critique afin de produire des apprentissages exploitables pour la décision. (Niveau Bloom 6 / RNCP 6.1, 6.4)
5. Définir et interpréter des KPI, limites, risques et prochaines expérimentations pour une solution de gestion soutenable et responsable. (Niveau Bloom 5 / RNCP 6.2, 6.4)
6. Produire et défendre une recommandation managériale fondée sur des preuves, alignée sur le contexte de l’organisation et documentant l’usage critique de l’IA. (Niveau Bloom 5-6 / RNCP 6.3, 6.4)

Contenu : structure du module et agenda

Pendant quatre jours, les étudiants travaillent en équipe sur un défi réel proposé par une organisation partenaire. Ils commencent par comprendre le contexte, les personnes concernées et les contraintes, puis apprennent à reformuler le problème avant d’imaginer plusieurs solutions. Ils choisissent ensuite une piste, la rendent concrète sous forme de prototype et la testent afin d’identifier ce qui fonctionne, ce qui reste incertain et ce qui doit être amélioré.
L’intelligence artificielle intervient à différents moments du parcours pour explorer d’autres pistes, challenger les idées et accélérer la création de prototypes. Elle peut également faire partie de la solution imaginée par les étudiants lorsqu’elle répond réellement au problème identifié.
Le cours se termine par une recommandation managériale argumentée et une présentation devant un jury. L’objectif n’est pas de suivre mécaniquement une méthode, mais d’apprendre à passer d’un problème réel à une solution testée, en expliquant ses choix et en gardant un regard critique sur l’usage de l’IA.

Structure et Agenda

Partie 1 : Préparer l’écoute et explorer le défi
Matin : lancement du sprint, découverte des principes essentiels du Design Thinking et du Double Diamond, constitution des équipes et préparation à l’écoute. Les étudiants apprennent à distinguer ce qui a été observé, ce qui est interprété, ce qui reste une hypothèse et ce qui provient d’un outil d’IA.
Après-midi : brief de l’organisation partenaire, questions-réponses, compréhension du contexte métier, des parties prenantes, des contraintes et des tensions. Le brief fournit un point de départ, mais les équipes sont invitées à le questionner et à reformuler le problème à partir des éléments recueillis.
Livrable : une première reformulation du défi, appuyée sur les principaux éléments recueillis auprès du partenaire et des parties prenantes.

Partie 2 : Synthétiser, cadrer et choisir un concept
Matin : mise en commun des informations recueillies, identification des enseignements clés (insights), formulation du problème prioritaire (problem statement) et d’une question ouverte de type « Comment pourrions-nous… ? » (How Might We).
Après-midi : génération d’idées d’abord sans écran, puis utilisation de l’IA pour élargir les possibilités, proposer des variantes et révéler des angles morts. Les équipes comparent les pistes, choisissent un concept et identifient l’hypothèse la plus importante à tester.
Livrable : un cadrage clair du problème, plusieurs pistes explorées et un concept retenu avec une hypothèse prioritaire à tester

Partie 3 : Prototyper, tester, mesurer et auditer les risques
Matin : atelier de prototypage avec l’IA. Les équipes choisissent le plus petit prototype capable de produire un apprentissage utile. Selon le concept retenu, l’IA peut être utilisée comme outil pour accélérer le prototypage et l’itération, et/ou comme composante de la solution prototypée. Le prototype peut prendre la forme d’un scénario illustré, d’une maquette, d’un assistant simulé ou fonctionnel, d’un outil de décision, d’un tableau de bord, d’un processus de travail ou de tout autre support testable.
Après-midi : tests rapides avec les pairs, les enseignants et, lorsque cela est possible, des parties prenantes ou le partenaire. Les équipes analysent les retours, améliorent en priorité ce qui compte le plus et identifient les principaux apprentissages, limites, indicateurs de succès, risques et prochaines expérimentations.
Livrable : un prototype testable et les principaux enseignements issus des tests, complétés par les risques, indicateurs et prochaines étapes utiles à la décision.

Partie 4 : Recommander, défendre et transférer
Matin : transformation des apprentissages du sprint en recommandation managériale. Les équipes relient le contexte, le problème, le concept choisi, les tests réalisés et les principaux indicateurs, risques, limites et prochaines étapes. Elles finalisent leur présentation et prépa

Contribution à l'atteinte des ODD (Objets du Développement Durable)

Contribution à l’atteinte des ODD (FR)
ODD 8.2 - Travail décent et croissance économique
Contribution principale. La cible 8.2 vise un niveau élevé de productivité économique par la diversification, la modernisation technologique et l’innovation. Le module y contribue en entraînant les étudiants à transformer un défi organisationnel en solution de gestion innovante, à expliciter la création de valeur attendue, à définir des indicateurs de succès et à recommander les prochaines expérimentations avant déploiement.
ODD 9.5 - Industrie, innovation et infrastructure
Contribution secondaire. La cible 9.5 porte sur le renforcement de la recherche scientifique et des capacités technologiques, notamment par l’innovation. Le module y contribue en renforçant la capacité des étudiants à utiliser, prototyper, tester et évaluer de manière critique des solutions mobilisant l’IA et d’autres technologies.
ODD 12.6 - Consommation et production responsables
Contribution conditionnelle. Lorsque le défi partenaire porte sur l’économie circulaire, le réemploi, la sobriété, la responsabilité environnementale ou les pratiques durables de l’organisation, les équipes intègrent ces enjeux dans les indicateurs, les risques et la recommandation de gestion.

Apprentissage

synchrone

Méthode pédagogique

Séminaire / cours : Les notions nécessaires au projet sont introduites progressivement et mises en application pendant les activités.
Étude(s) de cas : Les étudiants travaillent sur un défi organisationnel réel proposé par une organisation partenaire.
Travaux pratiques : Les étudiants travaillent en équipe sur le cadrage du problème, l’idéation, le prototypage, les tests, les indicateurs et l’analyse des risques.
Présentation(s) : Les équipes présentent leur recommandation et leur prototype devant un jury et répondent à ses questions.
Composante de formation à distance : Le module se déroule en présentiel. Les outils numériques et l’IA sont utilisés pendant les séances.
Accompagnement : Les équipes bénéficient de retours réguliers et d’un accompagnement des enseignants tout au long du projet.
Parcours d’apprentissage : Les étudiants progressent de la compréhension du défi à la recommandation finale et font évoluer leur proposition à partir des informations recueillies et des retours obtenus.
Débat(s) : Les étudiants sont amenés à expliquer, argumenter et défendre leurs choix tout au long du module.

Système de notation et modalités de rattrapage

Évaluation en groupe (40 % de la note)
Produire et défendre une recommandation managériale fondée sur le travail réalisé pendant le sprint.
Évaluation Formative (en cours de séance) : retours réguliers des enseignants et des pairs lors des principales étapes du projet. Les équipes vérifient progressivement la compréhension du défi, la qualité du cadrage, la cohérence du concept retenu, la pertinence du prototype et la qualité des apprentissages issus des tests avant la présentation finale.
Évaluation Certificative (présentation finale) : chaque équipe présente les principaux livrables et apprentissages issus du sprint devant un jury et défend ses choix lors d’un temps de questions-réponses. La présentation doit permettre de comprendre le raisonnement suivi, ce que l’équipe a appris et la recommandation proposée.
Critères : qualité du diagnostic et de la reformulation du défi ; pertinence du cadrage, de l’exploration des pistes et du choix du concept ; qualité du prototype et des apprentissages issus des tests ; pertinence des risques, indicateurs et prochaines expérimentations ; qualité de la recommandation managériale et de sa défense orale.
Évaluation individuelle (40 % de la note)
Démontrer individuellement la maîtrise des six objectifs d’apprentissage du cours (OAC).
Évaluation Formative (tout au long du module) : retours des enseignants lors des activités en équipe, des échanges intermédiaires et des présentations courtes. Les étudiants sont régulièrement amenés à expliquer leurs choix, leurs apprentissages et leur usage de l’IA, et à identifier ce qu’ils doivent encore améliorer.
Évaluation Certificative - contrôle continu individuel : la maîtrise individuelle des six objectifs d’apprentissage est évaluée tout au long du module à partir des contributions observables, des échanges avec les enseignants, des réponses aux questions et lors de la présentation finale.
Critères : les six objectifs d’apprentissage du cours (OAC) définis à la section 5 constituent les six critères de l’évaluation individuelle.
Implication personnelle et contribution (20 % de la note)
S’impliquer activement dans le travail collectif et contribuer à créer des conditions de coopération favorables au sein de l’équipe.
Évaluation Certificative – contrôle continu : l’implication personnelle et la contribution sont évaluées par les enseignants à partir des comportements observés pendant les quatre jours. Les retours des autres membres de l’équipe (peer review) complètent ces observations.
Critères :
● Participation et engagement : participe activement aux activités et contribue concrètement aux objectifs du projet ;
● Collaboration et inclusion : coopère efficacement avec les autres, écoute les différents points de vue et favorise la participation de chacun.

En résumé :
Évaluation en groupe : 40 %
Évaluation individuelle liée aux six OAC : 40 %
Implication personnelle et contribution : 20 %

Rattrapage (CF2) : étude de cas individuelle écrite portant sur un défi organisationnel. L’étudiant devra diagnostiquer le contexte, cadrer le problème, proposer une solution, définir et interpréter des KPI, identifier les risques et produire une recommandation synthétique. La note est plafonnée à 10/20. En cas de non-validation du CF2, une prolongation de scolarité peut être accordée par le jury des études.

Règlement du module

Communication Professeur-Apprenant
Le professeur contactera les apprenants via leur adresse courriel 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.
L’apprenant doit éviter tout 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.
Les apprenants s’engagent à respecter strictement les horaires des cours figurant sur leur planning.
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.
Chaque demi-journée d'absence non justifiée ou liée à des retards conduit à un malus de -1 sur la note finale du 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.

Références obligatoires et lectures suggérées

● Stanford d.school (2018). Design Thinking Bootleg. Stanford University.
● IDEO.org (2015). The Field Guide to Human-Centered Design. IDEO.org.
● Ries, E. (2011). The Lean Startup: How Today’s Entrepreneurs Use Continuous Innovation to Create Radically Successful Businesses. Crown Business.
● Figoli, F. A., Mattioli, F., & Rampino, L. (2022). Artificial Intelligence in the Design Process: The Impact on Creativity and Team Collaboration. FrancoAngeli.
● David, Y., Krebs, A., & Rosenbaum, A. (2023). “The Use of Generative AI Tools in Design Thinking Academic Makeathon.” CERN IdeaSquare Journal of Experimental Innovation, 7(3), 43–49.
● Mirzaei, A., Pazhouhan, M., Jahanbakht, M., & Eftekhari, F. (2026). “Artificial Intelligence across Design Thinking: A Qualitative Review.” Design Science, 12, e10.
● Mayer, S., & Schwemmle, M. (2025). “The Impact of Design Thinking and Its Underlying Theoretical Mechanisms: A Review of the Literature.” Creativity and Innovation Management, 34, 78–110.
● Calderon, A., Taber, D., Qu, H., & Wen, J. (2021). AI Blindspot Cards. Berkman Klein Center / MIT Media Lab.

Mots-clés

Design Thinking, conception centrée sur l’humain, Double Diamond, intelligence artificielle générative, IA responsable, management de l’innovation, défi organisationnel, cadrage du problème, idéation, prototypage, test, KPI, risques, recommandation fondée sur des preuves, intelligence collective, sprint, présentation finale.