Code
MPYF MKT 6443
Niveau
M2
Discipline
Marketing, commercial
Langue
Français/French
Crédits ECTS
2
Heures programmées
28
Charge totale étudiant
40
Coordonnateur(s)
Département
- Management, Marketing et Stratégie
Introduction au module
Ce cours a pour but de former les étudiants à la double compétence de Manager d'IA et d'Ingénieur Marketing IA. L'objectif n'est pas seulement de survoler des outils existants, mais d'adopter une méthodologie de Spec-Driven Development : concevoir, structurer et orchestrer des produits et agents IA répondant à des besoins marketing précis.
Le fil directeur : L'approche est résolument centrée sur le client et le produit marketing. La technique vient s'imbriquer dans un second temps comme un facilitateur, illustrée par des schémas d'architecture clairs.
Bloc de compétences
- 1. S’approprier les usages avancés et spécialisés des outils de l’intelligence digitale en s’assurant de leur impact durable et responsable
Compétences du bloc
- 1.1 - Auditer les usages avancés et spécialisés des outils de l'intelligence digitale, afin de les mobiliser avec pertinence, en tenant compte du contexte stratégique des organisations.
- 1.2 - Actionner les outils de l'intelligence digitale de manière efficiente, pour accompagner les transformations sociétale, numérique, énergétique et environnementale des organisations, en s'assurant de leur impact durable et responsable.
Objectifs d'apprentissage du cours
• Maîtriser le prompt engineering avancé
• Sélectionner et orchestrer des LLMs selon les besoins d’un cas d’usage marketing
• Concevoir des architectures hybrides combinant workflows déterministes et agents IA natifs
• Définir et mesurer les KPIs de performance spécifiques aux systèmes IA
• Cadrer un projet IA en intégrant gouvernance, validation des données et conformité
• Master advanced prompt engineering
• Select and orchestrate LLMs based on the needs of a marketing use case
• Design hybrid architectures combining deterministic workflows and native AI agents
• Define and measure performance KPIs specific to AI systems
• Scope an AI project by integrating governance, data validation, and compliance
Contenu : structure du module et agenda
1. Prompt Engineering Avancé & Systémique
• Contenu : Structuration de prompts industriels (Contexte, Rôle, Objectifs, Contraintes).
• Outils d'efficacité : Utilisation et création de générateurs et d'évaluateurs de prompts pour automatiser la qualité des réponses.
2. Orchestration de LLM
• Contenu : Comprendre l'écosystème actuel des grands modèles. Comment choisir le bon LLM selon le use case (coût, latence, créativité, logique).
• Pratique : Jongler et faire collaborer différents LLM au sein d'un même écosystème.
3. Automatisation : Workflow vs Native AI
• Contenu : Arbitrage stratégique. Quand faut-il utiliser des workflows déterministes (n8n, Make) et quand faut-il laisser l'autonomie à une IA Native (Agents) ?
• Pratique : Hybridation des deux approches pour maximiser la fiabilité.
4. KPIs de Performance & Évaluation des Agents
• Contenu : L'évaluation d'une IA ne se fait pas comme un produit classique. Définition et mise en place de nouveaux KPIs de performance spécifiques aux agents (taux d'hallucination, précision de complétion, ROI de l'automatisation).
5. Cadrage, Gouvernance & Validation des Données
• Contenu : Focus exclusif sur le cadrage d'un projet IA. Gestion des biais, sécurisation et validation des données d'entrée/sortie, conformité et gouvernance des données d'entreprise à travers des use cases vécus.
Contribution à l'atteinte des ODD (Objets du Développement Durable)
Ce cours développe chez les étudiants une double expertise (management de l’IA et ingénierie marketing IA) directement alignée sur l’ODD 4 (Éducation de qualité), en les formant à des compétences professionnelles émergentes et transférables sur le marché du travail. Il contribue également à l’ODD 9 (Industrie, innovation et infrastructure), en les entraînant à concevoir et déployer des agents IA appliqués à des cas d’usage marketing concrets, favorisant ainsi la diffusion de l’innovation technologique au sein des organisations.
This course develops in students a dual expertise (AI management and AI marketing engineering) directly aligned with SDG 4 (Quality Education), by training them in emerging professional skills that are transferable to the job market. It also contributes to SDG 9 (Industry, Innovation and Infrastructure), by training them to design and deploy AI agents applied to concrete marketing use cases, thereby fostering the diffusion of technological innovation within organizations.
Nombre d'ODD abordés parmi les 17
2
Apprentissage
synchrone
Méthode pédagogique
Les sessions alterneront entre théorie marketing et manipulation directe dans les labs de pointe :
• Environnement Microsoft : Immersion via Microsoft Labs (modules Microsoft Learn IA Product).
• Écosystème Lab & Agents : Exploration et benchmark des solutions clés du marché : Manus.AI, Google (Gemini Antigravity), et Claude (Cowork).
Sessions will alternate between marketing theory and hands-on practice in cutting-edge labs:
• Microsoft Environment: Immersion via Microsoft Labs (Microsoft Learn AI Product modules).
• Lab & Agents Ecosystem: Exploration and benchmarking of key market solutions: Manus.AI, Google (Gemini Antigravity), and Claude (Cowork).
Système de notation et modalités de rattrapage
L'évaluation valide à la fois la maîtrise technique individuelle et la capacité à collaborer sur un produit fini.
• 60% : Note Individuelle (Examen Final)
o Format : Questions de cadrage théorique et tâches techniques à exécuter individuellement (validation d'un prompt complexe, schéma d'architecture de workflow, choix de gouvernance de données).
• 40% : Note Collective (Projet de Groupe)
o Livrable : Création et présentation d'un agent conversationnel appliqué à un use case marketing concret (approche hybride).
o Sujets : Les étudiants travailleront soit sur un use case réel d'entreprise, soit à partir d'une liste de sujets ciblés fournis le premier jour.
Le règlement de scolarité en vigueur constitue le document de référence.
En cas de note finale inférieure à 10 sur 20, un rattrapage est organisé et compte pour 100% de la note finale.Le rattrapage consistera en un dossier individuel de recherche, de réflexion et d’application, ou un examen oral, sur une thématique du cours.
Tout devoir remis hors délai sera crédité de la note de 0.
Les notes peuvent être individualisées selon la participation (retard ou absence non excusée en cours, comportement en cours, etc.) sous la forme d'un bonus ou d'un malus de points. La règle de ponctualité et de présence fait partie intégrante du cadre de vie et d’apprentissage porté collectivement, elle traduit le respect du travail des enseignants, du groupe et des exigences de l’école ainsi qu'une posture professionnelle attendue des étudiants. Toute absence non justifiée d'une demi-journée de classe entraînera une pénalité d’un point sur la note finale du module concerné. Cette sanction pourra également s’appliquer à tout retard non justifié. En cas de retards ou d’absences répétés, le nombre de points retirés pourra être augmenté, afin de garantir le bon déroulement des enseignements.
Règlement du module
Le règlement de scolarité en vigueur constitue le document de référence.
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 ou par visio-conférence 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 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.
● Aucun retard n'est toléré. La présence sera déclarée sur Moodle 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.
Références obligatoires et lectures suggérées
Goglin, C., & Mayol, S. (Dirs.). (2025). Le marketing à l’ère des IA génératives: Enjeux et perspectives. Caen, France: EMS Éditions.
Lendi, S. (2026). Le marketing digital à l’ère de l’IA: Contenu, trafic, conversion: Des fondamentaux jusqu’aux dernières avancées des agents IA (2e éd.). Paris, France: Vuibert.
Mots-clés
Intelligence artificielle générative, agents conversationnels/agents IA, prompt engineering, Spec-Driven Development, architecture de workflow IA, gouvernance des données, AI marketing engineering / Generative artificial intelligence, conversational agents/AI agents, prompt engineering, Spec-Driven Development, AI workflow architecture, data governance, AI marketing engineering.