Code
MGYF MIS 5527
Niveau
M2
Discipline
Systèmes d’information
Langue
Français/French
Crédits ECTS
2
Heures programmées
28
Charge totale étudiant
40
Coordonnateur(s)
Département
- Technologies, Information et Management
Equipe pédagogique
Introduction au module
Ce cours aborde l'Intelligence Artificielle (IA) non plus comme un domaine purement technique, mais comme un levier stratégique de performance managériale. Destiné aux futurs managers de niveau M2, le module analyse comment l'IA redéfinit la chaîne de valeur à travers trois piliers : descriptif, prédictif et génératif. L'enjeu est de passer de l'automatisation des tâches à l'augmentation de la prise de décision. Les étudiants apprendront à orchestrer la collaboration homme-machine, à identifier des avantages compétitifs et à maîtriser les cadres de gouvernance et d'éthique indispensables à une adoption responsable. L'objectif est de transformer l'IA, souvent perçue comme une "boîte noire", en un collaborateur digital au service de la stratégie d'entreprise.
Finalité d'apprentissage (Bloc de compétences)
- 2. Produire et mobiliser des savoirs hautement spécialisés, issus d’une réflexion critique, et dans un champ d’expertise
Objectifs d'apprentissage
- 2.1 - Développer une conscience critique des savoirs hautement spécialisés, dont certains sont à l'avant garde du savoir, en vue de formuler des contributions novatrices à des problématiques complexes, en cohérence avec le plan stratégique des organisatio
- 2.2 - Impulser une dynamique de créativité en mobilisant les techniques d'idéation, et en favorisant l'inderdisciplinarité et le travail collaboratif, pour apporter des solutions novatrices à des problématiques complexes, dans des contextes multiculturels
- 2.3 - Conduire une analyse réflexive et distanciée prenant en compte les enjeux, les problématiques et la complexité d'une demande ou d'une situation afin de proposer des solutions adaptées et/ou innovantes en respect des évolutions de la règlementation.
Traits de compétences
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
Contenu : structure du module et agenda
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
Contribution à l'atteinte des ODD (Objets du Développement Durable)
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.
Nombre d'ODD abordés parmi les 17
3
Apprentissage
Mixte
Méthode pédagogique
Blended learning mêlant cours magistral, ressources en ligne, travaux pratiques, visite de site (learning expedition)
Système de notation et modalités de rattrapage
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.
Règlement du module
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.
Références obligatoires et lectures suggérées
https://www.linkedin.com/learning/?u=450940658 : datascience et IA
Mots-clés
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