Fundamentals of AI

Catalogue des cours de Institut Mines-Télécom Business School

Code

MUFE INF 3405

Niveau

L3

Discipline

Informatique

Langue

Anglais/English

Crédits ECTS

3

Heures programmées

18

Coordonnateur(s)

Département

  • Technologies, Information et Management

Equipe pédagogique

Introduction au module

Ce cours introduit les étudiants aux fondements conceptuels, techniques et sociétaux de l’intelligence artificielle, en mettant l’accent sur la manière dont les systèmes intelligents apprennent, décident et agissent à partir d’une combinaison de caractéristiques conçues et émergentes. Il établit un lien entre les grands paradigmes de l’apprentissage automatique — supervisé, non supervisé et par renforcement — et les perspectives managériales et comportementales pertinentes pour les domaines du management et de la transformation numérique. À travers un ensemble de cours conceptuels, d’analyses de cas et d’exercices pratiques sur des plateformes telles que Google Colab, les étudiants exploreront le fonctionnement des modèles d’IA tels que les réseaux de neurones, les transformeurs et les grands modèles de langage, ainsi que leurs implications pour la créativité, la cybersécurité et la gouvernance éthique. Le cours invite à une réflexion critique sur la nature de l’intelligence, des données et de la vérité, en encourageant les étudiants à relier les mécanismes computationnels à la cognition humaine et à la prise de décision dans un monde de plus en plus façonné par l’IA.

Objectifs d'apprentissage (compétences mères)

  • 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.
  • 4.4 - Sensibiliser et promouvoir l'application des principes d'éthique, de déontologie et de responsabilité environnementale, dans un contexte de transformation des organisations et de la société, et pour le bien commun.

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

In Fundamentals of AI, I contribute to SDG 10 (Reduced Inequalities) and SDG 12 (Responsible Consumption and Production) by teaching students to evaluate AI systems critically rather than adopt them blindly. The course highlights how AI can amplify inequalities through biased data, unequal access, and automation errors, and trains students to recognize these risks. Through hands-on cases and evaluation exercises, students learn to choose appropriate AI uses, question model outputs, and design responsible AI-enabled workflows that reduce harm, waste, and irresponsible deployment in organizations.

Nombre d'ODD abordés parmi les 17

10, 12

Méthode pédagogique

Case-based learning; Problem-based learning; Group work & collaborative projects; Peer feedback and peer review; Portfolio-style assessment

Système de notation et modalités de rattrapage

Four practical projects ranging from easy to intermediate use and application of AI, each weighing 25% of total score. However, if students show a lack of conceptual understanding of AI, a written exam or theoretical presentation project may replace one of the four practical projects. Students who fail the course at the end will have another chance to take a catch-up exam, which is in the form of a critical case analysis.