Au terme du cours, l'étudiant est capable de distinguer les grandes familles d'IA (Machine Learning classique, IA générative, IA agentique) et d'expliquer ce que chacune exige en données, compétences et supervision humaine. Il sait construire et défendre une proposition de transformation par l'IA pour une organisation réelle : définition d’une stratégie IA, priorisation des cas d'usage, établissement d’une roadmap, répartition humain-IA, gouvernance, conformité juridique, plan d'adoption et mesure de la valeur.
Permettre aux étudiants de comprendre les principales formes d'IA et leurs applications, de définir une stratégie IA, d'identifier, expérimenter et prioriser des opportunités, de concevoir et piloter une transformation, et d'intégrer les enjeux humains, juridiques, éthiques et environnementaux.
Sept séances thématiques couvrant les technologies (Machine Learning, LLM, agents) puis la transformation elle-même (stratégie, playgrounds et roadmap, portefeuille et gouvernance, design responsable, pilotage, droit et adoption). Trois séances consacrées à un cas d'entreprise réel travaillé en groupe, dont deux sessions de questions-réponses avec le « client ».
1. Machine learning classique
2. IA générative : LLM, prompting, RAG, hallucinations
3. IA agentique : agents, orchestration, collaboration humain-IA
4. Vision & Stratégie IA : le « pourquoi » et le « how »
5. Le « what » : Playgrounds, roadmap et portefeuille
6. Design responsable : répartition humain-IA, risques, biais, Green AI
7. Pilotage, gouvernance, droit et adoption : AI Act, RGPD, Propriété Intellectuelle, responsabilité
8. Lancement des cas réels
9. Session client 1
10. Session client 2
Exercices courts en séance. Entre les séances, travail de préparation individuel (par exemple analyser une application d'IA annoncée dans la presse et identifier le label sous-jacent) puis, dès la séance 8, travail de groupe sur le cas.
Cours en présentiel alternant exposés, exemples industriels et exercices courts faits en séance. À partir de la séance 8, travail de groupe sur un cas inspiré d'une organisation existante, avec accès au client par questions-réponses : ce que les étudiants apprennent dépend de ce qu'ils demandent.
Présentation de groupe devant un comité de direction fictif, suivie d'une défense. La proposition doit couvrir le problème et son importance stratégique, la solution et la répartition humain-IA, la faisabilité, les risques et la conformité, l'impact environnemental, le plan de mise en œuvre et d'adoption, la valeur attendue et sa mesure. L'usage d'outils d'IA par les étudiants est attendu, mais doit être déclaré et chaque affirmation doit pouvoir être justifiée sans l'outil.
Support principal : slides des dix séances, distribuées après chaque cours. Références plus spécifiques partagées en séance.
| Formation | Programme d’études | Bloc | Crédits | Obligatoire |
|---|---|---|---|---|
| Master 120 en ingénieur de gestion | Finalité spécialisée en Sustainable & Digital Management | 1 | 3 | Oui |