En quelques années, l'intelligence artificielle générative a changé les termes du problème stratégique. Produire une analyse PESTEL, remplir un Business Model Canvas ou rédiger un plan de transformation ne demande plus que quelques minutes à une IA. Ce qui fait désormais la différence, c'est ce qui vient avant et après : poser la bonne question, choisir le bon référentiel, diriger l'outil avec discernement et critiquer ce qu'il produit. C'est précisément cette compétence que ce cours entend développer.
Les systèmes d'information occupent aujourd'hui une place centrale dans les organisations, privées comme publiques. La stratégie digitale ne se limite plus à la gestion de l'information : elle englobe les modèles d'affaires, les plateformes, l'organisation du travail, la donnée et l'expérience client. L'IA y occupe une double position. Elle est un enjeu stratégique majeur pour les entreprises : que deviennent les avantages compétitifs quand des agents IA compriment les coûts de création et d'exécution ? Elle est aussi, désormais, l'instrument de travail quotidien de l'analyste et du décideur.
L'objectif du cours INFO M421 reste de transmettre un ensemble de référentiels (modèles et études de cas) applicables dans une organisation pour élaborer ou revoir une stratégie numérique ou digitale, et de développer, au travers de ce parcours, l'esprit d'entreprendre. Il y ajoute une ambition propre à l'ère de l'IA : apprendre à mobiliser ces référentiels à bon escient, c'est-à-dire savoir les choisir, les combiner, les paramétrer et en reconnaître les limites, dans un environnement où leur exécution peut être déléguée à la machine.
Au terme du cours, l'étudiant sera capable de :
comprendre et maîtriser les concepts clés de la stratégie des systèmes d'information et de la stratégie digitale ;
cartographier les principaux référentiels d'analyse stratégique : la question à laquelle chacun répond, ses intrants, ses angles morts, ses complémentarités ;
choisir et combiner les référentiels pertinents face à une question stratégique donnée, et justifier ce choix ;
analyser les grands mouvements technologiques (plateformes, IA générative et agentique) et les nouveaux modèles d'affaires ;
évaluer l'impact de l'IA sur l'avantage compétitif, les modèles d'affaires et l'organisation des entreprises ;
utiliser l'IA générative comme instrument d'analyse stratégique, avec un regard critique : piloter l'outil, vérifier ses productions, identifier ce qu'il ne voit pas ;
appliquer l'ensemble à l'analyse d'une séquence stratégique récente d'une entreprise réelle.
Le cours fonctionne en classe inversée et privilégie les exercices d'arbitrage : confrontation de référentiels sur un même cas, audit critique d'analyses générées par IA, débats structurés. L'usage de l'IA y est explicitement autorisé, assumé et évalué. Les contenus abordés :
fondements de la stratégie et de la stratégie des SI : avantage compétitif, arbitrages, évolution de l'IT strategy à la digital strategy ;
boîte à outils analytique (PESTEL, SWOT, cinq forces de Porter, matrice BCG, Business Model Canvas), mise à l'épreuve de l'ère de l'IA ;
transformation numérique des organisations : modèles d'affaires, plateformes, orchestration du travail par les agents IA, articulation des fonctions IT et IA ;
IA et stratégie : impact de l'IA générative et agentique sur les avantages compétitifs, stratégies des entreprises établies face aux attaquants AI-natives ;
étude de cas par groupe portant sur une entreprise connue et une séquence stratégique récente.
Exemples d'entreprises traitées au cours : Tesla, IKEA, Michelin, Volkswagen, AXA, Schneider Electric, Revolut, Netflix.
Le cours se déroule en deux phases.
Phase 1 : workshops
Quatre sessions de 2h organisées selon le principe de la classe inversée. Au moins dix jours avant chaque séance, un corpus resserré de lectures (articles, études de cas, chapitres d'ouvrages) est transmis, accompagné d'une thèse discutée : une proposition tranchée portant sur la stratégie à l'ère du numérique et de l'IA. L'ensemble des lectures doit impérativement être préparé avant la séance, quel que soit le camp assigné.
La classe est répartie en deux ensembles stables. Pour chaque workshop, un ensemble défend la thèse, l'autre la réfute, et les camps alternent d'une séance à l'autre. Au sein de chaque ensemble, les rôles (orateurs, réfutateurs, questions et reformulation de l'argument adverse) tournent obligatoirement, de sorte que chaque étudiant intervient en première ligne au moins deux fois sur le semestre. La séance combine exposés contradictoires, réfutations, questions croisées et débriefing par les enseignants, qui reviennent sur les concepts et référentiels que le débat a mobilisés ou manqués.
L'usage de l'IA générative pour préparer les lectures et les argumentaires est autorisé et assumé : le résumé est considéré comme acquis. Ce qui est évalué, c'est la capacité à soutenir une position en direct, à résister à une objection et à reconnaître le meilleur argument adverse, ce que l'IA ne fait pas à la place de l'étudiant.
Phase 2 : travail de groupe et défense orale
Par groupe de deux, les étudiants reçoivent une mise en situation : une entreprise réelle confrontée à une situation stratégique calibrée pour le cours. Le groupe élabore une proposition de stratégie numérique en mobilisant les référentiels vus au cours, en justifiant explicitement le choix des modèles retenus et en documentant son usage de l'IA (ce qui a été délégué à l'outil, ce qui a été corrigé, ce que l'outil n'a pas vu). Les étudiants peuvent également proposer un sujet hors de la liste soumise.
Le travail donne lieu à un rapport écrit et à une défense orale lors des deux dernières séances. Chaque groupe présente son analyse puis répond aux questions ; chacun des autres groupes prépare au préalable une question qui sera posée au groupe qui présente. Lors de la défense, chaque étudiant répond individuellement à des questions portant sur les concepts du cours et sur la justification des choix du rapport.
L’évaluation portera sur la maîtrise et la mise en œuvre des concepts vus au cours:
au travers de l’étude de cas préparée en groupe;
sur le travail écrit en résultant et une défense orale
sur la participation et les interactions lors des autres présentations au travers des questions préparées et posées.
Néant
| Formation | Programme d’études | Bloc | Crédits | Obligatoire |
|---|---|---|---|---|
| Master 60 en sciences informatiques | Standard | 1 | 5 | Non |
| Master 120 en sciences informatiques | Finalité spécialisée en data science | 2 | 5 | Non |
| Master 120 en sciences informatiques | Finalité spécialisée en software engineering | 2 | 5 | Non |