Culture générale

Conduite et Gestion de Projets (au sens cycle de vie d'une application) 

• Généralités (concept du projet, caractéristiques d'un projet, typologie de projet, les 
• clés de la réussite, notions contractuelles). 
• Le management (les Phases, le plan qualité projet, le plan de production le dossier 
• projet, principes de planification, l'estimation (principes et méthodes). 
• La gestion du risque (définitions, évaluation, maîtrise, pilotage par les risques) 
• La relation utilisateur 
• Les achats (les processus d'achat sur projet, la sous-traitance) 
• La production (activités, suivi de projet : PERT, GANTT.., environnements, gestion de 
• configuration, stratégie de test, 
• La communication (avec Qui, Quoi ?, Comment ?, plan de communication, pratiques) 
• Les ressources humaines (besoins du plan de charge, gestion des hommes, les 
• moyens) 
• Audits et revues (principes, techniques de base) 
• Optimisation ( le reuse, les best-practices, etc. ) 

Introduction au Cloud computing 

• Le cloud computing (définition, enjeux, contraintes opérationnelles) 
• Catégories de service de Cloud 
• Typologies de déploiement 

Initiation à la recherche : Introduction à l'IAObjectif : Comprendre ce qu'est réellement l'intelligence artificielle aujourd'hui, au-delà des annonces et de l'imaginaire : comment un système apprend à partir de données, ce qu'il sait faire, et où sont ses limites. L'enseignement ne suppose aucune connaissance préalable en IA ; il vise à donner aux futurs professionnels de l'informatique le vocabulaire et les repères nécessaires pour travailler avec ces outils, en discuter avec rigueur et en évaluer les risques.
Contenu
Séance 1 -- Les bases. De la science-fiction à l'IA réelle : IA générale et IA spécialisée, IA génératives et prédictives, rôle des GPU et coût énergétique. Le passage des règles écrites aux règles apprises. La donnée : formats, features, labels. Entraînement, évaluation, sur-apprentissage.
Introduction à la recherche en IA : recherche académique et recherche industrielle, principaux pays et chercheurs du domaine, rythme des avancées. Lire un article scientifique : structure, résumé, état de l'art, méthode, résultats. Parler de l'IA avec rigueur : de quel système s'agit-il, sur quelle tâche, évalué sur quelles données. Les métiers de la donnée.
Séance 2 -- L'apprentissage supervisé. Arbres de décision, forêts aléatoires, k plus proches voisins. Travaux pratiques en Python.
Séance 3 -- L'apprentissage non supervisé et les réseaux de neurones. Clustering par k-means. Du perceptron aux réseaux multicouches : fonctions d'activation, fonction de perte, entraînement. Travaux pratiques.
Séance 4 -- L'IA en pratique : limites et enjeux. Robustesse et attaques adversariales, explicabilité, biais des données et des systèmes de recommandation, deepfakes, questions éthiques et environnementales.
Séance 5 -- Transformers et grands modèles de langage. Représenter un mot par un vecteur, le mécanisme d'attention, pré-entraînement et fine-tuning, origine des hallucinations.
Modalités d'évaluation
Épreuve écrite d'une heure lors de la dernière séance, en deux parties :
une rédaction de deux pages maximum sur un secteur que l'IA a transformé ou va transformer, et sur les risques associés, appuyée sur au moins deux références bibliographiques ;
deux questions de cours, l'une théorique, l'autre portant sur les travaux pratiques, tirées d'une liste constituée au fil des séances.
Document autorisé : une feuille A4 imprimée contenant uniquement les références bibliographiques, rendue avec la copie.
Prérequis
Aucun en intelligence artificielle. Des bases en programmation Python sont utiles pour les travaux pratiques.