ECTS : 3
Volume horaire : 24
Description du contenu de l'enseignement :
Après une introduction sur les grandes Entreprises et comment elles abordent et intègrent les grandes ruptures technologiques dans leurs mode fonctionnement, il sera présenté les grandes fonctions d'une entreprises (Marketing, vente, production, finance, ressources humaines et les cas d'applications et d'usage de l'IA et des nouvelles technologies.
Seront ensuite présenter des archétypes d'usage de l'IA en entreprise au travers d'exemples concrets:
- La prévision de grandeurs par apprentissage supervisé
- la détection d'atypisme via apprentissage non-supervisé
- l'usage de LLM pour l'extraction d'information depuis des données non structurées
Ces archétypes serviront de base de travail pour les projets en équipe, ces derniers s'appuiront sur des cas réels et des données d'entreprise préalablement anonymisées.
Seront abordés ensuite 3 grands sujets:
- Les différentes mise en oeuvre possible d'une organisation centrée sur l'Intelligence Artificielle
- Les problématiques de compliance et de gouvernance aux différentes régulations dans le monde (Europe, Chine et Etats-Unis)
- La définition d'une stratégie d'adoption de l'IA au sein d'une équipe au travers des méthodes de Design thinking, des pratiques Agile et ThEARI et d'une approche "Make or Buy" de ces capacités
Ces sujets seront à chaque fois complétés par des cas réels servant à mettre en exergue les spécificités des entreprises en fonctions des secteurs économiques. Seront notamment vu :
- un projet de maintenance prédictive en Usine via des méthodes supervisées et non supervisées d'analyse des modes de fonctionnement des machines
- un projet de prévisions des ventes en supermarché et d'optimisation de gamme de produits sur étagère, au travers de méthodes de calcul distribué et de théorie des jeux
- un projet d'analyse d'interactions clients au SAV d'une grande entreprise, via de l'analyse NLP, de la structuration de données et d'usage de grand modèles d'IA générative
- un projet de maintenance des standards de qualités et compliances de produits destinés à l'alimentation dans un contexte réglementaire international, via l'usage de l'IA Générative, de la structuration de donnée, des automates et la construction d'agents.
Compétence à acquérir :
Il s'agit d'initier les étudiants à l'usage et l'application des méthodes d'apprentissage automatique (machine learning), de fouille (data mining) et d'extraction de connaissances dans les grandes entreprises. Il sera illustré par des cas concrets, des exemples réalisés en session et en marges de ces sessions avec le langage Python et l'environnement gratuit de Databricks. L’évaluation se fait au travers d'une restitution orale d'un projet en équipe.
Mode de contrôle des connaissances :
le contrôle des connaissance se fera au travers de la restitution d'un projet d'équipe. Chaque équipe sélectionnera un projet, proposera une approche structurée pour le résoudre et le mettre en place dans un context d'entreprise. Elle présentera les analyses réalisées sur les données disponibles, les méthodes d'IA envisagées ainsi que les grands résultats et enseignements liés à leur mise en place.
Bibliographie, lectures recommandées :
les cours du collège de France de Stéphane Mallat et de Gérard Berry
les livres l'hyperpuissance de l'informatique (https://www.odilejacob.fr/catalogue/sciences/informatique/hyperpuissance-de-l-informatique_9782738139535.php) et apprendre à apprendre avec le Lean (https://www.editions-eyrolles.com/livre/apprendre-a-apprendre-avec-le-lean)
les sites rpésentant l'EU Ai Act ainsi que la RGPD