MI-Introduction à l'IA S3

Ce cours présente les bases de l’intelligence artificielle. Il introduit deux grandes approches : l’IA symbolique et l’apprentissage automatique. Les étudiants apprennent à modéliser des problèmes et à les résoudre avec des algorithmes de recherche.

Ils découvrent aussi comment une machine peut apprendre à partir de données.

À la fin du cours, l’étudiant sera capable de :

• Comprendre les grands concepts de l’intelligence artificielle : Distinguer IA symbolique (règles, recherche) et machine learning.
• Modéliser et résoudre des problèmes à l’aide d’algorithmes de recherche.
• Mettre en œuvre des stratégies de décision dans des jeux à deux joueurs.
• Découvrir les bases de l’apprentissage automatique: Comprendre le principe d’un apprentissage supervisé (classification, régression).

Modalités : Mixte : CC + CT
SESSION 1 :
Contrôle Continu
• Type : Écrit, QCM, Projet
• Durée : --
• Précisions : Le contrôle continu représente les 50 % de la note finale,
et comprend un devoir écrit ou sur machine comptant pour 25 % et un travail (pouvant prendre la forme d’un projet, d’une présentation, d’un QCM, d’une épreuve écrite) comptant pour 25 %.

Contrôle Terminal
• Type : Écrit
• Durée : 1h30
• Précisions : L’examen final représente 50 % de la note finale.

Régime Dérogatoire
• Type : Écrit
• Durée : 1h30

SESSION 2 :
• Type : Écrit
• Durée : 1h30

► Les différentes épreuves écrites, qu’il s’agisse de l’examen final, du devoir, de l’examen terminal en régime dérogatoire ou de la seconde session, ont une durée indicative de 1h30, susceptible d’être ajustée en fonction des contraintes pédagogiques, matérielles ou logistiques, dans le respect des M3C applicables. Les absences, les aménagements éventuels et les autres situations particulières sont traités conformément aux M3C en vigueur.

Utilisation de l'intelligence artificielle :
Pour cet EC, l’usage de l’intelligence artificielle (IA) générative pour aider à la réalisation des travaux soumis à évaluation est interdite, sauf éventuelles exceptions dûment spécifiées par l’enseignant responsable du cours. Dans le cadre de ces éventuelles exceptions, les principes suivants doivent être respectés.

Les résultats fournis par l’IA doivent constituer un matériau pour votre réflexion, et toujours faire l’objet d’une réappropriation et d’une reprise critique.

Tous les usages doivent être documentés dans une section dédiée à la fin de votre travail, à l’exception des usages de recherche web augmentée, de correction orthographique et syntaxique. Cette section doit permettre à votre lecteur d’évaluer la manière dont vous avez travaillé avec l’IA et mobilisé cette ressource au service d’un travail personnel.

L’intégration directe de contenus engendrés par l’IA doit être faite sous le régime de la citation.

Toute utilisation non déclarée ou non autorisée d’un outil d’IA pourra être considérée comme un manquement aux règles d’intégrité académique.

Il est également demandé aux étudiants de ne pas transmettre à des outils d’IA des données confidentielles ou personnelles concernant l’université, les enseignants, les entreprises partenaires ou d’autres étudiants.

• Analyser un problème et le formuler sous forme adaptée à une résolution par l’intelligence artificielle.
• Modéliser un espace d’états et identifier les éléments nécessaires à sa résolution (états, actions, coût).
• Choisir et appliquer un algorithme de recherche adapté (DFS, BFS, A*) selon le contexte.
• Concevoir une stratégie de décision pour un jeu à deux joueurs en utilisant Minimax et l’élagage alpha-bêta.
• Comprendre et expliquer le fonctionnement des principales méthodes d’apprentissage supervisé.
• Mettre en œuvre des modèles simples de machine learning (k-NN, régression, arbre de décision).