Introduction à l'IA 2 : applications

À partir de problématiques issues de l’économie, de la gestion ou des sciences sociales, les étudiants découvriront comment les modèles de langage peuvent être utilisés pour rechercher, collecter, structurer, enrichir et analyser automatiquement des informations provenant de sources variées telles que des sites web, des rapports publics, des bases de données ouvertes ou des documents textuels.

Le cours abordera les principes fondamentaux des LLM, leurs capacités, leurs limites et leurs modalités d’intégration dans des chaînes de traitement plus complexes. Les étudiants apprendront à concevoir des prompts efficaces, à utiliser des API de modèles de langage, à utiliser des agents capables d’interagir avec des outils externes et à automatiser des tâches d’analyse de données ou de génération de contenu.

Dans le cadre d’un projet fil rouge, les étudiants mettront en œuvre une chaîne complète permettant de collecter des données, de les enrichir à l’aide de l’IA générative, puis d’exploiter ces informations pour répondre à une question d’étude ou de recherche. Ils pourront notamment mobiliser des techniques de scraping, d’extraction d’information, de génération de code, d’automatisation de traitements ou d’apprentissage automatique lorsque cela est pertinent.

Une attention particulière sera portée à l’évaluation critique des résultats produits par les systèmes d’intelligence artificielle, à l’identification des biais, aux risques d’hallucination, aux questions de confidentialité ainsi qu’aux enjeux éthiques et méthodologiques liés à l’utilisation de ces technologies.

À l'issue de ce cours, les étudiants seront capables de :

• Comprendre les principes fondamentaux des grands modèles de langage (LLM) et leurs domaines d'application.
• Utiliser efficacement des modèles d'intelligence artificielle générative pour assister des tâches d'analyse, de recherche d'information et de production de contenu.
• Concevoir des prompts adaptés à différents objectifs et évaluer leur impact sur les résultats obtenus.
• Exploiter des API et des outils permettant d'interagir avec des modèles de langage.
• Mettre en œuvre des techniques de collecte automatisée de données à partir de sources ouvertes.
• Utiliser l'intelligence artificielle pour extraire, structurer, enrichir et analyser des données textuelles.
• Utiliser les modèles génératifs pour assister le développement logiciel et la génération de code.
• Évaluer de manière critique les résultats produits par les systèmes d'intelligence artificielle en tenant compte de leurs limites, biais et incertitudes. 

Modalités : CC
SESSION 1 :
Contrôle Continu
• Type : Écrit, Oral, Dossier
• Durée : Variable selon le type d'exercice proposé (de 30 mn à 2h).

Régime Dérogatoire
• Type : Écrit, Oral, Dossier
• Durée : Selon le type d'épreuve (30mn à 2h).

SESSION 2 :
• Type : Écrit, Oral, Dossier
• Durée : Selon le type d'épreuve (30 mn à 2h).

Utilisation de l'intelligence artificielle :
Les usages de l'IA étant le fondement de cet enseignement, les enseignants définissent les règles au coup par coup pour les travaux soumis à évaluation.

Compétences en matière de programmation acquises en M1.

1. Intelligence artificielle générative
   Comprendre le fonctionnement général des LLM.
   Maîtriser les techniques de prompt engineering.
   Utiliser efficacement différents modèles de langage.
   Comparer les performances et les limites de plusieurs modèles.
   Évaluer la qualité et la fiabilité des réponses générées.
   
   2. Collecte et préparation des données
   Réaliser du web scraping sur des sources publiques.
   Collecter des données à partir d'API et de plateformes open data.
   Nettoyer, transformer et structurer des données hétérogènes.
   Construire des jeux de données adaptés à une problématique d'étude.
   

3. Analyse de données et apprentissage automatique
Préparer des données pour une analyse quantitative.
Mobiliser des méthodes d'apprentissage automatique adaptées à un problème donné.
Évaluer la qualité prédictive d'un modèle.
Interpréter les résultats obtenus dans leur contexte applicatif.

4. Génération et analyse de code
Utiliser l'IA pour assister le développement de scripts et d'applications.
Générer, comprendre et modifier du code produit par un modèle de langage.
Vérifier et tester les solutions proposées par l'IA.
Documenter et maintenir un projet développé avec l'assistance d'outils génératifs.

5. Esprit critique et méthodologie
Identifier les biais et les limites des systèmes d'intelligence artificielle.
Vérifier la cohérence et la validité des informations produites.
Assurer la traçabilité et la reproductibilité des traitements réalisés.
Adopter une utilisation responsable et éthique des technologies d'IA générative.

 6. Gestion de projet
Définir une problématique d'étude ou de recherche.
Construire une démarche expérimentale.
Organiser un projet mobilisant plusieurs technologies.
Présenter les résultats de manière rigoureuse et argumentée.
Produire un rapport technique et scientifique structuré.