Données et analyse économique empirique

Cours-TD d'initiation à l'usage des outils d'intelligence artificielle et de science des données pour l'analyse empirique en sciences économiques et sociales. À travers une approche résolument pratique et participative (chaque séance combine apport théorique, code exécutable et atelier), les étudiants apprennent à mobiliser les outils d'IA selon trois angles : comme moyens d'exploiter des données non structurées (texte, image, audio, vidéo, données géospatiales), comme outils d'aide à la production scientifique (agents, automatisation de workflows), et comme objets d'étude à part entière (fonctionnement, limites, enjeux éthiques, environnementaux et socio-économiques).

Initier les étudiants à l'utilisation raisonnée des outils d'IA dans la recherche en sciences sociales.

Plus précisément :

• les exploiter comme outils de traitement de données non structurées (web scraping, analyse de texte, d'images, de données géospatiales) ;
• les mobiliser comme outils d'aide à la production scientifique (prompt engineering, agents IA, automatisation de workflows) ;
• les analyser en tant qu'objets d'étude : fonctionnement des LLM, impact environnemental, dangers et sécurité, effets sur le marché du travail, effet sur la production scientifique.

L'approche est pratique (installation et prise en main d'outils, code exécutable) et participative (discussions collectives, mini-travaux entre séances).

Modalités : CCI
SESSION UNIQUE :
Partiel
• Type :
• Durée :
• Précisions : L'évaluation repose sur un mini-projet personnel donnant lieu à trois livrables :
1. un dépôt versionné sur GitLab contenant l'outil/le code développé par l'étudiant ;
2. un rapport de projet présentant la démarche, les résultats et, en particulier, un retour réflexif de l'IA pour la recherche ;
3. une restitution orale.

Régime Dérogatoire
• Type : Dossier
• Durée : non spécifié
• Précisions : L'évaluation repose sur un mini-projet personnel donnant lieu à trois livrables :
1. un dépôt versionné sur GitLab contenant l'outil/le code développé par l'étudiant ;
2. un rapport de projet présentant la démarche, les résultats et, en particulier, un retour réflexif de l'IA pour la recherche ;
3. une restitution orale.

RATTRAPAGES :
• Type : Dossier
• Durée : non spécifié
• Précisions : L'évaluation repose sur un mini-projet personnel donnant lieu à trois livrables :
1. un dépôt versionné sur GitLab contenant l'outil/le code développé par l'étudiant ;
2. un rapport de projet présentant la démarche, les résultats et, en particulier, un retour réflexif de l'IA pour la recherche ;
3. une restitution orale.

Utilisation de l'intelligence artificielle :
L'évaluation repose sur un mini-projet personnel mobilisant les outils vus en cours, donnant lieu à trois livrables :
1. un dépôt versionné sur GitLab contenant l'outil/le code développé par l'étudiant ;
2. un rapport de projet présentant la démarche, les résultats et, en particulier, un retour réflexif sur l'apport et les limites des outils d'IA pour la recherche ;
3. une restitution orale lors de la dernière séance.

• Usages IA : usage autorisé pour aider à la réalisation des travaux soumis à évaluation pour la Session 1 est autorisé pour les tâches suivantes :
  • assistance au code et à la production de script, automatisation, analyse de données, réalisation de workflows de recherche avec retour à l’utilisateur pour la prise de décision
  • documentation (identification de ressources pertinentes, synthèse de travaux existants, état de l’art)
  • recherche d’idées (explicitation du sujet, “brainstorming”)
  • édition (correction de fautes d’orthographe et de syntaxe, mise en forme des références, traduction de citations et d’extraits).
• Il est interdit pour les tâches suivantes :
  • construction (problématisation, suggestion de plan)
  • rédaction (amélioration du style, réécriture de passages, rédaction de résumés) sans relecture et re-travail par l’étudiant-e
  • conception automatisée de worflows de rercherche

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.

Aucune connaissance technique préalable n'est requise. Curiosité et envie d'expérimenter.

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

• Installer et prendre en main un environnement d'outils d'IA et de programmation (LLM en local, éditeur de code, gestion de versions, notebooks).
• Formuler des requêtes efficaces aux modèles de langage (prompt engineering) et en évaluer les réponses de façon critique.
• Collecter des données non structurées, des données textuelles, visuelles et géospatiales, et les préparer pour l'analyse.
• Concevoir des workflows mobilisant des agents IA pour la recherche.
• Analyser de façon critique le fonctionnement, les limites et les biais des LLM.
• Évaluer les enjeux éthiques, environnementaux et socio-économiques de l'IA (sécurité, impact environnemental, marché du travail...).
  

• Salganik, M. J. (2018). Bit by Bit: Social Research in the Digital Age. Princeton University Press.
• Gentzkow, M., Kelly, B. & Taddy, M. (2019). « Text as Data ». Journal of Economic Literature, 57(3), 535-574.
• Mullainathan, S. & Spiess, J. (2017). « Machine Learning: An Applied Econometric Approach ». Journal of Economic Perspectives, 31(2), 87-106.
• Korinek, A. (2023). « Generative AI for Economic Research: Use Cases and Implications for Economists ». Journal of Economic Literature, 61(4).
• Bender, E. M., Gebru, T. et al. (2021). « On the Dangers of Stochastic Parrots ». FAccT '21.
• Crawford, K. (2021). Atlas of AI. Yale University Press.
  

Cours en ligne ; projets individuels réalisés sur un Gdoc partagé avec l’enseignante.