Diplôme intelligence artificielle appliquée aux enjeux sociétaux

L'intelligence artificielle devient incontournable dans notre quotidien et change de nombreux usages. La disponibilité croissante des données, la croissance rapide des ressources informatiques et les avancées significatives dans les domaines des mathématiques, de l'informatique et de l'ingénierie sont des éléments fondamentaux de l'IA qui mènent la révolution numérique en cours. La certification propose de diplômer des architectes en intelligence artificielle un des domaines les plus pointus de ce siècle. Le diplômé connaît les bases et les techniques les plus avancées dans le domaine pour devenir un leader technique de cette transformation/révolution. Il aura une double compétence à la fois dans les méthodes d'intelligence artificielle pilotées par les modèles/symboles et pilotées par les données ainsi que leurs applications dans tous les domaines d’ingénierie. La formation a pour objectif de répondre à une demande actuelle sur les enjeux sociétaux, notamment les domaines critiques comme le traitement du langage naturel, l'informatique visuelle, Internet et l’industrie 4.0.

• Déterminer les objectifs d'une analyse de données à partir d’un problème métier.
• Collecter et nettoyer des données de sorte à les rendre structurées.
• Prétraiter des données textuelles non structurées ou sous forme d’images non structurées pour obtenir un jeu de données exploitable.
• Effectuer une analyse statistique univariée ou multivariée à partir de données structurées et nettoyées.
• Représenter graphiquement des données de grande dimension de manière claire et pertinente afin d'en réaliser l'analyse exploratoire.
• Réduire la dimension de données de grande dimension afin d'optimiser les temps de calcul et le cas échéant formuler des préconisations pour un traitement automatisé.
• Prétraiter, analyser et modéliser des donnés dans un environnement Big data en utilisant les outils du Cloud.
• Réaliser des calculs distribués sur des données massives en utilisant les outils adaptés.
• Choisir la méthode de gestion de projet adaptée aux défis de l’entreprise en décrivant la nature des problématiques à traiter et en évaluant les compétences, les moyens techniques et financiers nécessaires au projet d’innovation/de transformation afin de s’assurer de l’efficacité du dispositif
• Planifier la conduite du projet retenu en coopération avec les partenaires externes, en intégrant les impératifs économiques et techniques de l’industrialisation, afin de s’assurer de leur coopération à long-terme
• Mettre en place les dispositifs d’accompagnement des parties prenantes dans le changement à opérer, afin de renforcer l’adhésion de celles-ci au projet.
• Intégrer les enjeux, problématiques et contraintes éthiques et celles des réglementations françaises et internationales sur la protection des données (CNIL, RGPD) dans un projet Data Science.
• Comprendre, prendre en compte et traiter les enjeux d’équité et de biais lors de la mise en place d’une IA
• Gérer une équipe en accordant une attention particulière aux problématiques liées à l’éthique et à sa prise en compte dans le contexte de l’IA
• Identifier les méthodologies de l’IA requises compte-tenu des caractéristiques du projet
• Maitriser les méthodologies de l’apprentissage et les outils de mise en œuvre associés
• Maitriser les méthodologies de l’IA symbolique, en particulier pour les mettre au service d’une IA explicable
• Sélectionner les outils du Cloud permettant de disposer d'un environnement Big Data.
• Opérationnaliser une publication scientifique en implémentation informatique pour réaliser un prototype innovant.
• Explorer, décrire et interpréter des données dans leur aspect multidimensionnel.
• Produire des traitements de données simples en utilisant les concepts de la statistique descriptive, en vue de présenter les résultats obtenus à l’aide de tableaux, de graphiques et d’indicateurs numériques. Mesurer la liaison entre deux variables.
• Choisir les outils et déterminer leurs limites afin de communiquer les conclusions et leur interprétation.
• Produire des études statistiques en mettant en œuvre les techniques d’apprentissage automatique par la machine (machine learning) pour des données avec ou sans caractères temporels.
• Cibler et faire ressortir des modèles linéaires, non-linéaires, généralisés ou mixtes et construire des modèles complexes ou novateurs de prévisions en utilisant les techniques de modélisation, estimations, tests et diagnostics. Identifier les variables ou composantes importantes d’un modèle afin de tester des hypothèses en utilisant les techniques de modélisation, estimations, tests et diagnostics.
• Modéliser des données observées, les interpréter pour en faire de la prédiction en utilisant des outils appropriés et en tenant compte de leur nature aléatoire.
• Déterminer et analyser des données complexes en utilisant les méthodes de fouille et de visualisation de séries temporelles et fonctionnelles, de textes (clustering, classification), de réseaux (statique ou dynamiques) ou d’images.
•  Intégrer les technologies complémentaires (web sémantique, modélisation multi-agents) pour l’hybridation des approches intelligence artificielle connectivistes (réseaux de neurones) et symboliques (moteurs de raisonnement).
• Identifier des problématiques data du secteur d’activité de l’entreprise/organisation pour déterminer son périmètre puis identifier les facteurs et les datas susceptibles d’apporter de la valeur à l’entreprise/organisation
• Diagnostiquer une solution algorithmique à partir des solutions les plus appropriées pour intégrer les objectifs du cahier des charges aux contraintes du client
• Mobiliser l’IA pour transformer les outils d’aide pour la santé : Outils de vision pour l’imagerie médicale
• Mobiliser l’IA pour transformer l’industrie du futur : Maintenance prédictive, Jumeaux numériques des outils de production, Monitoring numérique
• Mobiliser l’IA pour transformer les modèles d’énergie : Changement de paradigme des systèmes de production, Incertitudes sur la production des énergies renouvelables, Prévision de la demande sous incertitude, Nouveaux paradigmes adéquation offres/demandes
• Mobiliser l’IA pour transformer les mobilités : Compréhension des nouvelles mobilités partagées, Transport à la demande, Prise en compte en temps réel de l’évolution du trafic et des demandes client, Intégration des applications Web

Secteurs d’activités :

Le diplômé du Master Intelligence Artificielle appliquée aux enjeux sociétaux est appelé à exercer ses activités dans de multiples domaines, et en particulier dans les secteurs suivants

• Industrie manufacturière
• Production et distribution d’électricité, de gaz, de vapeur, et d’air conditionné
• activités spécialisées, scientifiques et techniques
• transports
• Services d’information et de communication :
• Programmation, conseil et autres activités informatiques
• Services d’information
• activités financières et d’assurance

Type d'emplois accessibles :

• Recherche : Chercheur en secteur privé ou public dans le domaine de l’Intelligence Artificielle,
• Innovation : Ingénieur d’études produit et/ou process, ingénieur développement (logiciel ou autre)
• Management de projet : responsable ou membre d’un Project Management Office chargé de la stratégie IA appliquée aux enjeux sociétaux
• Analyse et aide à la décision : business analyst, analyste marché, chef de produit marketing, data analyst
• Entrepreneuriat : Dirigeant / créateur d’entreprise