Parcours Intelligence Artificielle Appliquée (I2A)

La formation, organisée sur quatre semestres, est structurée selon une approche par compétences (APC) en quatre blocs de compétences, permettant une progression cohérente et lisible des apprentissages.

• Un premier bloc visant à mobiliser les fondamentaux scientifiques de l’intelligence artificielle afin de modéliser et analyser des problèmes complexes.
• Un second bloc dédié à la mise en œuvre d’outils d’analyse de données et d’IA dans des situations applicatives concrètes.
• Un troisième bloc portant sur la conformité des systèmes d’IA, en intégrant les dimensions éthiques, réglementaires, de sécurité et de fiabilité.
• Enfin, un quatrième bloc pour accompagner les étudiants dans la construction et la maturation de leur projet professionnel, en lien avec leur spécialisation, leurs compétences et leur insertion sur le marché du travail.

Les enseignements théoriques et méthodologiques du Master ont lieu de septembre à mars auxquels s’ajoute un stage professionnel conventionné d’au moins 10 semaines en première année et d’au moins 12 semaines en seconde année. 

• Semestre 1

ANG1 – Anglais

Cette UE vise à développer les compétences en communication scientifique et technique en anglais. Elle aborde la compréhension de documents spécialisés, la rédaction de rapports techniques et la présentation orale de projets en informatique et en intelligence artificielle.
ECTS : 3 | CM : 0h – TD : 20h – TP : 0h 

SD – Science des données
L’objectif de cette UE est de maîtriser le cycle de vie des données, depuis leur acquisition jusqu’à leur exploitation. Les étudiants apprennent les techniques de nettoyage, d’analyse exploratoire, de visualisation et d’interprétation, en mettant l’accent sur la qualité et la fiabilité des données.
ECTS : 4 | CM : 10h – TD : 10h – TP : 10h 

GP – Gestion de projets
Cette UE fournit les bases méthodologiques de la gestion de projets informatiques et data. Elle couvre la planification, l’organisation du travail en équipe, les méthodes agiles, la gestion des risques et la communication au sein d’un projet.
ECTS : 4 | CM : 10h – TD : 10h – TP : 10h 

2IA – Introduction à l’intelligence artificielle
Cette UE propose une introduction générale à l’IA, incluant la représentation des connaissances, les méthodes de recherche, le raisonnement automatique et une première approche de l’apprentissage automatique. Elle permet de comprendre les grands paradigmes de l’IA.
ECTS : 4 | CM : 15h – TD : 10h – TP : 10h 

MIA – Mathématiques pour l’IA
L’UE vise à fournir les outils mathématiques nécessaires à l’apprentissage automatique : statistiques, probabilités, algèbre linéaire et optimisation. Une attention particulière est portée aux méthodes de gradient et à leur rôle dans l’entraînement des modèles.
ECTS : 6 | CM : 10h – TD : 10h – TP : 0h 

PIA – Programmation pour l’IA
Cette UE développe les compétences en programmation orientée IA, principalement en Python. Elle aborde la manipulation de données, l’utilisation de bibliothèques spécialisées et la mise en œuvre d’algorithmes d’apprentissage automatique.
ECTS : 6 | CM : 10h – TD : 10h – TP : 20h 

• Semestre 2

FD – Fouille de données
Cette UE approfondit les méthodes de découverte de connaissances dans les données, incluant la classification, le clustering et les règles d’association. Les étudiants apprennent à évaluer et comparer différents modèles.
ECTS : 3 | CM : 10h – TD : 10h – TP : 10h 

BDA – Bases de données avancées
L’objectif est de maîtriser les systèmes de gestion de bases de données avancées, incluant les bases distribuées, NoSQL et l’optimisation des requêtes, dans un contexte de données massives.
ECTS : 3 | CM : 10h – TD : 10h – TP : 10h

OWS – Ontologies et Web sémantique
Cette UE introduit les principes du Web sémantique et de la représentation des connaissances. Elle couvre les ontologies, les langages RDF et OWL, ainsi que les requêtes SPARQL pour l’intégration de données hétérogènes.
ECTS : 3 | CM : 10h – TD : 10h – TP : 10h 

TALN – Traitement automatique du langage naturel
Cette UE vise à comprendre et mettre en œuvre les principales techniques d’analyse et de génération automatique du langage naturel, depuis les méthodes statistiques jusqu’aux approches neuronales.
ECTS : 4 | CM : 10h – TD : 10h – TP : 10h 

• Semestre 3

DLP – Outils pour l’apprentissage automatique
Cette UE approfondit les techniques de machine learning et de deep learning, en mettant l’accent sur l’utilisation d’outils et de frameworks modernes pour l’entraînement, l’évaluation et le déploiement de modèles.
ECTS : 5 | CM : 15h – TD : 10h – TP : 20h 

IAS – IA appliquée à la Santé
ECTS : 6 | CM : 15h – TD : 10h – TP : 30h 

IAS – IA appliquée à la Chimie
ECTS : 6 | CM : 15h – TD : 10h – TP : 30h 

• Semestre 4

PAA – Paradigmes de l’apprentissage automatique
Cette UE propose une vision avancée des différents paradigmes de l’apprentissage, incluant les approches supervisées, non supervisées, en ligne et hybrides.
ECTS : 4 | CM : 15h – TD : 10h – TP : 0h 

XAI – IA explicable et de confiance
L’UE traite des méthodes d’explicabilité, de robustesse, de confiance et de sécurité des modèles d’IA, avec un accent sur les enjeux éthiques et réglementaires.
ECTS : 3 | CM : 10h – TD : 10h – TP : 10h 

IAS – IA appliquée à l'Environnement
ECTS : 6 | CM : 15h – TD : 10h – TP : 30h 

STG2 – Stage
Ce stage permet une immersion en milieu professionnel ou académique. Il vise à mobiliser l’ensemble des compétences acquises et donne lieu à un mémoire et une soutenance.
ECTS : 12 | CM : 0h – TD : 2h – TP : 0h