Intelligence Artificielle

Contexte et objectifs


L'IA connaît un nouvel essor depuis quelques années, avec des champs d'application en vogue comme la conduite autonome, la reconnaissance d’image, la reconnaissance de la parole et l’apprentissage des jeux. La sphère politique en est de plus en plus consciente, tant d’un point de vue éducatif qu’entreprenarial. Le récent rapport Villani expose 4 domaines d’innovation autour de l’intelligence artificielle : le transport, la santé, la défense et l’environnement. L’ingénierie en IA offre des solutions innovantes pour résoudre les problèmes informatiques lorsque les solutions classiques sont inadaptées.
L'émergence du Deep Learning, portée par les GAFA (Google, Amazon, Facebook, Apple) permet de résoudre de nombreux problèmes par l’apprentissage à partir d’exemples.

Ces algorithmes nécessitent de grandes capacités de stockage et de traitement.
De nombreuses API (couplées avec les technologie du Cloud Computing) permettent de les manipuler dans les domaines suivants :

 

  • le traitement du langage : API Watson (IBM), API Cloud Natural Language (Google), Wit.AI (Facebook)
  •  le traitement d’image : API Cloud Vision (Google), API Rekognition (Amazon), API CarifAI
  •  l’apprentissage des jeux : API Gym (OpenAI), DeepMind (Google), API OpenLayers

Il s'agit d'un domaine plein d'avenir, en forte croissance et à forte valeur ajoutée. Les prédictions récentes de l’institut Gartner le confirment  :
D'ici 2021, 30% de la croissance nette proviendra de nouvelles solutions incorporant de l'IA.
D'ici 2020, 50% des nouveaux flux de transformation de données intègreront un ou plusieurs algorithmes d'apprentissage automatique, ce qui entraînera des interprétations erronées des données."
D'ici 2019, la génération en langage naturel sera une caractéristique standard de 90% des plateformes modernes de BI et d'analyse. Les 20 principaux fournisseurs de gestion de contenu web fourniront des capacités de génération de langage naturel dans le cadre de leur offre globale.

L’option Intelligence Artificielle forme à l’ensemble des concepts et techniques nécessaires à l’ingénieur afin d’appréhender les algorithmes, les API et les services qui permettent le traitement intelligent de l’information.

Métiers

Ingénieur en intelligence artificielle •  Data analyst • Chef de projet • Ingénieur recherche et développement •  Data scientist

Formation/Enseignements

L'enseignement est organisé autour de quatre axes : deep learning, natural language processing, optimisation métaheuristique, algorithmic fairness.
Des notions complémentaires  seront également enseignées (programmation réactive, calcul GPU-TPU, traitement d'images), ainsi que des cours innovants qui préfigurent l'évolution de l'informatique (informatique quantique, bioinformatique...).
Le dispositif pédagogique sera enrichi par des séminaires animés par des professionnels et basés sur des études de cas.

  • Deep Learning : réseaux de neurones, réseaux convolutifs, réseaux récurrents, apprentissage par renforcement, …
  • Natural Language Processing : morphologie, lexique, syntaxe, sémantique, grammaire, word2vec, deep learning
  • Optimisation métaheuristique : problèmes de transport, problèmes d’ordonnancement, problèmes sous contraintes, problèmes multi-objectifs, algorithmes multi-agents
  • Algorithmic fairness
  • Bioinformatique
  • Informatique Quantique
  • Traitement d’image
  •  Calcul GPU-TPU
  • Programmation réactive
  •  Méthodologie de la recherche scientifique

 

  • Etudes de cas

 

  • Stage en entreprise (22 semaines minimum)

 

  • Projet de fin d'études

 

L'option Intelligence Artificielle est ouverte au contrat de professionnalisation.

Responsables de l'option

Jean-Paul Forest                         Yannick Le Nir