Artificial Intelligence for Business Decision

Objectif

Déclaration de non-affiliation : Les idées, analyses et opinions exprimées dans ce cours sont uniquement celles de l'enseignant, à titre personnel, et ne représentent en aucun cas les points de vue, politiques ou positions d'Amazon ou de toute institution affiliée, et ne sauraient leur être attribuées.

DESCRIPTION DU COURS
Ce cours explore la manière dont les avancées récentes en intelligence artificielle (IA) transforment la stratégie d'entreprise, les opérations et la prise de décision. En se concentrant sur des applications concrètes, il examine des technologies telles que l'apprentissage automatique (machine learning) et les grands modèles de langage, en les replaçant dans le contexte plus large de l'adoption technologique et de la transformation sociale.

En s'appuyant sur des recherches récentes, le cours permet aux étudiants d'évaluer comment l'IA génère de la valeur dans différents secteurs. Il s'adresse aux étudiants disposant de solides bases en apprentissage statistique et d'un vif intérêt pour l'intersection entre les technologies émergentes et la dynamique des entreprises.

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

1. Analyser les avancées en IA et évaluer leurs implications stratégiques pour les entreprises.
2. Identifier et évaluer les applications pertinentes de l'IA dans différents secteurs.
3. Communiquer efficacement leurs conclusions à travers un travail de projet et une présentation orale.

ÉVALUATION
L'évaluation de ce cours comprend trois composantes :

1. Présentations en classe : 35 %
2. Quiz de fin de cours : 5 %
3. Projet individuel final : 60 %

Plan

La semaine 1 introduit les fondamentaux de l'intelligence artificielle (IA) et de l'apprentissage automatique (ML), en couvrant l'apprentissage supervisé, non supervisé et par renforcement, tout en distinguant l'IA de l'analytique d'entreprise traditionnelle. La séance établit également des parallèles historiques avec les précédentes ruptures technologiques afin de contextualiser l'impact transformateur de l'IA sur les industries et la société.

La semaine 2 présente le cadre économique fondé sur les tâches pour comprendre comment l'IA transforme le travail, en distinguant l'automatisation (substitution de tâches) de l'augmentation (création ou amélioration de tâches). Les étudiants examinent ensuite des données d'usage réelles issues de ChatGPT, Claude et Copilot. La séance se conclut par un exercice pratique sur la manière dont des prototypes de prompts peuvent être transformés en workflows API pour une analyse appliquée.

La semaine 3 examine comment l'IA transforme la prise de décision financière en améliorant le traitement de l'information, l'évaluation des risques et l'analyse d'investissement. Nous étudions comment les grands modèles de langage extraient de la valeur à partir de données financières non structurées, telles que les comptes rendus de résultats (earnings calls) et les actualités, redéfinissant ainsi les rôles des investisseurs particuliers et des professionnels de la finance. Le cours aborde également les principaux enjeux liés à la gouvernance, à la transparence et à la gestion des risques.

La semaine 4 explore comment l'IA transforme la prise de décision médicale en améliorant le diagnostic, le raisonnement clinique et la documentation. Nous examinons des applications allant de l'imagerie médicale et de l'aide au diagnostic aux grands modèles de langage et agents médicaux utilisés pour la synthèse de textes cliniques et le raisonnement. Le cours souligne le rôle de l'IA comme outil d'augmentation des cliniciens plutôt que de remplacement, et aborde les principaux enjeux éthiques liés à l'équité, à la sécurité, à la responsabilité et à la confiance des patients.

La semaine 5 est consacrée aux défis rencontrés par les organisations lors du passage à l'échelle de l'IA générative, de la preuve de concept au déploiement à l'échelle de l'entreprise. Le cours introduit un cadre d'entreprise couvrant l'infrastructure de données et de calcul, les modèles de fondation et les outils, la sécurité et la gouvernance, ainsi que les modèles d'application reproductibles. Nous examinons les stratégies de mise en œuvre en entreprise, notamment la conception organisationnelle, les facteurs de succès et l'élaboration de feuilles de route, et concluons en soulignant le rôle de la gouvernance et du leadership stratégique dans une adoption durable et évolutive de l'IA générative.

La semaine 6 examine comment les organisations et les régulateurs gèrent les risques éthiques, juridiques et cybernétiques une fois les systèmes d'IA déployés à grande échelle. Le cours aborde la gouvernance interne de l'IA, la responsabilisation, l'auditabilité et la gestion du risque modèle, ainsi que les menaces adverses telles que l'empoisonnement des données (data poisoning), l'extraction de modèles et la fraude. Nous concluons en examinant les cadres réglementaires émergents et leurs implications sur les résultats économiques à long terme.