69
classiques » ou comme éléments de décision pour une IA.
Logiques non formelles, satisfaction de contraintes, web sémantique, logiques de description, systèmes
multi-agents sont des intitulés classiques de grands domaines de l’IA. Il est bien rare de ne pas trouver
au moins un enseignement de ce type dans n’importe quel parcours de master d’informatique. Avec
des contenus relativement comparables, certaines descriptions de masters se positionne très fortement
dans la thématique IA et d’autres beaucoup moins clairement. Nous dirons que ces masters ou
parcours de master sont à dominante « IA généraliste ». Disposant d’un certain recul et d’une assise
auprès des utilisateurs industriels, on trouve ici le panel complet des masters avec des parcours très
professionnalisants, et même en apprentissage, par exemple le parcours Informatique décisionnelle
29 ,
et d’autres qui débouchent aussi bien sur des thèses, des thèses CIFRE ou une embauche directe en
entreprise. Plusieurs exemples déjà cités relèvent de cette dominante
4, 6, 7 . La prise en compte de
l’aléatoire n’est pas ignorée dans ces formations, comme par exemple dans le master ANDROID
30 ,
mais ce n’est pas l’élément qui sous-tend l’essentiel de la formation. On trouve aussi des parcours
dédiés aux applications en robotiques, avec des composantes de traitement d’images et de la parole
31 .
Les effets de mode et l’évidente qualité des résultats obtenus par certaines méthodes récentes très en
vue actuellement ne doivent pas faire oublier la recherche très active dans ce domaine de l’IA et la
nécessité d’un cadre général qui permet d’intégrer des informations de types très variés qui peut
s’avérer utile dans le futur en lui associant les techniques plus récentes.
De manière similaire, les approches de type data mining, data science, machine learning,
apprentissage, big data, deep-learning sont des mots clés classiques d’un autre type de formations en
IA que nous appellerons à dominante “apprentissage”. Ces formations requièrent des étudiants un
bagage en informatique, en statistique et en mathématiques appliquées. Elles sont parfois rattachées à
l’informatique, parfois aux mathématiques ou encore aux deux disciplines. Les étudiants formés
acquièrent des savoirs qui sont par exemple très prisés par les entreprises qui doivent extraire de la
connaissance de grands volumes de données (Google, Facebook, Amazon…). On trouve dans cette
dominante des masters très sélectifs tels que ceux de l’ENS Cachan
32 ou de l’université Pierre et Marie
Curie
33
. D’autres masters permettent d’illustrer différentes spécificités telles qu’une volonté forte
d’ouverture vers l’international
34 , ou une spécialisation vers les techniques d’apprentissage
automatique et le traitement automatique de la langue
35 ou encore sur l’articulation entre apprentissage
automatique et recherche de l’information
36 . La dynamique relativement récente du Big Data, et plus
précisément de la science des données, mais aussi la réalité du terrain qui confronte des intervenants
très variés à la multiplication des données a conduit à l’apparition récente de nombreuses formations
de ce type
37
. C’est dans ce domaine que l’on trouve les formations les plus professionnalisantes et le
seul domaine dans lequel nous avons identifié des licences professionnelles, telles que celle de
Grenoble
38
.
Enfin, certains masters mêlent les deux dominantes définies ci-dessus (i.e. « IA généraliste » d’une
29
Master Miage en alternance, parcours Informatique décisionnelle, Université Paris Dauphine, http://formations.dauphine.fr/offre/frFR/fiche/A5STI/programme//
30 Master ANDROIDE: AgeNts Distribués, Robotique, Recherche Opérationnelle, Interaction, DEcision Université Pierre et Marie Curie,
http://www-master.ufr-info-p6.jussieu.fr/lmd/specialite/androide/
31
Master Intelligence Artificielle et Reconnaissance des Formes, Université de Toulouse, Toulouse 3, https://masteriarf.wordpress.com/
32
Master MVA- Mathématiques, vision, apprentissage, ENS Cachan, www.math.ens-cachan.fr/version-francaise/formations/master-mva/
33
Master DAC - Données apprentissage et connaissances, Université Pierre et Marie Curie, http://dac.lip6.fr/master/
34
Master international Machine Learning and Data Mining, Université Jean-Monnet, Saint-Etienne, http://mldm.univ-stetienne.fr/overview.php
35
Master Apprentissage et Traitement Automatique de la Langue (ATAL), Université de Nantes et Université du Mans, Université du
Maine, http://www.master-info.univ-nantes.fr/00542841/0/fiche___pagelibre/&RH=1403710895111 ou
http://www-info.univ-lemans.fr/?page_id=10
36
M2 Apprentissage, Information et Contenu - AIC, Université Paris-Sud, Paris-Saclay, https://www.universite-parissaclay.fr/fr/education/master/m2-apprentissage-information-et-contenu-machine-learning-information-and-content#presentation-m2
37
M2 Apprentissage automatique et données massives (machine learning & data science), Université Lille 3, https://www.univ-lille3.fr/ufrmime/formation/master-mdls/
38
Licence pro Big data, Université Grenoble-Alpes, IUT2, http://stid-grenoble.xtek.fr/1399_0_0_0_LP+Big+Data_0.html
classiques » ou comme éléments de décision pour une IA.
Logiques non formelles, satisfaction de contraintes, web sémantique, logiques de description, systèmes
multi-agents sont des intitulés classiques de grands domaines de l’IA. Il est bien rare de ne pas trouver
au moins un enseignement de ce type dans n’importe quel parcours de master d’informatique. Avec
des contenus relativement comparables, certaines descriptions de masters se positionne très fortement
dans la thématique IA et d’autres beaucoup moins clairement. Nous dirons que ces masters ou
parcours de master sont à dominante « IA généraliste ». Disposant d’un certain recul et d’une assise
auprès des utilisateurs industriels, on trouve ici le panel complet des masters avec des parcours très
professionnalisants, et même en apprentissage, par exemple le parcours Informatique décisionnelle
29 ,
et d’autres qui débouchent aussi bien sur des thèses, des thèses CIFRE ou une embauche directe en
entreprise. Plusieurs exemples déjà cités relèvent de cette dominante
4, 6, 7 . La prise en compte de
l’aléatoire n’est pas ignorée dans ces formations, comme par exemple dans le master ANDROID
30 ,
mais ce n’est pas l’élément qui sous-tend l’essentiel de la formation. On trouve aussi des parcours
dédiés aux applications en robotiques, avec des composantes de traitement d’images et de la parole
31 .
Les effets de mode et l’évidente qualité des résultats obtenus par certaines méthodes récentes très en
vue actuellement ne doivent pas faire oublier la recherche très active dans ce domaine de l’IA et la
nécessité d’un cadre général qui permet d’intégrer des informations de types très variés qui peut
s’avérer utile dans le futur en lui associant les techniques plus récentes.
De manière similaire, les approches de type data mining, data science, machine learning,
apprentissage, big data, deep-learning sont des mots clés classiques d’un autre type de formations en
IA que nous appellerons à dominante “apprentissage”. Ces formations requièrent des étudiants un
bagage en informatique, en statistique et en mathématiques appliquées. Elles sont parfois rattachées à
l’informatique, parfois aux mathématiques ou encore aux deux disciplines. Les étudiants formés
acquièrent des savoirs qui sont par exemple très prisés par les entreprises qui doivent extraire de la
connaissance de grands volumes de données (Google, Facebook, Amazon…). On trouve dans cette
dominante des masters très sélectifs tels que ceux de l’ENS Cachan
32 ou de l’université Pierre et Marie
Curie
33
. D’autres masters permettent d’illustrer différentes spécificités telles qu’une volonté forte
d’ouverture vers l’international
34 , ou une spécialisation vers les techniques d’apprentissage
automatique et le traitement automatique de la langue
35 ou encore sur l’articulation entre apprentissage
automatique et recherche de l’information
36 . La dynamique relativement récente du Big Data, et plus
précisément de la science des données, mais aussi la réalité du terrain qui confronte des intervenants
très variés à la multiplication des données a conduit à l’apparition récente de nombreuses formations
de ce type
37
. C’est dans ce domaine que l’on trouve les formations les plus professionnalisantes et le
seul domaine dans lequel nous avons identifié des licences professionnelles, telles que celle de
Grenoble
38
.
Enfin, certains masters mêlent les deux dominantes définies ci-dessus (i.e. « IA généraliste » d’une
29
Master Miage en alternance, parcours Informatique décisionnelle, Université Paris Dauphine, http://formations.dauphine.fr/offre/frFR/fiche/A5STI/programme//
30 Master ANDROIDE: AgeNts Distribués, Robotique, Recherche Opérationnelle, Interaction, DEcision Université Pierre et Marie Curie,
http://www-master.ufr-info-p6.jussieu.fr/lmd/specialite/androide/
31
Master Intelligence Artificielle et Reconnaissance des Formes, Université de Toulouse, Toulouse 3, https://masteriarf.wordpress.com/
32
Master MVA- Mathématiques, vision, apprentissage, ENS Cachan, www.math.ens-cachan.fr/version-francaise/formations/master-mva/
33
Master DAC - Données apprentissage et connaissances, Université Pierre et Marie Curie, http://dac.lip6.fr/master/
34
Master international Machine Learning and Data Mining, Université Jean-Monnet, Saint-Etienne, http://mldm.univ-stetienne.fr/overview.php
35
Master Apprentissage et Traitement Automatique de la Langue (ATAL), Université de Nantes et Université du Mans, Université du
Maine, http://www.master-info.univ-nantes.fr/00542841/0/fiche___pagelibre/&RH=1403710895111 ou
http://www-info.univ-lemans.fr/?page_id=10
36
M2 Apprentissage, Information et Contenu - AIC, Université Paris-Sud, Paris-Saclay, https://www.universite-parissaclay.fr/fr/education/master/m2-apprentissage-information-et-contenu-machine-learning-information-and-content#presentation-m2
37
M2 Apprentissage automatique et données massives (machine learning & data science), Université Lille 3, https://www.univ-lille3.fr/ufrmime/formation/master-mdls/
38
Licence pro Big data, Université Grenoble-Alpes, IUT2, http://stid-grenoble.xtek.fr/1399_0_0_0_LP+Big+Data_0.html