70
part et IA de type « apprentissage », d’autre part) ou portent plusieurs parcours avec des cours
communs
39 et pourraient peut-être contribuer à préparer leurs étudiants à développer des techniques
mixtes.
Les Grandes Ecoles ont le plus souvent construit durablement des collaborations et des masters
communs avec leur environnement universitaire. De nombreuses écoles d’ingénieurs développent des
partenariats avec les Universités voisines. Dans tous les cas, cela a un effet bénéfique de part et
d’autre, en particulier en termes de bassin de recrutement comme indiqué plus loin. Les écoles
d’ingénieurs ont plus de facilité que les Universités pour mettre en place rapidement des cursus en
phase avec l’actualité et c’est peut-être une capacité qui pourrait être mieux valorisée vis à vis des
interactions avec le monde universitaire.
Si les formations de type master sont les plus visibles, sur un domaine aussi pointu que l’IA, il faut
évidemment aussi prendre en compte la formation doctorale. Les résultats d’une simple recherche sur
le web des mots clés “formation doctorale” ou “doctorat” et “intelligence artificielle” ou même
simplement “informatique” prête à réflexion (mais ça n’est pas spécifique à la discipline). Le même
genre de recherche avec des mots clés identiques en anglais doit alerter sur l’attractivité au niveau
international et même national, en effet on voit immédiatement apparaître dans ce cas des listes de
formations sélectionnées et de grandes universités anglo-saxonnes. Les masters considérés ci-dessus
sont systématiquement associés à un ou des laboratoires de recherche de qualité, tous débouchent sur
la possibilité de thèses, avec un encadrement lui aussi de qualité. La structuration en écoles doctorales,
souvent pluridisciplinaires, a un impact fort sur la visibilité de ces formations. La nomenclature des
mentions de master et la disparition des spécialités aura probablement un impact là aussi en termes de
visibilité.
Types de formation
Un autre point d’entrée pour distinguer les formations est celui des types de formations. On distingue
les parcours/spécialités pro ou recherche – il faut noter que la plupart des formations répertoriées
n’affichent pas nécessairement une distinction claire entre parcours pro et recherche – et les parcours
en alternance, en faible nombre.
Nous pouvons noter l’absence de formations continues. Le risque est que ce créneau soit préempté par
des entreprises spécialisées sur l’usage (et non la création) de technologies d’intelligence artificielle
très opportunistes (cf. le cas du Deep Learning actuellement : il existe des utilisateurs très compétents
de Deep Learning dans les entreprises, utilisateurs qui pourraient dispenser des formations
essentiellement technologiques sur le sujet).
Il serait judicieux qu’en plus de l’essor des formations initiales en intelligence artificielle se
développent plus de formations en alternance sur le sujet et que des mécanismes pilotés par les
universités rendent les enseignants-chercheurs du domaine les interlocuteurs prioritaires pour les
formations continues et celles dispensées en entreprise.
Bassin de recrutement
Enfin, et c’est un constat classique pour toutes les formations en France, on note une réelle disparité
d’attractivité entre les formations parisiennes et les formations qui se trouvent en région. En
particulier, deux formations, le master MVA et le master DAC attirent des étudiants ayant suivi des
39 Master Informatique, spécialités Intelligence artificielle et Data Science, Université Lyon 1, http://master-info.univ-lyon1.fr/IA/ et
http://master-info.univ-lyon1.fr/DS/
part et IA de type « apprentissage », d’autre part) ou portent plusieurs parcours avec des cours
communs
39 et pourraient peut-être contribuer à préparer leurs étudiants à développer des techniques
mixtes.
Les Grandes Ecoles ont le plus souvent construit durablement des collaborations et des masters
communs avec leur environnement universitaire. De nombreuses écoles d’ingénieurs développent des
partenariats avec les Universités voisines. Dans tous les cas, cela a un effet bénéfique de part et
d’autre, en particulier en termes de bassin de recrutement comme indiqué plus loin. Les écoles
d’ingénieurs ont plus de facilité que les Universités pour mettre en place rapidement des cursus en
phase avec l’actualité et c’est peut-être une capacité qui pourrait être mieux valorisée vis à vis des
interactions avec le monde universitaire.
Si les formations de type master sont les plus visibles, sur un domaine aussi pointu que l’IA, il faut
évidemment aussi prendre en compte la formation doctorale. Les résultats d’une simple recherche sur
le web des mots clés “formation doctorale” ou “doctorat” et “intelligence artificielle” ou même
simplement “informatique” prête à réflexion (mais ça n’est pas spécifique à la discipline). Le même
genre de recherche avec des mots clés identiques en anglais doit alerter sur l’attractivité au niveau
international et même national, en effet on voit immédiatement apparaître dans ce cas des listes de
formations sélectionnées et de grandes universités anglo-saxonnes. Les masters considérés ci-dessus
sont systématiquement associés à un ou des laboratoires de recherche de qualité, tous débouchent sur
la possibilité de thèses, avec un encadrement lui aussi de qualité. La structuration en écoles doctorales,
souvent pluridisciplinaires, a un impact fort sur la visibilité de ces formations. La nomenclature des
mentions de master et la disparition des spécialités aura probablement un impact là aussi en termes de
visibilité.
Types de formation
Un autre point d’entrée pour distinguer les formations est celui des types de formations. On distingue
les parcours/spécialités pro ou recherche – il faut noter que la plupart des formations répertoriées
n’affichent pas nécessairement une distinction claire entre parcours pro et recherche – et les parcours
en alternance, en faible nombre.
Nous pouvons noter l’absence de formations continues. Le risque est que ce créneau soit préempté par
des entreprises spécialisées sur l’usage (et non la création) de technologies d’intelligence artificielle
très opportunistes (cf. le cas du Deep Learning actuellement : il existe des utilisateurs très compétents
de Deep Learning dans les entreprises, utilisateurs qui pourraient dispenser des formations
essentiellement technologiques sur le sujet).
Il serait judicieux qu’en plus de l’essor des formations initiales en intelligence artificielle se
développent plus de formations en alternance sur le sujet et que des mécanismes pilotés par les
universités rendent les enseignants-chercheurs du domaine les interlocuteurs prioritaires pour les
formations continues et celles dispensées en entreprise.
Bassin de recrutement
Enfin, et c’est un constat classique pour toutes les formations en France, on note une réelle disparité
d’attractivité entre les formations parisiennes et les formations qui se trouvent en région. En
particulier, deux formations, le master MVA et le master DAC attirent des étudiants ayant suivi des
39 Master Informatique, spécialités Intelligence artificielle et Data Science, Université Lyon 1, http://master-info.univ-lyon1.fr/IA/ et
http://master-info.univ-lyon1.fr/DS/