Intelligence artificielle et informatique

L'intérêt pour la technologie peut naître d'une application attrayante ou d'un gadget ingénieux, mais une formation universitaire de qualité s'intéresse à ce qui se cache derrière les apparences : comment les données sont-elles organisées ? Comment fonctionne le système ? Comment le teste-t-on ? Et qui est affecté par ses décisions ? Ce domaine d'études combine les fondamentaux de l'informatique, du développement logiciel et système, et de l'analyse de données, avec des spécialisations en intelligence artificielle ou dans d'autres domaines, selon le programme.

Noms similaires, approches différentes

L'informatique, les technologies de l'information, le génie logiciel, la science des données et l'intelligence artificielle ne sont pas synonymes. Bien qu'elles puissent partager des cours, elles diffèrent par leur orientation, allant des fondements théoriques aux systèmes, applications, données et conception technique. Il est donc important de consulter le programme et de ne pas choisir une formation uniquement parce que son intitulé contient un terme commun. [1]

Le cadre CS2023 de l'ACM, de l'IEEE-CS et de l'AAAI permet de mieux appréhender l'étendue de la formation en informatique, mais il ne constitue pas un modèle unique pour tous les programmes technologiques. Le programme universitaire officiel demeure le meilleur guide quant au contenu des études et à leur répartition entre fondements théoriques, applications et projets. [1]

La programmation comme outil de développement de la pensée

Grâce à la programmation, les étudiants apprennent à décomposer les problèmes en éléments, à formuler des étapes claires, à tester des hypothèses et à analyser les erreurs. Leurs progrès ne se mesurent pas au nombre de langages de programmation qu'ils connaissent, mais à leur capacité à comprendre un problème et à écrire une solution lisible, testable et améliorable.

Ils peuvent commencer par un petit projet répondant à un besoin précis : organiser un agenda, analyser des données publiques ou concevoir une interface simple. Il est préférable de mener à bien un projet limité, documenté et testé, plutôt que de se lancer dans un projet colossal dont ils ne sauraient expliquer ni maintenir les composantes.

L'intelligence artificielle a besoin de fondements solides, pas seulement d'un titre

L'étude de l'intelligence artificielle est liée aux mathématiques, aux statistiques, aux données et aux algorithmes, ainsi qu'à la conception, à l'évaluation et à la compréhension des limites des modèles. L'utilisation d'un outil prêt à l'emploi peut constituer un point de départ utile, mais ne remplace pas l'apprentissage de la mesure des résultats, des données sur lesquelles repose le système et des causes potentielles de dysfonctionnement. [1]

Dans le cadre d'un projet pédagogique, les étudiants doivent comprendre la différence entre formation et évaluation et éviter de présenter un résultat impressionnant sans expliquer sa méthodologie. Il est également judicieux de s'interroger sur la pertinence même de l'utilisation de l'intelligence artificielle. Une solution plus simple peut s'avérer plus claire et plus efficace pour un problème donné. Cette capacité de choix témoigne d'une maturité technique.

La sécurité et la confidentialité font partie intégrante de la conception

Lors du développement de toute application, les étudiants doivent prendre en compte les données collectées, les personnes autorisées à y accéder, leur mode de stockage et de suppression, ainsi que les autorisations requises. Il ne s'agit pas d'une tâche reportée à la fin du projet, mais d'un élément essentiel de sa définition dès le départ. Les données personnelles réelles ne doivent jamais être utilisées dans un contexte pédagogique sans base légale, consentement et autorisations appropriées.

Les données synthétiques ou les données publiques sous licence peuvent être utilisées, et les limites du projet doivent être clairement documentées. Les licences des codes, bibliothèques et images doivent être respectées, et le travail d'autrui ne doit pas être présenté comme le sien. La confiance dans le produit repose sur la confiance dans sa conception.

Comment comparer les universités ?

Examinez les fondements mathématiques et de programmation, les cours de systèmes et de données, la nature des projets, les infrastructures de laboratoire, ainsi que les mécanismes d'encadrement et d'évaluation. Renseignez-vous sur la manière dont les étudiants apprennent le travail d'équipe, le contrôle de version, les tests et la documentation, et sur les opportunités de stage ou de recherche proposées, ainsi que sur les conditions de participation.

Lorsqu'il est question d'accréditation technique ou d'ingénierie, il convient d'examiner le programme spécifique et son champ d'application. ABET précise que son accréditation concerne les programmes individuels, et non l'université dans son ensemble, et ne constitue pas un classement. Par conséquent, un logo sur une page publique ne suffit pas à établir le statut de chaque spécialisation ou département. [2]

Portfolio vérifiable

Le portfolio peut inclure un projet clairement défini, un énoncé du problème, une méthode de travail, des tests, les limitations connues et les acquis de l'étudiant. Ces éléments permettent au lecteur d'évaluer les compétences, contrairement à une simple photo de profil ou une liste de cours. Dans le cadre de projets de groupe, le rôle de chacun doit être clairement défini, sans pour autant imputer le travail de l'équipe à une seule personne.

Les intérêts peuvent évoluer vers les logiciels, les données, les systèmes, la sécurité ou la recherche, selon le programme et l'expérience. Aucun titre ne garantit un salaire ou un emploi, et l'évolution rapide des outils ne saurait remplacer de solides bases scientifiques. La véritable valeur réside dans la capacité d'apprendre, d'analyser et de construire de manière responsable, puis d'expliquer clairement le travail accompli à ceux qui l'utiliseront ou le développeront.